|
1.INTRODUCCIÓN A LA DATA SCIENCE, BIG DATA, DEEP LEARNING Y MACHINE LEARNING - 6 horas
- Definición de los diferentes conceptos relacionados a la ciencia de datos (Data Science)
- Teoría de diferentes métodos como Machine Learning (supervisado, no supervisado y semi)
- Ilustración con casos reales (Morale Machine)
|
|
2.DATA-DRIVEN MANAGEMENT - 6 horas
- Modelos de negocio Data-Driven
- Desafíos legales del Big Data - el Big (Brother) Data
- Organización Data-Driven: nueva estrategia corporativa
- Modelo Canvas de Inteligencia Artificial
- Testimonio de un Data Scientist sobre el impacto del Big Data en su empresa
|
|
3.ANÁLISIS EXPLORATORIO DE DATOS - 12 horas
- Práctica sobre casos reales de Big Data
- Uso de datos abiertos
- Ilustración con problemáticas de RRHH, Marketing, Salud, etc.
|
|
4.MODELOS DE MACHINE LEARNING SUPERVISADO Y NO SUPERVISADO - 24 horas
- Práctica en Python de algoritmo de Machine Learning supervisado (Knn, RF, SVM)
- Práctica en Python de algoritmo de Machine Learning no supervisado (PCA, AGNES, DIANA)
- Aplicación a casos reales de negocio
|
|
5.DATA STORY TELLING Y VISUALIZACIÓN DE DATOS - 14 horas
- Data Story Telling: metodología
- Principios de diseño: color, forma y pensamiento visual
- Aprender técnicas de interacción con los datos
- Explorar las herramientas más comunes para la creación de gráficos: Tableau o Power BI
- Herramientas de visualización de datos: Reporting y Dashboarding
|
|
6.PROYECTO Y CASO REAL DE NEGOCIO - 10 horas
- Aplicación a un caso real: tu negocio
|
