Certificación en Ciencia de Datos R y Python

Programa

Definiciones de Ciencia de Datos:

• Introducción a la Ciencia de Datos
• Niveles a los que opera la ciencia de datos
• Introducción a Data Warehouse
• Introducción a Data Mining
• Introducción a Knowledge Discovery
• Introducción a Herramientas OLAP y Tableros de comando
• Repaso de herramientas disponibles
• Taxonomía de las competencias de un científico de datos
• Primeros pasos en R
• Instalando y cargando paquetes en R

Introducción a R:

• Variables, vectores y matrices
• Dataframes
• Paquetes y librerías
• Manejo de archivos csv
• Conversiones de tipos
• Conexión a bases de datos
• Ejecución condicional
• Bucles
• Funciones en R
• Medidas estadísticas
• Correlaciones
• Funciones estadísticas

Introducción a Python:

• Descarga e instalación
• Principales librerías
• Variables y tipos de datos
• Listas, tuplas y diccionarios
• Ejecución condicional
• Ciclos definidos e indefinidos
• Manejo de Excepciones
• Funciones y Generadores
• Clases y objetos
• Manejo de archivos y directorios
• Conexión a archivos planos
• Conexión a Excel
• Conexión a Bases de Datos

Tests básicos:

• Repaso de conceptos de probabilidad y estadística
• Test de Hipótesis
• Correlaciones
• AB Test
• Cálculo de correlaciones en R con cor
• Funciones de distribución en R
• Histogramas en R
• Gráficos de líneas en R
• Gráficos de áreas en R
• Uso de NumPy
• Uso de Pandas
• Uso de MatPlotLib
• Módulo matplotlib
• Módulo math
• Módulo numpy
• Módulo yt
• Módulo mayavi

Regresiones:

• Regresión Lineal
• Regresión polinómica
• Regresión exponencial y logarítmica
• Regresión de dos variables
• Cálculo de regresiones en R con lm
• Cálculo de regresiones logísticas en R con glm
• Regresiones en Python
• Regresión logística en Python

Arboles de decisión:

• Algoritmo básico en Excel
• División en entrenamiento y prueba
• Uso de Rpart y cp
• Predicción y valoración de la solución
• Uso de Party
• Aplicación al problema del call center
• Instalación y uso del paquete en Python
• Ejemplo en Python
• Principales parámetros de ajuste y control

Clusters:

• Algoritmo básico en Excel
• Uso de kmeans en R
• Ejemplo de aplicación real en R
• Otros algoritmos de agrupamiento en R
• Ejercicio de aplicación de agrupamiento de mascotas
• Uso de Scikit-Learn en Python
• Análisis de componentes principales en Python
• K-Medias en Python
• Clustering jerárquico en Python

Reglas de Asociación:

• Algoritmo básico en Access
• División en entrenamiento y prueba en R
• Uso de arules en R
• Ejemplo de una aplicación real votación de reglas en R
• Ejemplo de una aplicación real a datos de ventas en supermercados en R
• Instalación y uso del paquete en Python
• Ejemplo en Python
• Principales parámetros de ajuste y control
• Esquema de votación de reglas en Python

Redes Neuronales:

• Algoritmo básico en Excel
• División en entrenamiento y prueba en R
• Uso de neuralnet
• Predicción y valoración de la solución en R
• Discusión del problema de legibilidad de los resultados desde el negocio
• Competencia entre árboles y redes en un caso concreto en R
• Instalación y uso del paquete en Python
• Ejemplo en Python
• Principales parámetros de ajuste y control en Python
• Problema concreto en Python

Algoritmos genéticos:

• Algoritmo básico en Excel
• Discusión del tipo de problemas en los que se aplica
• Discusión de otros mecanismos de optimización
• Implementación en R del uso de algoritmos genéticos como valores reales, binarios, permutaciones
• Implementación en Python

Series temporales:

• Taxonomía
• Separación de componentes
• Predicciones
• ARIMA implementado en R
• Predicción en series con un único período
• Predicción en series con múltiples períodos
• Predicción en series con períodos variables: renormalización
• Implementación en Python

Método de Simulación de Montecarlo:

• Algoritmo básico en Excel
• Discusión de la utilidad del método
• Comparación con el análisis de escenarios
• Ejemplo de una aplicación real
• Ejemplo simple implementado en R
• Ejemplo simple implementación en Python

Minería de textos:

• Clasificación supervisada de piezas de texto
• Construcción de una red semántica
• Discusión de las posibilidades de reconocimiento de voz
• Ejemplos de aplicación real del algoritmo de clasificación
• Aplicación a la detección de sentimientos
• Ejemplo de implementación en Python

Vecinos Cercanos (Knn):

• Instalación y uso del paquete en R
• Ejemplo conceptual en Excel
• Ejemplo en R
• Instalación y uso del paquete en Python
• Ejemplo en Python
• Principales parámetros de ajuste y control.

Bayes Ingenuo:

• Implementación en Excel
• Ejemplo de aplicación en R
• Comparación de 4 algoritmos predictivos (Bayes ingenuo, árboles, redes neuronales y regression logística)
• Ejemplo de aplicación en Python

Random Forest:

• Bootstrap y bagging
• Descripción conceptual del método random forest
• Paquete randomForest para R
• Ejemplo de aplicación
• Comparación con otras técnicas
• Implementación en Python

Métodos bayesianos avanzados:

• Descripción conceptual del método:
• Regresión lineal bayesiana
• Regresión logística bayesiana
• Inferencia bayesiana
• Red bayesiana
• Ejemplos de aplicación en R
• Paquete BAS
• Paquete brms
• Paquete arm
• Paquete bnlearnd
• Comparación con otras técnicas
• Ejemplos de aplicación en Python

Máquina de soporte vectorial:

• Descripción conceptual del método
• Paquete e1071 para R
• Ejemplo de aplicación en R
• Ejemplo de aplicación en Python
• Comparación con otras técnicas

Discriminante lineal y cuadrático:

• Instalación y uso del paquete
• Ejemplo conceptual en Excel
• Ejemplo en R
• Ejemplo en Python
• Principales parámetros de ajuste y control en R
• Principales parámetros de ajuste y control en Python
• Problema concreto

Análisis de Fourier:

• Descripción conceptual
• Ejemplo conceptual en Excel
• Instalación y uso del paquete en R
• Instalación y uso del paquete en Python
• Ejemplo en R
• Ejemplo en Python

Herramientas geográficas:

• Distancias
• Implementación en R
• Paquete sf
• Paquete nngeo
• Aplicación práctica en R
• Implementación en Python
• Aplicación práctica en Python

Bases de datos documentales:

• Instalación de MongoDB
• Conexión a R
• Conexión a Python
• Aplicación práctica en R
• Aplicación práctica en Python

Diseño de Datawarehouses:

• Diferencias entre los DW y los OLTP
• Tipos de datos y soportes
• Dimensiones y jerarquías
• Estimación de recursos y tiempos según tipos de datos
• Ejemplos de staging
• Interacción entre equipos (DB-ETL-Soporte-FrontEnd-Usuarios)
• Ejercicios de diseño de DW

Diseño y construcción de ETL:

• Procesos ETL: generalidades, buenas prácticas, esquemas de ETL
• Detalles de cada etapa: extracción, limpieza, normalización, transformación, carga
• Estrategias de update
• Ejercicios de diseño de ETL para la carga inicial
• Ejercicios de diseño de ETL para la actualización
• Licencia, descarga e instalación de Open Refine
• Uso general como herramienta de limpieza de datos
• Pre-procesado de los datos
• Casos de interés y ejemplos
• Licencias, descarga e instalación de Pentaho-Kettle
• Pentaho Kettle: funciones, características, utilización
• Auditoría y documentación
• Ejemplos de uso

Big Data:

• ¿Qué es Big Data?
• ¿Cuándo usar Big Data?
• ¿Cómo armar una infraestructura para Hadoop?
• Ejemplo de una aplicación de Map Reduce: wordcount
• Como evitar Hadoop