Diplomatura en Ciencia de Datos Aplicada
Diplomado
En Buenos Aires
Descripción
-
Tipología
Diplomado
-
Lugar
Buenos aires
-
Duración
4 Meses
La denominada Ciencia de Datos es un conjunto de principios fundamentales aplicables a la extracción de conocimiento desde datos. Por otra parte, Data Mining es la extracción de conocimiento desde datos por medio de tecnologías que incorporan esos principios.
Este programa de postgrado en Ciencia de Datos provee los elementos fundamentales de la disciplina, orientado a resolver problemas concretos, desde la interpretación, la realización de su análisis, el modelado de datos y el entendimiento y la comunicación de información útil, resultante de la aplicación de las técnicas que se imparten.
Los diferentes módulos proporcionan información y formación en las tareas que corresponden a las diferentes etapas de un proyecto de Ciencia de Datos. Provee conocimiento de lenguajes, tales como R y Python, revisión de conceptos de estadísticas aplicados al análisis inteligente de datos; habilidades en aprendizaje automático, en particular el aprendizaje supervisado, orientado a técnicas predictivas.
Sedes y fechas disponibles
Ubicación
inicio
inicio
Información relevante sobre el curso
Prestigioso cuerpo de profesores.
Metodología práctica con utilización de técnicas y tecnologías más relevantes del mercado.
Red de contactos y desarrollo profesional: estudiantes y docentes de primer nivel académico.
Permanente innovación y actualización académica.
Reconocimiento Internacional de la Universidad Austral: es la 1º Universidad Privada de la Argentina según el QS University Rankings y se destaca por ser la Universidad Latinoamericana con mejor relación profesor-alumno.
Opiniones
Materias
- Data Mining
- Completamiento de datos
- Construcción de nuevas variables
- Métodos de clustering
- Representación de documentos
- Data/Text Mining
- Clustering
- Anomalías
- Patrones secuenciales
- Técnicas de Arboles de Decisión
Profesores
Plantel Docente
Director
Plan de estudios
Uso de los lenguajes y herramientas usuales en el pre-procesamiento de datos: R y Python. Tareas de pre-procesamiento: integración de diversas fuentes de datos, limpieza, completamiento de datos, reducción de datos, selección de variables, construcción de nuevas variables.
MÓDULO 2: DATA MININGPrincipios de Aprendizaje Automático. Tareas de Data Mining: Clasificación, Clustering, Detección de Anomalías, Análisis de Asociaciones. Patrones secuenciales. Técnicas de Arboles de Decisión, Métodos Bayesianos. Redes neuronales. Support Vector Machine. Métodos de clustering: k-means.
MÓDULO 3: TEXT MININGProcesamiento de lenguaje natural. Representación de documentos. Categorización de textos. Clustering de textos. Modelización de tópicos. Sumarización de textos. Social media. Visualización.
MÓDULO 4: LABORATORIORealización de un proyecto de Data/Text Mining en el que se aplican los conocimientos adquiridos a un problema de datos.
Diplomatura en Ciencia de Datos Aplicada