Curso de Maestría en Ciencias de Datos

• Programa intensivo de 6 meses
• Asignaciones colaborativas con mentores
• Master Statistics, Machine Learning, Deep Learning y AI
• Aprende herramientas como Python, TensorFlow, Spark, R y Tableau

DURACIÓN/>

24 semanas

ESFUERZO

10-15 Hrs / semana

CARRERAS

Analista comercial, Analista de datos, Arquitecto de datos, Administrador de datos, Administrador de datos, Científico de datos

El curso enseña estadísticas para análisis de negocios, algoritmos de aprendizaje automático, aprendizaje profundo con TensorFlow y programación con Python. Le ayudará a explorar, analizar e interpretar diferentes tipos de datos./>

Por qué deberías tomar este curso/>

Experiencia ACADGILD/>

Lo que aprenderás en este curso/>

• Programación en Python y R
  • Pitón
  • Condicional y bucles
  • Cadena y lista de objetos
  • Funciones
  • Manejo de excepciones
  • Programación de base
    * Las sesiones en R no son en vivo, sino que se realizan a su propio ritmo

• Disputa de datos

• Lectura de archivos CSV, JSON, XML y HTML usando Python

• NumPy

• Bibliotecas Scipy

• Cargando, limpiando, transformando, fusionando y remodelando datos

• Estadística y Probabilidad

• Estadísticas descriptivas

• Estadística inferencial

• Evaluación de la hipótesis

• Conceptos estadísticos en Python

• Modelos de aprendizaje automático con Python

• Construyendo modelos usando algoritmos

• Regresión lineal y logística

• Árboles de decisión

• Máquinas de vectores de soporte (SVM)

• Bosques aleatorios

• XGBoost

• K vecino más cercano

• Análisis de componentes principales

• Análisis de texto y previsión de series de tiempo

• Aprendizaje profundo con TensorFlow

• Introducción al aprendizaje profundo

• Entender la red neuronal a través de TensorFlow

• Circunvolución

• Visualización de datos usando Matplotlib y Tableau

• Visualizaciones interactivas con Matplotlib,

• Visualización de datos usando Tableau

• Tablero de Tableau y guión gráfico

• Tableau y la integración R
  Las sesiones en Tableau no son en vivo, sino que se realizan a su propio ritmo

• Manejo de Big Data con Spark

• Introducción a Big Data

• RDD en Spark, marcos de datos

• Spark streaming, MLib