Certificación en Ciencia de Datos con R

Modalidad

Clases en vivo online

Duración

18 semanas

Certificación

Universitaria

Fecha de inicio

Cada 2 semanas

Idioma

Español

$ 660

United States dollar
  • United States dollar
  • Peso uruguayo
  • Peso argentino
  • Guaraní paraguayo
  • Peso chileno
  • Bolívar venezolano
  • Sol
  • Peso colombiano

Cobramos el importe del pedido en US$. Puede que haya una mínima variación debido al tipo de cambio usado por tu banco.

Más información 

Sobre el curso

Introducción

Explorar el mundo de la ciencia de datos a través de R es una elección excepcional por diversas razones. En primer lugar, R se destaca como un lenguaje de programación ampliamente reconocido y poderoso diseñado especialmente para el análisis de datos y la visualización. Su amplia variedad de paquetes especializados abarca desde análisis estadístico hasta aprendizaje automático y minería de datos.
La singularidad de R radica en su condición de software de código abierto, una característica que lo distingue al ser gratuito y sujeto a la personalización por parte de cualquier persona. Esto permite a los usuarios adaptar el software a sus necesidades particulares y fomentar la colaboración en la comunidad.
Adicionalmente, se incluye un curso gratuito de nivelación, con clases en vivo, diseñado para aquellos estudiantes sin experiencia previa en programación lógica, bases de datos y estadística.

¿Qué vas a aprender en este curso?

Vas a aprender los principales algoritmos de aprendizaje supervisado como árboles de decisión, redes neuronales, reglas de asociación, bayes ingenuos, bosques aleatorios, y no supervisado como agrupamiento.

Etapas

Etapa de nivelación

  • Clases en vivo de Programación Lógica.
  • Bases de Datos.
  • Probabilidad y Estadística.

Etapa de Introducción

  • Clases en vivo de Introducción Conceptual.
  • Introducción a los Lenguajes de Programación.
  • Taller de Programación.

Etapa de Especialización

  • Clases en vivo teóricas y prácticas sobre las principales librerías, técnicas y herramientas.

Programa

Introducción a 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

Diseño y construcción de un DW:

  • 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

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

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

Árboles 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

Clusters:

  • Algoritmo básico en Excel
  • Uso de kmeans
  • Ejemplo de aplicación real
  • Otros algoritmos de agrupamiento en R
  • Ejercicio de aplicación de agrupamiento de mascotas

Reglas de Asociación:

  • Algoritmo básico en Access
  • División en entrenamiento y prueba
  • Uso de arules en R
  • Ejemplo de una aplicación real votación de reglas
  • Ejemplo de una aplicación real a datos de ventas en supermercados

Redes Neuronales:

  • Algoritmo básico en Excel
  • División en entrenamiento y prueba
  • Uso de neuralnet
  • Predicción y valoración de la solución
  • Discusión del problema de legibilidad de los resultados desde el negocio
  • Competencia entre árboles y redes en un caso concreto

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

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

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

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

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

Bayes Ingenuo:

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

Random Forest:

  • Descripción conceptual del método
  • Paquete randomForest
  • Ejemplo de aplicación
  • Comparación con otras técnicas

Métodos bayesianos avanzados:

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

Máquina de soporte vectorial:

  • Descripción conceptual del método
  • Paquete e1071
  • Ejemplo de aplicación
  • Comparación con otras técnicas

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
  • Pig Hive
  • Cassandra

Cursado, evaluación y certificación

Cursado:

  • Dos clases semanales por videoconferencias interactivas, una teórica y una práctica. La duración de cada clase es de 30 a 60 minutos dependiendo del tema, la cantidad de participantes y el nivel de intervenciones conseguido.
  • El estudiante tiene actividad complementaria con material de soporte de las clases, material teórico para estudiar, ejercicios resueltos y para resolver, corrección de ejercicios y autoevaluaciones.
  • Trabajos prácticos sobre proyectos reales, para aprender haciendo.
  • Todas las clases en vivo quedan grabadas a disposición de los estudiantes y no se exige asistencia. También dispones de clases de ediciones anteriores.
  • Los cursos inician cada 15 días.
  • Participa en el grupo de Telegram para realizar tus consultas fuera del horario de clases.
  • Se coordinan videollamadas para atender consultas específicas.

Evaluación:

  • Presentación de proyecto final y Examen final (mínimo 60 % de respuestas correctas).

Certificación:

  • Entrega de Certificado Oficial de la UTN FRRQ, firmada por Decano de la Facultad y Código QR de autenticidad.

Profesores

Ignacio Urteaga

MBA en Dirección de Sistemas de Información. Físico, (Tesis en física nuclear) Investigador, Premiado en 2001 por sus trabajos en Ciencia de Datos. Más de 30 años de experiencia docente en Universidades y en la aplicación de Datos y BI como Director, Gerente o Consultor en el ámbito público y privado.

 

Cesar Procopio

Actuario en Administración (UBA) Licenciado en Administración. Maestría en Finanzas (Orientación Cuantitativa, Universidad de San Andrés). Maestría en Data Mining.

Becas

Programa de Becas

En Latam Learning, creemos que la educación de calidad debe ser accesible para todos. Por eso, nos complace anunciar el lanzamiento de nuestro Programa de Becas, diseñado para ofrecer oportunidades a quienes desean ampliar sus conocimientos y habilidades a través de nuestros cursos online con certificación universitaria UTN.

¿Qué ofrecemos?

Las becas están disponibles para la gran mayoría de nuestros cursos, con diferentes descuentos según cada situación. Nuestro objetivo es facilitar el acceso a formación de alta calidad a estudiantes, profesionales y apasionados del aprendizaje.

¿Quiénes pueden solicitar una beca?

Cualquier persona interesada en crecer profesionalmente y que cumpla con los requisitos establecidos para cada programa. Valoramos la diversidad y queremos apoyar a individuos de todos los países de Latinoamérica.

¿Cómo solicitar una beca

El proceso es simple: completa el siguiente formulario, nuestro equipo evaluará la situación y te contestará dentro de las 24 horas hábiles. Accedé al formulario para solicitar tu beca haciendo clic acá.

Financiación Latam Learning

Formas de pago

Formas de Pago:

Para su comodidad, aceptamos pagos a través de Stripe y Paypal, una plataforma segura y confiable que garantiza la protección de sus datos. Ofrecemos opciones de pagos con tarjetas de crédito y débito. La seguridad es nuestra prioridad, por lo que Stripe y Paypal utilizan tecnología avanzada para proteger toda la información que comparte. Si tiene alguna duda o necesita asistencia con su pago, nuestro equipo de soporte está disponible para ayudarle en todo momento.

Además, para que nuestros cursos sean aún más accesibles, ofrecemos un plan de financiación con cuotas decrecientes. Esto significa que puedes dividir el costo del curso en pagos mensuales que se reducen con el tiempo, lo que te permite alcanzar tus metas educativas sin comprometer tu presupuesto.


Certificación en Ciencia de Datos con R:

  • Cuota 1: USD 200
  • Cuota 2: USD 180
  • Cuota 3: USD 160
  • Cuota 4: USD 120

Para acceder a esta forma de pago, comunícate con nuestros asesores haciendo clic acá.

Completá el formulario para confirmar tu depósito o transferencia

Luego de enviado el comprobante nos pondremos en contacto contigo durante las próximas horas .

Abrir chat
Hola 👋
Cómo podemos ayudarte?