Nuevo - Introducción al mundo de la ciencia de datos y aprendizaje de máquina - Online - clases en vivo*

El curso pretende introducir a los interesados en el mundo de la Ciencia de Datos. El objetivo es que los asistentes comprendan el proceso completo para resolver problemas clásicos del área.  


Descripción

Debido a la gran cantidad de información que manejan las empresas, y la necesidad de automatizar procesos, aprender a resolver problemas de Ciencia de Datos se ha vuelto crucial. Ahorrar tiempo y tomar decisiones en base a grandes cantidades de información se ha convertido en una parte fundamental de muchas empresas. En este curso los estudiantes podrán analizar el proceso de Ciencia de Datos desde su inicio hasta el final, siendo capaces de proponer soluciones y emplear herramientas, basados en el uso de datos.

Se espera que a lo largo del curso podamos resolver un problema de Ciencia de Datos de principio a fin, entendiendo todas las partes del proceso. Se realizarán cuatro clases, cada una dividida en dos módulos, con un descanso de 20 minutos entre ambos. Durante el primer módulo, se realizará una clase expositiva para presentar los contenidos del día. En el segundo, se realizará un ejercicio práctico relacionado con lo visto en la clase expositiva antes mencionada.

Dirigido a

Profesionales que trabajen con datos y quieran hacer uso de ellos para tareas de automatización o aprendizaje automático, como por ejemplo: analistas, ingenieros, programadores, bibliotecarios, técnicos en informática, ingenieros comerciales, ingeniero en administración de empresas.

Prerrequisitos

Este curso no cuenta con prerrequistos.
-      Se recomienda poseer título profesional, licenciatura o equivalente.
-      Se recomiendan 2 años de experiencia profesional.
-      Se recomienda poseer conocimientos básicos en computación.

Objetivo de aprendizaje

-      Reconocer el proceso de extracción de información desde un conjunto de datos.
-      Analizar el proceso de ciencia de datos desde su inicio hasta el final.

Desglose de cursos

DESGLOSE DEL CURSO
Horas cronológicas: 12;  

Resultados de Aprendizaje

-      Proponer soluciones a problemas reales clásicos, basados en el uso de datos.

-      Utilizar herramientas computacionales para analizar y obtener nueva información a partir de bases de datos.

Contenidos:

-      Introducción a ciencia de datos.

-      Definición de datos y bases de datos.

-      Procesamiento de datos.

-      Aprendizaje supervisado y no supervisado.

-      Evaluación de resultados.

-      Ciencia de datos en la actualidad.

Metodología de enseñanza y aprendizaje:
El formato de las clases será en línea, vía streaming. Consta de 4 clases, una por semana y de 2 módulos cada una. En el primer módulo se realizará una clase expositiva, se les compartirá previamente el material utilizado en la clase por si se requiere tomar apuntes. Se recomienda una participación activa de los estudiantes, realizando preguntas o comentarios sobre los contenidos expuestos.

Entre el primer y segundo módulo se realizará un breve receso de 20 minutos para reposar los contenidos.

El segundo módulo será sobre un ejercicio práctico, donde los estudiantes a lo largo del curso desarrollarán un problema real de ciencia de datos. En cada sesión se aplicarán directamente los contenidos vistos en la sesión expositiva.

Evaluación de los aprendizajes:

Curso sin evaluación.

Equipo Docente

JEFE DE PROGRAMA
Jaime Navón, PhD.
Ingeniero Civil Electricista de la Universidad de Chile, Master en Computer Science del, Technion-Israel Institute of Technology, Ph.D. in Computer Science de la University of North Carolina at Chapel Hill. Profesor asociado del Departamento de Ciencia de la Computación UC.

EQUIPO DOCENTE
Vicente Domínguez
Magíster en Ciencias de la Ingeniería, Ingeniero Civil de Computación Pontificia Universidad Católica de Chile. Proveedor independiente de consultorías sobre Machine Learning y Sistemas Recomendadores para empresas.

Daniela Flores (ayudante)
Estudiante de Magíster en Ciencias de la Ingeniería en Pontificia Universidad Católica de Chile.
EP (Educación Profesional) de la Escuela de Ingeniería se reserva el derecho de reemplazar, en caso de fuerza mayor, a él o los profesores indicados en este programa.

Requisitos de aprobación

A)             Los alumnos deberán cumplir con una asistencia del 75%, durante la realización del programa a las sesiones sincrónicas de conexión.
Los participantes que cumplan con las exigencias del programa, recibirán un certificado de asistencia digital otorgado por la Pontificia Universidad Católica de Chile.
El alumno que no cumpla con una de estas exigencias reprueba automáticamente sin posibilidad de ningún tipo de certificación.

Bibliografía
  • K. Data Mining: Practical Machine Learning Tools and Techniques, Second Edition (Morgan Kaufmann).
  • Series in Data Management Systems by Ian H. Witten and Eibe Frank (Junio 10, 2005).
  • Introduction to Data Mining by Pang-Ning Tan, Michael Steinbach, and Vipin Kumar (Mayo 12, 2005).
  • Machine Learning, Tom M. Mitchell.
  • Kimball, R. ”The data warehouse toolkit : the complete guide to dimensional modeling”, John Wiley and Sons, 2002.
  • Data Mining: Concepts and Techniques, Second Edition (The Morgan Kaufmann Series in Data Management
  • Systems by Micheline Kamber Jiawei Han (Noviembre 3,2005).
  • Hands-On Machine Learning with Scikit-Learn and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems (Abril, 2017).
Proceso de Admisión

El Programa se reserva el derecho de suspender la realización del curso si no cuenta con el mínimo de alumnos requeridos. En tal caso se devuelve a los alumnos matriculados la totalidad del dinero en un plazo aproximado de 10 días hábiles.

A las personas matriculadas que se retiren de la actividad antes de la fecha de inicio, se les devolverá el total pagado menos el 10% del total del arancel.

SOLICITAR MÁS INFORMACIÓN
ACTIVIDAD NO DISPONIBLE
PARA INSCRIPCIÓN

POR FAVOR DÉJENOS SU CONSULTA
Y LO CONTACTAREMOS

Mantente conectado a nuestras redes sociales