Curso de Data Scientist con R en Almagro - Buenos Aires

Informática e Información > Base de Datos
Curso de Data Scientist con R - Online
El curso se imparte:
Online
Tipo de Curso:
Cursos
Precio:
Consultar
Podés abonar este curso en 3 cuotas sin interés con todas las tarjetas de crédito.
Solicita información sin compromiso
Universidad Tecnológica Nacional
Cursos - Curso de Data Scientist con R - Almagro - Buenos Aires
Nombre
Apellidos
E-Mail
Provincia
Teléfono de Contacto
Mi teléfono es:
Fijo
Celular
Preguntas

Para enviar la solicitud debes aceptar la política de privacidad

Enviar Solicitud
* Campos obligatorios



Por favor, completa todos los datos correctamente.
Por favor, acepta la política de privacidad para enviar la solicitud

INFORMACIÓN BÁSICA POLÍTICA DATOS

ResponsableEducaedu Business, S.L., con domicilio en la calle Gran Vía 81, 5 ª Planta Dpto 1, 48011 Bilbao (Vizcaya). Email de contacto: contacto@educaedu.com. Email contacto Delegado Protección datos: delegadoprotecciondatos@educaedu.com.
FinalidadGestionar el envío de solicitudes de información requeridas por el usuario. Gestionar el envío de comunicaciones promocionales e informativas propias y de terceros sobre formación, derivadas del servicio de orientación académica del portal.
LegitimaciónConsentimiento del interesado
DestinatariosEmpresas del grupo Educaedu Business, S.L., y los centros de formación del que el usuario ha solicitado información.
DerechosAcceder, rectificar y suprimir los datos, así como otros derechos, recogidos en la información adicional
Información AdicionalPuedes consultar la información adicional y detallada sobre nuestra Política de Protección de datos en el siguiente link política de privacidad
Loading...
Descripción de Curso de Data Scientist con R
Contenido:
Curso de Data Scientist con R.

Gestiona información masiva de Big Data. Conoce la estructura, sintaxis y algoritmos de R para el diseño y uso de repositorios de datos

Duración: 6 Semanas
Modalidad: A Distancia
Carga horaria: 45 h

R es un lenguaje y entorno de programación de software libre para análisis estadístico, cálculo numérico y representaciones gráficas (modelos lineales y no lineales, tests estadísticos, análisis de series temporales, algoritmos de clasificación y otros).

Por su parte Big Data es el término que se utiliza para describir los grandes volúmenes de datos que componen Internet y la posibilidad de obtener información sobre ellos.

Actualmente compañías como Google, Amazon, Facebook, Netflix, Walmart, GAP, IBM y General Electric, entre otras, están liderando procesos de gestión masiva de información y reclutando “Data Scientists” en la nueva era que deviene de Big Data.

El trabajo de un buen Científico de Datos es hacer descubrimientos “buceando” en un océano de datos cada vez más masivos y complejos. Identifican potenciales fuentes ricas en datos valiosos y acercan la brecha entre los datos, la información y finalmente las decisiones de negocio. 

Este entrenamiento tiene como objetivo familiarizar a los participantes con R y sus principales algoritmos más difundidos.

Se espera que los participantes incorporen criterios para diseñar y utilizar repositorios de datos.

Objetivo general.

Formar profesionales Científicos de Datos para los que se requiere que los participantes:

  • Ubiquen a la ciencia de datos en el contexto de disciplinas al servicio de los negocios
  • Entiendan la estructura de R
  • Conozcan las convenciones utilizadas de sintaxis de R
  • Sepan usar los algoritmos más difundidos
  • Puedan diseñar un repositorio de datos
  • Incorporen la necesidad de limpiar los datos antes de usarlos
  • Usen sin dificultad las herramientas de inferencia estadística
  • Complementen su formación y entrenamiento como Data Scientists

Objetivo especifico.

Unidad 1: Introducción a Big Data, Ciencia de Datos y R    
Que los participantes:

  • Dominen el concepto de ciencia de datos
  • Entiendan la estructura general de R
  • Manejen la sintaxis de comandos de R
  • Ubiquen los principales repositorios de los que bajar algoritmos
  • Incorporen el lugar que R va tomando como estándar de facto dentro de la ciencia de datos.

Unidad 2: Diseño y Construcción de repositorios de datos
Que los participantes:

  • Adquieran criterio propio para diseñar repositorios de datos
  • Palpen las consecuencias nefastas de no realizar adecuadamente la limpieza de los datos
  • Manejen la terminología relacionada con los repositorios de datos
  • Comparen adecuadamente las herramientas que existen en el mercado para soportar repositorios de datos            

Unidad 3: Algoritmos Descriptivos en R       
Que los participantes:

  • Identifiquen los principales algoritmos aplicados a la estadística descriptiva que vienen dentro de R
  • Entiendan el significado de cada parámetro de la invocación de los algoritmos descriptivos desde R
  • Puedan comparar las ventajas y desventajas de los distintos algoritmos que se ofrecen para las diferentes técnicas descriptivas cubiertas.       

Unidad 4: Gráficos en R
Que los participantes:

  • Identifiquen las principales herramientas gráficas que vienen dentro de R
  • Comprendan como distintas visualizaciones sirven o no para transmitir diferentes conceptos.
  • Manejen la sintaxis de R para generar los gráficos.

Unidad 5: Algoritmos Predictivos básicos en R
Que los participantes:

  • Identifiquen los algoritmos más simples aplicados a la inferencia estadística que vienen dentro de R
  • Entiendan el significado de cada parámetro de la invocación de los algoritmos predictivos más simples desde R
  • Puedan comparar las ventajas y desventajas de los distintos algoritmos que se ofrecen para las diferentes técnicas predictivas cubiertas.

Unidad 6: Algoritmos Predictivos avanzados en R y perspectivas de Ciencia de Datos.
Que los participantes:

  • Identifiquen los principales algoritmos avanzados aplicados a la inferencia estadística que vienen dentro de R
  • Entiendan el significado de cada parámetro de la invocación de los algoritmos predictivos avanzados desde R
  • Puedan comparar las ventajas y desventajas de los distintos algoritmos avanzados que se ofrecen para las diferentes técnicas predictivas cubiertas.
  • Conozcan las futuras tendencias de la disciplina de la ciencia de datos.  

Destinatarios.

Todos aquellos profesionales que quieran profundizar en el uso de R aplicado a la "Inteligencia de Negocios" (BI) ya sea para incorporarse en una posición de Analista de Business Intelligence como para mejorar sus posibilidades de crecimiento en este competitivo y creciente mercado.

Junto con una formación previa en BI este curso complementa a los destinatarios en su formación como Data Scientists.


Requisitos previos.

Es conveniente que los participantes tengan un manejo general de las herramientas informáticas (ofimática, carpetas, archivos, etc.) así como los conceptos básicos de estadística descriptiva y probabilidad.

Los participantes se beneficiarán de su experiencia previa en uno o más de los siguientes campos:

  • Manejo de base de datos
  • Programación
  • Matemáticas
  • Marketing
  • Inteligencia de Negocios


Aunque ninguno de los conocimientos resulta excluyente, dado que se trata de un curso específico, resultará muy conveniente que los participantes cuenten con formación previa de carácter general, idealmente tener formación en Inteligencia de Negocios (como por ejemplo la tener aprobada la Diplomatura en BI de esta institución).

Metodología de enseñanza-aprendizaje.

Lectura crítica del material didáctico por parte de los alumnos. Consultas e intercambios en los foros, dirigidos y coordinados por el profesor-tutor. Clases en tiempo real. Ejercicios prácticos  y evaluaciones sobre la base de análisis de situaciones y casos en contextos laborales y profesionales y, según el carácter de los temas y objetivos de la especialidad o curso, cuestionarios del tipo multiple choice.

Modalidad Educativa.

La modalidad es totalmente mediada por tecnologías a través del Campus Virtual FRBA. Las actividades que se realizarán serán:

  • Foros de discusión semanal propuestos por el docente (un foro por unidad).
  • Consulta al docente a través de e-mail o chat.
  • Dictado de clases en tiempo real mediante un Aula Virtual Sincrónica (AVS)
  • Material de lectura semanal y por unidad temática
  • Actividades individuales y/o grupales de aplicación práctica semanal y por unidad temática.
  • Evaluaciones semanales y por unidad temática sobre la base de trabajos prácticos de aplicación de los conocimientos adquiridos.

Se trata de una modalidad básicamente asincrónica con el complemento del AVS, que supera la instancia de autoestudio por la implementación de foros proactivos coordinados por el profesor-tutor y dictado de clases en tiempo real. Los foros cumplen cuatro funciones pedagógico-didácticas fundamentales: 1) Son el lugar para la presentación de las dudas, consultas y opiniones críticas de los alumnos; 2) Son el principal espacio para la generación de retroalimentación (feed back) entre profesores-tutores y alumnos y alumnos entre sí; 3) Es el lugar específico para la discusión, coordinada por el profesor-tutor, de todos los temas tratados en los módulos de la especialidad o curso y 4) Es el lugar para el aprendizaje entre pares de los alumnos. A su vez, el AVS permite complementar todas aquellas instancias pedagógico-didácticas que le señalan límites a la modalidad puramente asincrónica. 


Modalidad de evaluación y acreditación.

Tratándose de una modalidad mediada por tecnologías, la participación activa en los foros por parte de los alumnos, será una condición necesaria para su aprobación.

Por lo tanto, para acreditar la aprobación de la especialidad o curso, los alumnos deberán rendir satisfactoriamente las evaluaciones que los profesores-tutores determinen como obligatorias y haber participado activamente en los foros.

Finalmente deberá aprobarse una Evaluación Final Integradora Obligatoria del tipo multiple choice.


Temario.

El curso tendrá una duración de seis semanas y se dividirá en seis unidades.

Cada una de las unidades tendrá una duración de una semana:


Unidad 1: Introducción a BI, R y la Ciencia de los Datos
  • BI: La ciénaga conceptual:         
  • ¿Qué es BI?
  • ¿Qué es Big Data?
  • ¿Qué es un Datawarehouse?
  • ¿Qué es R?
  • ¿Qué es la Ciencia de los Datos?
  • El Rol del Científico de Datos
  • Elementos de sintaxis de R
  • Repositorios de Algoritmos
  • Comunicación multinivel

 
Unidad 2: Diseño y construcción de repositorios de datos
  • Criterios de arquitectura de datos
  • Estrategias de limpieza de datos
  • Técnicas para carga de datos

 
Unidad 3: Algoritmos Descriptivos en R
  •  Medidas estadísticas
  • Análisis de Fourier
  • Algoritmos de Agrupamiento

 
Unidad 4: Herramientas de Graficación en R
  • Gráficos de densidad
  • Gráficos de puntos
  • Gráficos de barras
  • Gráficos de líneas
  • Gráficos circulares
  • Gráficos de cajas
  • Gráficos de dispersión

 
Unidad 5: Algoritmos Predictivos básicos en R
  • Árboles de Decisión y Random Forest
  • Redes Neuronales
  • Reglas de asociación

 
Unidad 6: Algoritmos Predictivos avanzados en R
  • Métodos Bayesianos
  • Discriminante Lineal y Cuadrático
  • Máquinas vectoriales de soporte
  • Perspectivas futuras de BI y de la Ciencia de Datos

Examen Final

 
Certificación.

A todos los participantes que hayan aprobado el curso cumpliendo con todos los requisitos establecidos, se les extenderá un certificado de la Secretaría de Cultura y Extensión Universitaria, FRBA, UTN. Aquellos que aun habiendo participado activamente en los foros y realizado las actividades prácticas no cumplimentaran los requisitos de evaluación, recibirán un certificado de participación en el curso.
¿Deseas recibir más información?