Aprende las principales medidas de estadística descriptiva haciendo énfasis en el proceso de modelización. Aplica la teoría de probabilidad por medio de ejemplos y simulaciones en python.

Conoce las estructuras de datos en el campo de la Ciencia de datos y analiza las principales aplicaciones del modelamiento mediante la implementación de algoritmos de aprendizaje automático.

Aprende los principales algoritmos del aprendizaje no supervisado, para moldear y comprender la estructura imperante en los datos. Por tanto, esto te permitirá identificar insights relevantes en las fuentes de datos. Revisarás el concepto de clustering y desarrollarás los principales algoritmos de agrupamiento como son: K-means e Hierarchical clustering.

Aprende los algoritmos avanzados para el aprendizaje automático, con énfasis en métricas de comparación de modelos, selección del modelo ganador y ajuste de hiperparámetros.

Reconoce los principales conceptos relacionados al aprendizaje profundo, las distintas arquitecturas de redes neuronales e identifica sus principales aplicaciones.

Trabajarás con datos reales de alta dimensionalidad, para poner en práctica los conceptos aprendidos durante los módulos anteriores.