Introducción (Resumen):

En este programa se detallará contenido referente a la Ciencia de Datos y la importancia de su conocimiento y uso en diferentes sectores industriales y financieros. Se hablará a grandes rasgos del uso de los softwares y metodología SEMMA para el desarrollo, implementación y validación de modelos.

El alumno conocerá cómo dar explicación en el diagnostico de problemáticas comunes al utilizar datos, como lidiar con valores faltantes y valores atípicos. Visualización y uso de softwares y exploración visual.

Enfoque en recordar herramientas estadísticas, distribuciones y modelos básicos para la aplicación con datos reales con el objetivo de desarrollar modelos enfocados a una problemática en general o particular con datos simulados o reales.

Finalmente se conocerán las generalidades del aprendizaje supervisado, no supervisado y automático y/o de agrupación.

Objetivo del Programa (Resumen):

Definir qué es la ciencia de datos poniendo especial foco en el flujo de los datos de trabajo, la estadística y la visualización de la información, aplicados a problemáticas de la vida real, examinando los diferentes roles dentro de dicha ciencia introduciendo las diferentes técnicas, herramientas y forma lógica de las soluciones.

Perfil del Participante:

No se necesita ser experto en algún tema de matemáticas o programación, sin embargo, se requiere de la lógica para la implementación e introducción a la Ciencias de Datos, específicamente conocimientos de estadística y bases de algún lenguaje de programación.

Perfil de Egreso:

Al final del programa el participante será capaz de:

• Comprender la importancia que tiene la Ciencia de datos en diferentes industrias.
• Identificar de las diferentes fuentes de datos, visualización de estos, almacenamiento, canalización y automatización 
• Diseñar pruebas lógicas o A/B, series de tiempo 
• Entender la importancia de la temporalidad con enfoque a la predicción de tiempo futuros. 

Temario del Programa.

1. ¿Ciencia de Datos?: Softwares para la analítica, desarrollo e implementación y sus lenguajes de programación.
2. Recopilación de los datos y su almacenamiento 
3. Preparación, exploración y visualización 
4. Estadística y desarrollo de modelos 
5. Experimentación y predicción. Validación e implementación de modelos