Diplomatura en Business Intelligence

Name: Diplomatura en Business Intelligence
Brand: Centro e-Learning UTN BA
Price: 398 USD

Centro e-Learning UTN BA

Curso

Online

Precio a consultar

Descripción

Tipología

Curso

Metodología

Online

Desde los primeros sistemas de soporte a las decisiones (DSS), data warehouses y sistemas de información ejecutiva se persigue el uso de datos para facilitar la toma de decisiones. La Inteligencia de Negocio o Business Intelligence (BI) es la capacidad de comprender las interrelaciones de los hechos presentados para orientar las acciones de la organización hacia una meta deseada. Mediante las herramientas y técnicas de ETL (extraer, transformar y cargar) se extraen los datos de distintas fuentes y se depuran y preparan (homogeneización y limpieza) para una posterior carga en un repositorio de datos. A posteriori, la principal actividad de BI es la explotación de los datos de la mejor manera posible, creando información y soportando la toma de decisiones. En esta Diplomatura se preparara a los participantes para trabajar eficazmente dentro del sector de BI. Durante las 12 semanas de la formación integral y completa los participantes se familiarizaran con las herramientas conceptuales más empleadas en el campo y adquirirán criterios sobre su correcta aplicabilidad. La formación comprende también los conceptos más avanzados en la especialidad, como ser los temas de Redes Neuronales, Algoritmos genéticos, Text Mining, Speachto Text y BIG Data. Se trabaja también en mostrar cómo operan las principales herramientas comerciales (sistemas de información) con mayor penetración en el mercado del software así como también las de uso libre.Es conveniente que los participantes tengan un manejo general de las herramientas básicas informáticas (ofimática, carpetas, archivos, etc) así como los conceptos básicos de estadística descriptiva y probabilidad.Es conveniente que los participantes tengan un manejo general de las herramientas básicas informáticas (ofimática, carpetas, archivos, etc) así como los conceptos básicos de estadística descriptiva y probabilidad .Los participantes se beneficiarán de su experiencia previa en uno o más de los...

Preguntas & Respuestas

Añadí tu pregunta

Nuestros asesores y otros usuarios podrán responderte

¿Quién querés que te responda?

Todos
Alumnos
Instituto-Universidad

Dejanos tus datos para recibir respuesta

Sólo publicaremos tu nombre y pregunta

Opiniones

Logros de este Centro

2021

¿Cómo se consigue el sello CUM LAUDE?

Todos los cursos están actualizados

La valoración media es superior a 3,7

Más de 50 opiniones en los últimos 12 meses

Hace 8 años que este centro está en Emagister.

Materias

Patrones
Fundamentos
Ofimática
Opera
Herramientas
Business Intelligence
Algoritmos
Toma de decisiones
Redes
OLAP
Estadística
E business

Plan de estudios

Temario3 Modulos • 12 Unidades • Carga Horaria 96 horas

Modulo 1: Introducción y Fundamentos de la Inteligencia de Negocios

Unidad 1: Introducción

Tema 1: Introducción a la Inteligencia de Negocios

Tema 2: Niveles a los que opera la inteligencia de negocios

Tema 3: Introducción a Data Warehouse

Tema 4: Introducción a Data Mining

Tema 5: Introducción a KnowledgeDiscovery

Tema 6: Introducción a Herramientas OLAP y Tableros de comando

Unidad 2: Tests básicos

Tema 1: Repaso de conceptos de probabilidad y estadística

Tema 2: Test de Hipótesis

Tema 3: Correlaciones

Unidad 3: Regresiones

Tema 1: Regresión Lineal

Tema 2: Regresión polinómica

Tema 3: Regresión exponencial y logarítmica

Tema 4: Regresión de dos variables

Unidad 4:

Tema 1: Árboles

Modulo 2: Técnicas de Investigación Avanzadas – Redes Neuronales – Algoritmos genéticos

Unidad 1: "Clusters"

Tema 1: Planteo teórico Algoritmos conocidos y disponibles

Tema 2: El problema de la interpretación

Tema 3: Ejercicios prácticos

Unidad 2: Reglas de Asociación

Tema 1: Planteo teórico

Tema 2: Algoritmos conocidos y disponibles

Tema 3: Votación de modelos

Tema 4: Ejercicios prácticos

Unidad 3: Redes Neuronales

Tema 1: El perceptrón

Tema 2: Redes de múltiples capas

Tema 3: Memorias fantasmas, capacidad de memoria y olvido de patrones

Tema 4: Ejercicios prácticos

Unidad 4: Algoritmos genéticos

Tema 1: Planteo teórico, tipo de problemas en los que resultan interesantes.

Tema 2: El problema de la convergencia

Tema 3: Ejercicios prácticos

Modulo 3: Técnicas de Investigación Avanzadas 2 – Speachto Text – Text Mining – Big Data

Unidad 1: Series temporales

Tema 1: Componentes

Tema 2: Análisis descriptivo: Estimación de la tendencia. Estimación de la periodicidad. Desestacionalización

Tema 3: Introducción y ejemplos

Tema 4: Clasificación de las series temporales

Tema 5: Objetivos del análisis de series temporales

Unidad 2: Método de Simulación de Montecarlo

Tema 1: Descripción del método

Tema 2: Cuando conviene utilizarlo

Tema 3: El problema de la convergencia

Tema 4: Ejercicios prácticos

Unidad 3: "Speach to text" y "Text Mining"

Tema 1: Conversión de voz a texto: Introducción. Algoritmos difundidos. Medición del éxito. Campos de aplicación. Ejercicio con una herramienta abierta

Tema 2: Minería de textos: Introducción Algoritmos de extracción de datos. Extracción de entidade. Extracción de relaciones. Extracción no supervisada. Algoritmos de sumarización. Algoritmos de clusttering. Reducción de la dimensionalidad y construcción de semánticas.

Unidad 4: "Big Data"

Tema 1: ¿Qué es big data? Sistemas batch / Offline - Almacenamiento. HDFS. Flume. Sqoop.

Tema 2: Sistemas batch / Offline - Procesamiento: Hadoop. Map Reduce. Hive. Pig.

Tema 3: Sistemas batch / Offline - Analítica: Data analytics y machine learning con R

Tema 4: Sistemas real time / Near real time: HBase. Cassandra. ElasticSearch. Neo4j. Storm.

Tema 5: Sistemas mixtos: Hadoop+Cassandra. Hadoop+HBase. Hadoop+Solr. Hadoop+Splout SQL.

Modulo 1: Introducción y Fundamentos de la Inteligencia de Negocios

Unidad 1: Introducción

Tema 1: Introducción a la Inteligencia de Negocios

Tema 2: Niveles a los que opera la inteligencia de negocios

Tema 3: Introducción a Data Warehouse

Tema 4: Introducción a Data Mining

Tema 5: Introducción a KnowledgeDiscovery

Tema 6: Introducción a Herramientas OLAP y Tableros de comando

Unidad 2: Tests básicos

Tema 1: Repaso de conceptos de probabilidad y estadística

Tema 2: Test de Hipótesis

Tema 3: Correlaciones

Unidad 3: Regresiones

Tema 1: Regresión Lineal

Tema 2: Regresión polinómica

Tema 3: Regresión exponencial y logarítmica

Tema 4: Regresión de dos variables

Unidad 4:

Tema 1: Árboles

Modulo 2: Técnicas de Investigación Avanzadas – Redes Neuronales – Algoritmos genéticos

Unidad 1: "Clusters"

Tema 1: Planteo teórico Algoritmos conocidos y disponibles

Tema 2: El problema de la interpretación

Tema 3: Ejercicios prácticos

Unidad 2: Reglas de Asociación

Tema 1: Planteo teórico

Tema 2: Algoritmos conocidos y disponibles

Tema 3: Votación de modelos

Tema 4: Ejercicios prácticos

Unidad 3: Redes Neuronales

Tema 1: El perceptrón

Tema 2: Redes de múltiples capas

Tema 3: Memorias fantasmas, capacidad de memoria y olvido de patrones

Tema 4: Ejercicios prácticos

Unidad 4: Algoritmos genéticos

Tema 1: Planteo teórico, tipo de problemas en los que resultan interesantes.

Tema 2: El problema de la convergencia

Tema 3: Ejercicios prácticos

Modulo 3: Técnicas de Investigación Avanzadas 2 – Speachto Text – Text Mining – Big Data

Unidad 1: Series temporales

Tema 1: Componentes

Tema 2: Análisis descriptivo: Estimación de la tendencia. Estimación de la periodicidad. Desestacionalización

Tema 3: Introducción y ejemplos

Tema 4: Clasificación de las series temporales

Tema 5: Objetivos del análisis de series temporales

Unidad 2: Método de Simulación de Montecarlo

Tema 1: Descripción del método

Tema 2: Cuando conviene utilizarlo

Tema 3: El problema de la convergencia

Tema 4: Ejercicios prácticos

Unidad 3: "Speach to text" y "Text Mining"

Tema 1: Conversión de voz a texto: Introducción. Algoritmos difundidos. Medición del éxito. Campos de aplicación. Ejercicio con una herramienta abierta

Unidad 4: "Big Data"

Tema 1: ¿Qué es big data? Sistemas batch / Offline - Almacenamiento. HDFS. Flume. Sqoop.

Tema 2: Sistemas batch / Offline - Procesamiento: Hadoop. Map Reduce. Hive. Pig.

Tema 3: Sistemas batch / Offline - Analítica: Data analytics y machine learning con R

Tema 4: Sistemas real time / Near real time: HBase. Cassandra. ElasticSearch. Neo4j. Storm.

Tema 5: Sistemas mixtos: Hadoop+Cassandra. Hadoop+HBase. Hadoop+Solr. Hadoop+Splout SQL.

Modulo 1: Introducción y Fundamentos de la Inteligencia de Negocios

Unidad 1: Introducción

Tema 1: Introducción a la Inteligencia de Negocios

Tema 2: Niveles a los que opera la inteligencia de negocios

Tema 3: Introducción a Data Warehouse

Tema 4: Introducción a Data Mining

Tema 5: Introducción a KnowledgeDiscovery

Tema 6: Introducción a Herramientas OLAP y Tableros de comando

Unidad 2: Tests básicos

Tema 1: Repaso de conceptos de probabilidad y estadística

Tema 2: Test de Hipótesis

Tema 3: Correlaciones

Unidad 3: Regresiones

Tema 1: Regresión Lineal

Tema 2: Regresión polinómica

Tema 3: Regresión exponencial y logarítmica

Tema 4: Regresión de dos variables

Unidad 4:

Tema 1: Árboles

Unidad 1: Introducción

Tema 1: Introducción a la Inteligencia de Negocios

Tema 2: Niveles a los que opera la inteligencia de negocios

Tema 3: Introducción a Data Warehouse

Tema 4: Introducción a Data Mining

Tema 5: Introducción a KnowledgeDiscovery

Tema 6: Introducción a Herramientas OLAP y Tableros de comando

Tema 1: Introducción a la Inteligencia de Negocios

Tema 2: Niveles a los que opera la inteligencia de negocios

Tema 3: Introducción a Data Warehouse

Tema 4: Introducción a Data Mining

Tema 5: Introducción a KnowledgeDiscovery

Tema 6: Introducción a Herramientas OLAP y Tableros de comando

Unidad 2: Tests básicos

Tema 1: Repaso de conceptos de probabilidad y estadística

Tema 2: Test de Hipótesis

Tema 3: Correlaciones

Tema 1: Repaso de conceptos de probabilidad y estadística

Tema 2: Test de Hipótesis

Tema 3: Correlaciones

Unidad 3: Regresiones

Tema 1: Regresión Lineal

Tema 2: Regresión polinómica

Tema 3: Regresión exponencial y logarítmica

Tema 4: Regresión de dos variables

Tema 1: Regresión Lineal

Tema 2: Regresión polinómica

Tema 3: Regresión exponencial y logarítmica

Tema 4: Regresión de dos variables

Unidad 4:

Tema 1: Árboles

Modulo 2: Técnicas de Investigación Avanzadas – Redes Neuronales – Algoritmos genéticos

Unidad 1: "Clusters"

Tema 1: Planteo teórico Algoritmos conocidos y disponibles

Tema 2: El problema de la interpretación

Tema 3: Ejercicios prácticos

Unidad 2: Reglas de Asociación

Tema 1: Planteo teórico

Tema 2: Algoritmos conocidos y disponibles

Tema 3: Votación de modelos

Tema 4: Ejercicios prácticos

Unidad 3: Redes Neuronales

Tema 1: El perceptrón

Tema 2: Redes de múltiples capas

Tema 3: Memorias fantasmas, capacidad de memoria y olvido de patrones

Tema 4: Ejercicios prácticos

Unidad 4: Algoritmos genéticos

Tema 1: Planteo teórico, tipo de problemas en los que resultan interesantes.

Tema 2: El problema de la convergencia

Tema 3: Ejercicios prácticos

Unidad 1: "Clusters"

Tema 1: Planteo teórico Algoritmos conocidos y disponibles

Tema 2: El problema de la interpretación

Tema 3: Ejercicios prácticos

Tema 1: Planteo teórico Algoritmos conocidos y disponibles

Tema 2: El problema de la interpretación

Tema 3: Ejercicios prácticos

Unidad 2: Reglas de Asociación

Tema 1: Planteo teórico

Tema 2: Algoritmos conocidos y disponibles

Tema 3: Votación de modelos

Tema 4: Ejercicios prácticos

Tema 1: Planteo teórico

Tema 2: Algoritmos conocidos y disponibles

Tema 3: Votación de modelos

Tema 4: Ejercicios prácticos

Unidad 3: Redes Neuronales

Tema 1: El perceptrón

Tema 2: Redes de múltiples capas

Tema 3: Memorias fantasmas, capacidad de memoria y olvido de patrones

Tema 4: Ejercicios prácticos

Tema 1: El perceptrón

Tema 2: Redes de múltiples capas

Tema 3: Memorias fantasmas, capacidad de memoria y olvido de patrones

Tema 3: Memorias fantasmas, capacidad de memoria y olvido de patrones.

Tema 4: Ejercicios prácticos

Unidad 4: Algoritmos genéticos

Tema 1: Planteo teórico, tipo de problemas en los que resultan interesantes

Diplomatura en Business Intelligence

Precio a consultar

Contactanos

Diplomatura en Business Intelligence

Preguntas & Respuestas

Opiniones

Logros de este Centro

Materias

Plan de estudios

Añadí cursos similares
y comparalos para elegir mejor

Diplomatura en Business Intelligence

Preguntas & Respuestas

Opiniones

Logros de este Centro

Materias

Plan de estudios

Añadí cursos similaresy comparalos para elegir mejor

Añadí cursos similares
y comparalos para elegir mejor