Diplomatura en Business Intelligence
Curso
Online
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...
Opiniones
Logros de este Centro
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
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
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
Modulo 1: Introducción y Fundamentos de la Inteligencia de Negocios
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
Unidad 1: Introducción
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 1: Introducción a la Inteligencia de Negocios
Tema 1: Introducción a la Inteligencia de Negocios
Tema 2: Niveles a los que opera la inteligencia de negocios
Tema 2: Niveles a los que opera la inteligencia de negocios
Tema 2: Niveles a los que opera la inteligencia de negocios
Tema 3: Introducción a Data Warehouse
Tema 3: Introducción a Data Warehouse
Tema 3: Introducción a Data Warehouse
Tema 4: Introducción a Data Mining
Tema 4: Introducción a Data Mining
Tema 4: Introducción a Data Mining
Tema 5: Introducción a KnowledgeDiscovery
Tema 5: Introducción a KnowledgeDiscovery
Tema 5: Introducción a KnowledgeDiscovery
Tema 6: Introducción a Herramientas OLAP y Tableros de comando
Tema 6: Introducción a Herramientas OLAP y Tableros de comando
Tema 6: Introducción a Herramientas OLAP y Tableros de comando
Unidad 2: Tests básicos
Unidad 2: Tests básicos
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 1: Repaso de conceptos de probabilidad y estadística
Tema 1: Repaso de conceptos de probabilidad y estadística
Tema 2: Test de Hipótesis
Tema 2: Test de Hipótesis
Tema 2: Test de Hipótesis
Tema 3: Correlaciones
Tema 3: Correlaciones
Tema 3: Correlaciones
Unidad 3: Regresiones
Unidad 3: Regresiones
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 1: Regresión Lineal
Tema 1: Regresión Lineal
Tema 2: Regresión polinómica
Tema 2: Regresión polinómica
Tema 2: Regresión polinómica
Tema 3: Regresión exponencial y logarítmica
Tema 3: Regresión exponencial y logarítmica
Tema 3: Regresión exponencial y logarítmica
Tema 4: Regresión de dos variables
Tema 4: Regresión de dos variables
Tema 4: Regresión de dos variables
Unidad 4:
Unidad 4:
Unidad 4:
Tema 1: Árboles
Tema 1: Árboles
Tema 1: Árboles
Tema 1: Árboles
Modulo 2: Técnicas de Investigación Avanzadas – Redes Neuronales – Algoritmos genéticos
Modulo 2: Técnicas de Investigación Avanzadas – Redes Neuronales – Algoritmos genéticos
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"
Unidad 1: "Clusters"
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 1: Planteo teórico Algoritmos conocidos y disponibles
Tema 1: Planteo teórico Algoritmos conocidos y disponibles
Tema 2: El problema de la interpretación
Tema 2: El problema de la interpretación
Tema 2: El problema de la interpretación
Tema 3: Ejercicios prácticos
Tema 3: Ejercicios prácticos
Tema 3: Ejercicios prácticos
Unidad 2: Reglas de Asociación
Unidad 2: Reglas de Asociación
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 1: Planteo teórico
Tema 1: Planteo teórico
Tema 2: Algoritmos conocidos y disponibles
Tema 2: Algoritmos conocidos y disponibles
Tema 2: Algoritmos conocidos y disponibles
Tema 3: Votación de modelos
Tema 3: Votación de modelos
Tema 3: Votación de modelos
Tema 4: Ejercicios prácticos
Tema 4: Ejercicios prácticos
Tema 4: Ejercicios prácticos
Unidad 3: Redes Neuronales
Unidad 3: Redes Neuronales
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 1: El perceptrón
Tema 1: El perceptrón
Tema 2: Redes de múltiples capas
Tema 2: Redes de múltiples capas
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 3: Memorias fantasmas, capacidad de memoria y olvido de patrones.
Tema 4: Ejercicios prácticos
Tema 4: Ejercicios prácticos
Tema 4: Ejercicios prácticos
Unidad 4: Algoritmos genéticos
Unidad 4: Algoritmos genéticos
Unidad 4: Algoritmos genéticos
Tema 1: Planteo teórico, tipo de problemas en los que resultan interesantes
Diplomatura en Business Intelligence