Especialización en Ciencia de Datos

Resumen

La revolución de los datos se encuentra impactando a todas las organizaciones de múltiples sectores, haciendo evidente la necesidad de tomar de decisiones críticas de negocio fundamentadas en datos. Gracias a ello, aprende desde el inicio del ciclo a programar con Python y las bases de estadística descriptiva para ingresar al mundo del análisis de datos, aplica algoritmos de Machine Learning desde la perspectiva teórica y práctica incluyendo una introducción a las redes neuronales profundas (Deep Learning) con TensorFlow). Además aprende a realizar pronósticos de series temporales.

Adquiere esta especialización en  Ciencia de Datos y Forecasting  para interpretar los datos y proponer nuevas estrategias de negocio dentro de tu empresa. En este sentido, tu te especializarás en:

Ciencia de Datos:

1. Manejar los principales objetos de Python: tuplas, listas y diccionarios.
2. Crear funciones definidas por el usuario y estructuras iterativas.
3. Utilizar estadísticas descriptivas y visualizaciones para Análisis Exploratorio de Datos.
4. Comprender los conceptos básicos relacionados a Machine Learning.
5. Utilizar algoritmos de aprendizaje no supervisado para comprender interrelaciones en los datos.
6. Entrenar modelos para problemas de clasificación y regresión.
7. Buscar los hiperparámetros óptimos para minimizar el error de modelos predictivos.
8. Interpretar métricas de evaluación para encontrar un modelo campeón.
9. Entrenar modelos de redes neuronales profundas para datos tabulares e imágenes.

Forecasting con Python:

1. Aprende a realizar pronósticos de series temporales mediante de la implementación de código Python.
2. Domina técnicas estadísticas tradicionales y modelos de machine learning para predecir el valor futuro de múltiples fuentes de datos.
3. Profundiza tus conocimientos sobre datos temporales, pruebas estadísticas, modelos de aprendizaje automático y métricas de evaluación.
4. Este curso emplea librerías de código abierto de Python que facilitan la ejecución de tareas estándar dentro de los proyectos de machine learning.
5. Por medio de la escritura de pocas líneas de código trabaja de punta a punta en la implementación de modelos predictivos para series temporales.
6. Adicionalmente, evalúa y compara las estimaciones de múltiples modelos para obtener las mejores predicciones.
7. Automatiza la ejecución de modelos: ARIMA, Suavizado exponencial, Ridge, Lasso, Random Forest, Light Gradient Boosting y Prophet.

Los cursos que se incluyen en este pack son los siguientes:

1. Científico de datos con Python
2. Forecasting con Python