whatsapp instragram facebook
banner banner
Información

Muy pronto matrículas abiertas

titulo
Duración

Ciento veinte (120) horas

titulo
Modalidad

Online Teórico / Práctico

titulo
Información

Temario diplomado

  • Conceptos Generales
  • Enfoques Tecnologías Emergentes (Big Data,AI,ML y IoT)
  • Business Intelligence, Big Data,Analitica y Analitica Avanzada (Data Science)
  • Metodología Kimball
  • Metodología CRISP-DM
  • Ejercicios de Análisis de datos

  • Modelos y Motores de Bases de Datos SQL / No SQL (Relacionales, Tabulares y Nodos)
  • ETLs
  • Tratamiento de Archivos
  • R y Python como lenguaje de programación y como herramienta de analítica.

  • Matemática, Estadística e Inteligencia Artificial Conceptos Aplicados para Análisis

  • Acercamiento a Redes Sociales
  • Social Listening
  • Google Analytics
  • Sentiment Analysis
  • Text Mining y Redes Sociales
  • Gobierno de Datos
  • Ley de Protección de datos Colombia

  • Introducción al Análisis descriptivo y exploratorio
  • Medidas de tendencia
  • Tabla de frecuencias con variables cualitativas
  • Análisis exploratorio de datos con Python
  • Algoritmos de agrupamiento clustering

  • Concepto de Machine Learning (ML)
  • ML aplicado a la empresa
  • Tipos de aprendizaje en ML
  • Principios de ML
  • Algoritmos de ML
  • Modelos Supervisados

  • Introducción a los modelos de analítica
  • Modelos supervisados
  • Regresión
  • Arboles de decisión
  • Naïve Bayes
  • SVM
  • Forest
  • Aplicaciones de modelos: Modelos churn
  • Aplicaciones de modelos: Modelos de scoring
  • Modelos No supervisados
  • Cluster Analysis
  • Análisis de correspondencias
  • Componentes principales

  • Enfoques Data Viz, StoryTelling y Data Analytics
  • Importancia de la visualización
  • Teoría de Balance Scorecard
  • Pasos en la visualización
  • Tipos de gráficos
  • Herramientas de visualización
  • Tableau
  • PowerBi / DataStudio
  • Tableros de control
  • Casos de uso en Visual analytics

  • El ABC de la inteligencia o (Fundamentos)
  • Sistemas paralelos, distribuidos y adaptativos (GPU,TPU)
  • Estructura de un sistema neuronal artificial/ ¿Cómo funciona una red neuronal?
  • La función de activación

  • Contexto DeepLearning (DL)
  • Usemos Redes Neuronales (Optimización,Back Propagation)
  • Introducción a Keras
  • Regularizacion
  • Redes Convolucionales, Análisis de Secuencias, Redes Recurrentes
  • DL Generativo

“En caso de no contar con el número mínimo de inscritos, Polcolan se reserva el derecho de apertura o aplazamiento de los cursos, seminarios, diplomados. El equipo docente está sujeto a cambios según disponibilidad de cronogramas de actividades académicas.”