Diplomado en Ciencia de Datos e Inteligencia Artificial
La Ciencia de Datos y la Inteligencia Artificial (IA) han emergido como pilares fundamentales en la era digital actual, transformando la forma en que las empresas abordan la toma de decisiones estratégicas. La explosión de datos generada de forma diaria ha generado una necesidad imperativa de comprender, analizar y extraer información valiosa de estos datos.
Este Diplomado en Ciencia de Datos e Inteligencia Artificial proporciona una comprensión exhaustiva de esta. Desde la introducción a la Ciencia de Datos hasta el análisis avanzado de datos y el procesamiento en tiempo real, adquirirás las habilidades necesarias para abordar problemas complejos en el mundo de los datos y la inteligencia artificial usando lenguajes como Python y R.
Duración
3 meses
A quién va dirigido
Este Diplomado en Ciencia de Datos e Inteligencia Artificial se orienta a profesionales de diversas disciplinas y sectores, como ingenieros, matemáticos, analistas de negocio, científicos de datos, desarrolladores de software y profesionales de TI. También está diseñado para estudiantes que deseen empezar en la Ciencia de Datos y la Inteligencia Artificial.
Aprenderás a
Este Diplomado en Ciencia de Datos e Inteligencia Artificial te prepara en el manejo de bases de datos relacionales y NoSQL, aprenderás a aplicar técnicas de procesamiento y análisis de datos, y explorarás herramientas esenciales como Python y R. Te permitirá abordar desafíos complejos en el análisis de datos, modelado predictivo, inferencia estadística y presentación de resultados de manera efectiva.
Campo Laboral
Con este Diplomado en Ciencia de Datos e Inteligencia Artificial podrás trabajar como Científico de Datos, Ingeniero de Datos, Analista de Datos, Analista de Negocios, Consultor de Business Intelligence, Especialista en Inteligencia Analítica y Desarrollador de Aplicaciones de Análisis de Datos en empresas de diversos sectores, como tecnología, finanzas, salud o marketing.
Plan de estudios
UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA CIENCIA DE DATOS
- ¿Qué es la ciencia de datos?
- Herramientas necesarias para el científico de datos
- Data Science & Cloud Compunting
UNIDAD DIDÁCTICA 2. BASES DE DATOS RELACIONALES
- Modelo de datos
- Tipos de datos
- Claves primarias
- Índices
- El valor NULL
- Claves ajenas
- Vistas
- Lenguaje de descripción de datos (DDL)
- Lenguaje de control de datos (DCL)
UNIDAD DIDÁCTICA 3. BASES DE DATOS NOSQL Y EL ALMACENAMIENTO ESCALABLE
- ¿Qué es una base de datos NoSQL?
- Bases de datos Relaciones Vs Bases de datos NoSQL
- Tipo de Bases de datos NoSQL Teorema de CAP
- Sistemas de Bases de datos NoSQL
UNIDAD DIDÁCTICA 4. INTRODUCCIÓN A UN SISTEMA DE BASE DE DATOS NOSQL, MONGODB
- ¿Qué es MongoDB?
- Funcionamiento y usos de MongoDB
- Primeros pasos con MongoDB: Instalación y Shell de comandos
- Creando nuestra primera base de datos NoSQL: Modelo e inserción de datos
- Actualización de datos en MongoDB: Sentencias set y update
- Trabajando con índices en MongoDB para optimización de datos
- Consulta de datos en MongoDB
UNIDAD DIDÁCTICA 5. PYTHON Y EL ANÁLISIS DE DATOS
- Introducción a Python
- ¿Qué necesitas?
- Librerías para el análisis de datos en Python
- MongoDB, Hadoop y Python Dream Team del Big Data
UNIDAD DIDÁCTICA 6. R COMO HERRAMIENTA PARA BIG DATA
- Introducción a R
- ¿Qué necesitas?
- Tipos de datos
- Estadística Descriptiva y Predictiva con R
- Integración de R en Hadoop
UNIDAD DIDÁCTICA 7. PRE-PROCESAMIENTO & PROCESAMIENTO DE DATOS
- Obtención y limpieza de los datos (ETL)
- Inferencia estadística
- Modelos de regresión
- Pruebas de hipótesis
UNIDAD DIDÁCTICA 8. ANÁLISIS DE LOS DATOS
- Inteligencia Analítica de negocios
- La teoría de grafos y el análisis de redes sociales
- Presentación de resultados
También te puede interesar