Temario del curso
Estructura modular
Módulo 1. Arquitectura y fundamentos de datos para la analítica escalable
Temas:
- Evolución de la ciencia de datos hacia plataformas escalables.
- Diferencias entre analítica tradicional, avanzada y escalable; fundamentos de la analítica escalable.
- Ingesta y procesamiento de datos estructurados, semiestructurados y no estructurados.
- ETL/ELT y diseño de pipelines.
- Roles clave en equipos de datos y flujos de trabajo.
- Calidad, validación y optimización de datos.
- Modelado analítico para BI.
- Métricas, KPIs y rendimiento SQL.
Módulo 2. Big Data: procesamiento distribuido
Temas:
- Concepto de Big Data y la limitación de los métodos tradicionales ante el crecimiento de los datos.
- Principios de computación distribuida.
- Manejo de herramientas para entornos Big Data.
- Organización y transformación de grandes volúmenes de datos para mejorar su análisis.
- Estrategias de particionamiento.
- Persistencia, caché y manejo de memoria.
- Integración con plataformas de nube para escalar según la necesidad.
- Analítica en tiempo real y procesamiento de streaming.
Módulo 3. Estadística aplicada y machine learning a escala
Temas:
- Repaso de estadística inferencial para ciencia de datos.
- Feature engineering en grandes volúmenes de datos.
- Selección de variables y reducción de dimensionalidad.
- Modelos supervisados y no supervisados.
- Entrenamiento distribuido y scoring a escala.
- Validación, sesgo, overfitting y drift.
- Evaluación de modelos en contextos productivos.
- Introducción a ML pipelines y automatización.
Módulo 4. Visualización inteligente de datos y storytelling analítico
Temas:
- Principios perceptuales de la visualización.
- Diseño de dashboards estratégicos, tácticos y operativos orientados a la decisión.
- Storytelling con datos.
- Selección de gráficos según el objetivo analítico.
- Diseño de narrativas ejecutivas.
- Visualizaciones interactivas y exploratorias.
- Detección visual de patrones, anomalías y tendencias.
- Errores comunes y sesgos visuales.
Módulo 5. Técnicas avanzadas de ciencia de datos
Temas:
- Series de tiempo.
- Redes Neuronales Recurrentes.
- Análisis mediante Modelos ocultos de Markov.
- Inferencia Bayesiana.
- Correlación Estratigráfica.
- Simulación mediante métodos de Monte Carlo, Bootstrap y permutación.
- Dynamic time wrapping.
Entregables
- Lista de asistencia.
Evaluaciones diagnóstica y final (calificadas). - Evaluación de Reacción del Evento.
- Resumen de asistencia y calificaciones (firmado por el instructor).
- Manuales en formato digital.
- Constancia de participación.
Condiciones de entrega: Los materiales se enviarán de manera electrónica a más tardar 5 días hábiles después de la conclusión del curso.
Reseñas (3)
Aprendiendo que QGIS es una herramienta que puede ser utilizada por otros profesionales diferentes, como topógrafos.
Bame Duncan Koko - Bentel Technologies (Pty) Ltd
Curso - QGIS for Geographic Information System
Traducción Automática
Cómo utilizar datos de satélites abiertos para aplicaciones reales
Tshering Dorji - Druk Holding and Investments
Curso - Advanced Geographic Information Systems (GIS)
Traducción Automática
Los ejemplos prácticos nos permitieron tener una idea real de cómo funciona el programa. Buenas explicaciones e integración de conceptos teóricos y su relación con las aplicaciones prácticas.
Ian - Archeoworks Inc.
Curso - ArcGIS Fundamentals
Traducción Automática
