Diplomado en Cientifico de Datos

CORPORACIÓN POLITECNICO COLOMBO ANDINO

CODIGO SNIES 4803 - Personería Juridica 2026 del 2 de Marzo de 1982

admisiones@polcolan.edu.co

IES Sujeta a inspección y vigilancia del Ministerio de Educación Nacional

banner Diplomado cientifico de datos polcolan

Diplomado en ciencia de datos, con una duración de 120 horas de manera remota, los datos se han convertido en una de las oportunidades más eficientes para la mercadotecnia, las ventas y el consumo en general.

Temario del Diplomado

Módulo 1
• 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
Módulo 2
• 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.
Módulo 3
• Matemática, Estadística e Inteligencia Artificial Conceptos Aplicados para Análisis
Módulo 4
• Acercamiento a Redes Sociales

• Social Listening

• Google Analytics

• Sentiment Analysis

• Text Mining y Redes Sociales.

• Gobierno de Datos

• Ley de Protección de datos Colombia
Módulo 5
• 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.
Módulo 6
• Concepto de Machine Learning (ML).

• ML aplicado a la empresa.

• Tipos de aprendizaje en ML.

• Principios de ML.

• Algoritmos de ML.

• Modelos Supervisados.
Módulo 7
• 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.
Módulo 8
• 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.
Módulo 9
• 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
Módulo 10
• Contexto DeepLearning (DL)

• Usemos Redes Neuronales (Optimización,Back Propagation)

• Introduccion a Keras

• Regularizacion

• Redes Convolucionales, Análisis de Secuencias, Redes Recurrentes

• DL Generativo