calendar correo curso diplomado horas lugar in-company magister magisteres programa-avanzado quotes reloj telefono contacto contacto grad video
Search
Coincidencias exactas
Buscar por
Seleccionar todos
Magisters
Diplomados
Cursos
Profesores
Noticias
Páginas

Diplomado en Big Data y Machine Learning (Online)

Construye aplicaciones y saca partido de las técnicas de Machine Learning en la era de la Big Data.

Antecedentes Generales

26/05/2020
Diplomado Online
Diplomado Online
108 hrs / 144 hrs pedagógicas
$1.890.000.-
programas@ing.puc.cl
+56 2 2354 4516

Todos hemos sido testigos de cómo en la actualidad la inteligencia artificial ha pasado a ser el gran protagonista. En buena medida, ello se debe a los espectaculares avances de los algoritmos y técnicas de Machine Learning (deep learning, reinforced learning) que permiten construir aplicaciones impresionantes en áreas como por ejemplo de reconocimiento visual. A su vez, el impresionante desempeño de estos algoritmos se debe a que gracias a las técnicas de Big Data, pueden ahora ser entrenados con volúmenes gigantescos de datos. Este diplomado permite a los participantes adquirir los conocimientos necesarios para construir soluciones inteligentes, a través de las técnicas y algoritmos más modernos de Machine Learning, y utilizando los enormes sets de datos que se generan diariamente.

 

Dirigido a:
– Profesionales que necesiten adquirir las competencias necesarias para construir aplicaciones de Big Data y Machine Learning, usando las herramientas del ecosistema Python.

– Interesados en el área de Ciencia de Datos que deseen adquirir habilidades para interactuar y visualizar volúmenes grandes de datos.

 

 

Requisitos de ingreso:
Es necesario contar con conocimientos básicos de programación, específicamente en lenguaje Python. En particular, debe ser capaz de utilizar controles de flujo, distintos tipos de datos y funciones, y diccionarios con Python.

 

Si desea evaluar su nivel, puede realizar una prueba opcional gratuita en este link: https://www.hackerrank.com/prueba-python

 

Se recomienda iniciar los test en orden, ya que van creciendo en dificultad. Los dos últimos tienen un nivel superior al requerido para ingresar al diplomado, y han sido instalados allí sólo como desafío. Si uno de los test falló, se recomienda revisar y ejercitar esos contenidos antes del inicio del programa.

 

A continuación, ponemos a su disposición algunos cursos optativos por si desea prepararse previamente al inicio del programa:

– MOOC “Introducción a la Programación en Python I: Aprendiendo a programar con Python”, disponible en el siguiente link: https://www.coursera.org/learn/aprendiendo-programar-python

 

– Curso “Herramientas de programación en Python para procesamiento de datos”, disponible en el siguiente link: https://teleduc.uc.cl/curso/herramientas-programacion-python-procesamiento-datos/ .

 

Contenidos del Programa

– Introducción a Big Data
– El ecosistema Hadoop
– HDFS y YARN
– MapReduce
– Herramientas del ecosistema: Pig, Hive, HBase, Impala
– Fundamentos del ecosistema Spark
– RDDS en Spark
– Implementación de aplicaciones sobre Spark
– Spark SQL

– Conceptos fundamentales de Machine Learning
– Análisis, procesamiento y visualización de datos a través de Python.
– Algoritmos de aprendizaje supervisado en Python utilizando scikit-learn
o Regresión lineal
o Regresión logística
o Regresiones polinomiales
o Regresiones con penalización
o Árboles de decisión
o Random Forest
o Random Forest para regresiones
o Naive Bayes
o Vecino más cercano
o Redes neuronales
o Selección de modelos
– Algoritmos de aprendizaje no supervisado en Python utilizando scikit-learn
o K-means
o Mezcla de Gaussianas
o Cluster jerárquico
o Autoencoders

– Ejemplos históricos de visualización de datos
– Conceptos fundamentales de visualización de información
– Funciones básicas de matplotlib y seaborn
– Modelo anidado de Munzner para diseño y validación de visualización
– Reglas y recomendaciones generales para visualizaciones efectivas
– Diseño e implementación de gráficos simples para datos tabulares usando modelo anidado
– Diseño e implementación de gráficos avanzados para datos tabulares usando modelo anidado
– Reducción de dimensionalidad
– Diseño e implementación de gráficos avanzados para datos de red usando modelo anidado
– Visualización básica de datos de texto
– Visualización básica de datos espaciales

– Analítica tradicional
– Analítica moderna
– Aplicaciones sobre datos estructurados
– Aplicaciones sobre datos no estructurados
– Técnicas de Ciencia de Datos y Machine Learning
– Técnicas básicas de Deep Learning
– Aplicaciones de Ciencia de Datos y Machine Learning
– Aplicaciones de Deep Learning
– Casos en Ciencia de Datos y Machine Learning

Nota: El orden de los cursos dependerá de la programación que realice la Dirección Académica

Cuerpo Académico

Solicita información y brochure aquí:

Este sitio está protegido por reCAPTCHA y se aplican la política de privacidad y términos del servicio de Google.

¿Listo para postular?

Postula Aquí

 

¿Te gustó este programa?
¡Compártelo en tus redes sociales!

Programas relacionados

Descargar Brochure
X