Fecha: 20 y 24 de Mayo (dos días)
Horario: 17 a 21 hs.
Costo:
Socios: $5.600
No Socios: $6.200
Objetivos
Este es un curso breve de introducción a data science. Su objetivo es el de presentar la metodología de trabajo y los principales modelos utilizados en la disciplina. Al finalizar el curso, los alumnos tendrán una comprensión acabada sobre las diferentes etapas del ciclo de vida de un proyecto y sobre las consideraciones metodológicas que la práctica requiere.
Asimismo, habrán aprendido las características principales de los modelos y técnicas más relevantes. Se realizará un tratamiento teórico de los temas acompañado por ejemplos de casos.

Audiencia

El curso está dirigido a quienes quieran adquirir un conocimiento básico sobre data science.
En particular, este curso podrá ser de interés para profesionales que quieran comprender el potencial de la disciplina y evaluar la pertinencia de implementarla en sus propios ámbitos laborales, así como poder interactuar competentemente con científicos de datos. Del mismo
modo, este curso podrá ser de utilidad para quienes estén evaluando formarse como científicos de datos y quieran tener un primer acercamiento a la materia.

Requisitos

Si bien se priorizará una presentación intuitiva de los temas, para el máximo aprovechamiento del curso se recomienda tener conocimientos básicos de estadística, álgebra y análisis matemático, como los que pueden adquirirse en un primer año de carreras de ciencias económicas, ingeniería o ciencias exactas.

Duración y frecuencia

2 clases de 4 horas de duración, por un total de 8 horas de curso.

Temario

Módulo 1: Introducción a Data Science.
Duración 2:00 horas.

¿Qué es data science? Los datos como nuevo paradigma. Tipos de datos. Formas de recolección de datos. Inteligencia Artificial, Machine Learning y Deep learning. Clasificación de algoritmos de Machine Learning. Principales etapas del ciclo de vida de un proyecto de data science. Impacto de data science en la sociedad y los negocios.

Módulo 2: Análisis exploratorio de los datos y aprendizaje no supervisado.
Duración 2:00 horas.

Estadística descriptiva. Técnicas de visualización. Reducción de la dimensionalidad (análisis de componentes principales y manifold learning). Técnicas de clustering (k medias y clustering jerárquico).

Módulo 3: Regresión lineal y machine learning aplicado.
Duración 2:00 horas.

Regresión lineal. Sesgo y varianza. Set de entrenamiento y de testeo. Validación cruzada.
Regularización. Regresión Ridge y regresión Lasso. Selección de hiperparámetros.

Módulo 4: Modelos de Clasificación y evaluación de modelos.
Duración 2:00 horas.

Regresión Logística. KNN (k vecinos más cercanos). Naive Bayes. Árboles de decisión y métodos de ensamble. Evaluación de modelos.

Instructor: Paolo Donizetti

Magister en Data Mining e Investigación de Mercado (U. Bologna), Lic. Matemáticas (U. Roma “La Sapienza”), Lic. Economía (UBA). Trabajó en Coca-Cola de Argentina y en el Grupo Techint. Hoy es Profesor de Data Science en Digital House y productor audiovisual. Se especializa en Machine Learning aplicado a gestión de contenidos.

Contacto: padonizetti@gmail.com.ar

Inscripción

Mercadopago

Si seleccionaste mercadopago (pago online) como método para abonar el curso más arriba, a continuación se encuentran los botones para realizar el pago. Por favor, asegurate de estar usando el botón correcto para el curso que hayas seleccionado. Ante cualquier duda, podes comunicarte con nosotros antes de realizar el abono.

Socios

No Socios

Escrito por ADACSI

Cualquier consulta, no dude en escribirnos.

Responder

Introduce tus datos o haz clic en un icono para iniciar sesión:

Logo de WordPress.com

Estás comentando usando tu cuenta de WordPress.com. Cerrar sesión /  Cambiar )

Google photo

Estás comentando usando tu cuenta de Google. Cerrar sesión /  Cambiar )

Imagen de Twitter

Estás comentando usando tu cuenta de Twitter. Cerrar sesión /  Cambiar )

Foto de Facebook

Estás comentando usando tu cuenta de Facebook. Cerrar sesión /  Cambiar )

Conectando a %s