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

Diplomado en Minería de datos (online)

Domina Data Mining y construye modelos para hacer predicciones. Estos valiosos datos pueden ser usados para tomar mejores decisiones en la organización.

Abierto a todo tipo de profesionales. No se requiere conocimientos previos de programación, ni estadística.

Antecedentes Generales

28/03/2023
4 cursos

Modalidad:

Online-
300 horas
$2.060.000 en Chile / USD 2.060 resto del mundo ¡Consulta por descuento!


programas@ing.puc.cl
(+56) 9 5504 4516 - (+56) 9 3353 0870

Se dice que los datos son el nuevo petróleo. Al igual que en la minería tradicional es necesario extraer laboriosamente desde una montaña de áridos el material valioso mediante técnicas sofisticadas y con el uso de herramientas especializadas, los elementos de valor de los datos deben ser también extraídos o minados. La minería de datos o Data Mining es una disciplina que comprende estas técnicas y herramientas, de modo que, aquella montaña de datos que ha sido recopilada en el tiempo pueda ser usada para entender de mejor forma el negocio y construir modelos que permitan hacer predicciones, que pueden ser usadas en las decisiones y las acciones de la empresa.

El Diplomado en Minería de datos se diferencia de otros similares, debido a que no requiere conocimientos previos de programación ni tampoco de estadística, ya que incluye un curso para aprender a programar en Python y un curso de fundamentos de estadística. Además, los otros dos cursos de minería de datos permiten llegar a un nivel de profundidad más alto.

La modalidad del diplomado es 100% en línea y se estructura sobre cuatro cursos que utilizan técnicas metodológicas activas. Gracias a estas últimas, el participante puede interactuar con sus pares y profesor-tutor a través de los recursos tecnológicos que provee la plataforma educativa virtual.

Dirigido a:
- Todas las personas interesadas en adquirir las habilidades para aplicar técnicas de Data Mining a su trabajo.
- Todas las personas que han aprendido lo esencial de Data Mining, pero necesitan profundizar y adquirir fundamentos estadísticos.

Objetivos de aprendizaje:
- Escribir programas simples usando el lenguaje Python.
- Analizar datos de forma exploratoria para explicar la correlación entre variables, aplicando conceptos estadísticos.
- Predecir el comportamiento de una organización, a través de modelos que incorporan algoritmos de aprendizaje de máquina.

Contenidos del Programa

Al finalizar el curso podrás:
- Identificar conceptos y operaciones básicas de programación, tales como variables, funciones, operadores lógicos.
- Utilizar los comandos de control de flujo y los ciclos para la dirigir y repetir eficientemente un conjunto de operaciones básicas.
- Emplear elementos básicos como tipos de archivos (.txt, csv), tipos de datos (texto, entero, decimal, listas), entre otros en el procesamiento de datos.
- Aplicar conceptos y herramientas básicas de programación, como lectura, escritura de archivos y edición masiva de datos, resolviendo problemas reales relacionados con el procesamiento de datos.
- Desarrollar programas en el lenguaje de programación Python que permitan resolver problemas sencillos.

Contenidos:
Introducción a la programación
- Motivación.
- Secuencias de comandos en Python.
- Operaciones básicas.
- Creación y asignación de variables.
- Operaciones lógicas.

Control de flujo
- Control de flujo.
- Iteración y ciclos.

Tipos de datos y funciones
- Enteros, decimales, textos y listas.
- Manejo de strings de caracteres.
- Definición y uso de funciones.
- Listas.

Procesamiento de datos
- Listas de listas.
- Trabajo con archivos.
- Procesamiento de datos.

Diccionarios y tuplas
- Listas y listas de listas.
- Diccionarios.
- Aplicaciones con listas y diccionarios.
- Tuplas como tipo de dato inmutable.
- Operaciones sobre tuplas.
- Combinando listas, tuplas y diccionarios.

Funciones
- Concepto de función.
- Definición de funciones.
- Parámetros y valores de retorno.
- Importación y llamado de módulos.
- Invocación de funciones y scope.
- Parámetros con nombre y parámetros por defecto.
- Funciones recursivas.
- Aplicación de funciones.

Al finalizar el curso podrás:
- Producir desde un dataset histogramas y medidas estadísticas como parte de un análisis exploratorio de los datos.
- Mostrar en forma gráfica distribuciones empíricas de los datos.
- Modelar un problema en base a distribuciones analíticas conocidas.
- Analizar la interrelación entre dos o más variables.
- Evaluar la validez de una hipótesis en base a los datos.

Contenidos:
- Introducción al análisis exploratorio de datos.
- Histogramas y distribuciones.
- Distribución de probabilidades discretas y continuas.
- Modelación con distribuciones de probabilidad analíticas (exponencial, normal).
- Relacionando variables: correlación, covarianza y correlación de Pearson.
- Correlación no lineal.
- Testeo de hipótesis.
- Regresión.
- Introducción a las series de tiempo.

Al finalizar el curso podrás:
- Identificar las principales teorías y prácticas de la emergente área de Minería de Datos.
- Aplicar reglas de asociación para encontrar relaciones en un set de transacciones.
- Diseñar soluciones a problemas reales de Big Data y ciencia de datos que involucren la necesidad de técnicas de Minería de Datos como árboles de decisión y clustering.
- Implementar soluciones usando herramientas de software de Minería de Datos aplicándolas en datos reales.

Contenidos:
- Conceptos fundamentales de minería de datos.
- Preparación de datos y reducción de información.
- Reglas de asociación.
- Algoritmos de clasificación.
- Algoritmos de Clustering y medidas de similaridad.
- Selección de modelos e introducción a Machine Learning.

Al finalizar el curso podrás:
- Modelar problemas reales mediante técnicas avanzadas de minería de texto, para apoyar procesos de gestión del conocimiento en las organizaciones.
- Aplicar técnicas de aprendizaje reforzado como alternativa de entrenar modelos de aprendizaje.
- Utilizar herramientas de procesamiento de datos, para apoyar el proceso de modelado e interpretación de los resultados obtenidos.
- Aplicar series de tiempo para predecir modelos de negocios, basados en datos históricos.

Contenidos:
Introducción general
- Modelos alternativos de minería de datos.
- Extensión de los modelos de Machine Learning.

Introducción a Web Mining
- Web Scraping.
- Text análisis.

Series de tiempo
- Aprendizaje reforzado.
- Introducción.
- Diferencias con otros modelos de aprendizaje.
- Agentes.
- Funcionamiento en base a premios, castigos y fuerza bruta.
- Q-Learning.
• Introducción.
• Ecuación de Bellman.
• Explorar vs explotar.

Tendencias de Machine Learning.

Nota: Los cursos que componen el diplomado tienen el orden determinado e indicado en la estructura curricular. Esto es, se tiene que aprobar el curso anterior para poder tomar el que viene.

Cuerpo Académico

Diplomado en Minería de datos (online)

Solicita información y brochure aquí:

* Al ingresar tus datos aceptas recibir información de Educación Profesional Ingeniería UC y sus actividades relacionadas.
Este sitio está protegido por reCAPTCHA y se aplican la política de privacidad y términos del servicio de Google.

Webpay
Pago disponible con tarjetas de crédito de Chile hasta en 12 cuotas precio sin interés

 

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

Programas relacionados

Descargar Brochure
Necesitas ayuda? Conversemos