Inteligencia Artificial Aplicado Al Análisis De Datos

- Perfil: Analistas De Datos. Cargo/Ocupación: Analistas De Datos, Analistas De Inteligencia De Negocios, O Data Scientists Junior. Funciones Laborales: Preparar, Limpiar Y Estructurar Datos Provenientes De Diversas Fuentes. Aplicar Modelos Predictivos Y Técnicas Estadísticas Para Apoyar La Toma De Decisiones. Generar Reportes Con Visualizaciones Para Distintos Niveles De La Organización. Ejecutar Procesos De Minería De Datos Para Identificar Patrones Y Anomalías. Utilizar Lenguajes Como Python Y Herramientas De Big Data (Spark, Hadoop, Etc.). Relación Con La Competencia: Este Perfil Requiere Fortalecer Habilidades En El Uso De Algoritmos De Aprendizaje Automático Y Entornos Como Python Y Spark, Con El Objetivo De Mejorar Su Capacidad Analítica Y Automatizar Procesos Complejos De Extracción De Valor Desde Grandes Volúmenes De Datos.

• Distinguir Procesos De Minería De Datos Y Aprendizaje Por Refuerzo Según Su Aplicación En Análisis Predictivos
• Aplicar Herramientas De Procesamiento De Datos De Acuerdo A Requerimientos De Análisis Predictivo
• Identificar Conceptos Y Herramientas Básicas Del Aprendizaje Automático Y Del Análisis De Datos Con Python Según Su Uso En Contextos Predictivos Simples

• - Conocimientos Básicos De Entornos De Desarrollo. - Nociones Generales De Análisis De Datos- Conocimientos Del Uso De Internet Y Del Correo Electrónico. - Conocimientos De Uso Básico De La Computadora: Usar El Teclado Y Ratón
• Tener Acceso A Un Computador Con Las Características Descritas Más Abajo, Para Acceder Al Sitio Web Y Materiales Del Curso
• Los Requerimientos De Equipamiento Del Participante Son: Computador Con Acceso A Internet, Habilitado Con Sistema Operativo Windows O Compatible. - El Software Mínimo Necesario Del Computador Debe Ser Un Explorador De Internet (Navegador Chrome, Internet Explorer, Mozilla, Etc.) Con Javascript Habilitado, Microsoft Office 5 O Superior, Lector De Pdf Acrobat Reader O Similar
• Las Características Recomendadas De Equipamiento O Hardware Son: - Un Equipo Con Un Procesador Pentium Iv Ó Superior, Con 6 Gb De Memoria Ram Ó Con Características Similares Ó Superiores. -Se Recomienda Que El Sistema Operativo Windows Sea Como Mínimo 7, O Superior. - S

Curso Inserto En Plataforma Lms, Metodología Asincrónica Autointrucción, Con Contenidos Digitalizados, Resumen Por Módulo, Glosario, Y Ejercicios De Aplicación Para Integrar Los Contenidos (M1.Fundamentos de Machine Learning y Análisis de Datos con Python. M2. Inteligencia Artificial y Minería de Datos. M3. Big Data para Machine Learning) ¿Qué Hará? Técnica Lectura De Contenidos Microlearning Interactivos Segmentada Por Módulos, Referidas A Conceptos Y Teoría De Los Contenidos Involucrados En Las Competencias A Desarrollar En El Curso, Con El Apoyo De Lecturas Complementarias Y Material Interactivo Relacionan Los Contenidos. ¿Cómo Lo Hará? Se Disponen En Aula Virtual De Situaciones Problemáticas Relacionadas Con Los Conteindos. ACTIVIDADES: M1. 1. caso: Clasificación de solicitudes de crédito mediante árbol de decisión simple 2. Comprensión de lectura: ¿Qué es el aprendizaje automático?¿ con preguntas sobre tipos de aprendizaje y conceptos de modelo. M2. 1. caso: Minería de reseñas de

El Participante Deberá Hacer Un Diagnóstico Inicial Para Identificar El Nivel De Conocimiento Previo. En Cada Módulo Se Realizarán Evaluaciones Parciales, Además Se Realizará Una Evaluación Final Al Término Del Curso. La Evaluación En Cada Módulo Corresponde A Preguntas De Aplicación Basados En Casos Y Situaciones Problemáticas, Medidas Con Pauta De Evaluación. El Participante Además Debe Al Final Del Curso Realizar Una Prueba Para Ver El Logro De Sus Aprendizajes. La Escala De Notas Son De 1 A 100, Siendo La Nota Mínima De Aprobación Un 60. La Calificación Final De Cada Participante Corresponderá Al Promedio De Las Notas Obtenidas En Cada Módulo Más La Nota Final. Criterios De Evaluación: Módulo 1: - Reconoce Técnicas Básicas De Aprendizaje Automático. - Identifica Herramientas De Python Aplicadas Al Análisis De Datos. Módulo 2: - Reconoce Etapas Y Técnicas De Minería De Datos. - Distingue El Funcionamiento Básico Del Aprendizaje Por Refuerzo. Módulo 3: - Aplica Técnicas Básicas De Pr