Machine Learning Para Ciencia De Datos

Analistas de datos, Analista de Control de Gestión, Analista de Planificación.

• Reconocer la técnica Naive Bayes para problemas de clasificación Aplicar el algoritmo reglas de asociación a casos prácticos usando el software R
• Identificar el ensamblado de algoritmos por bagging y boosting para resolver problemas de regresión y clasificación
• Reconocer qué es SVM y su aplicación en problemas de regresión y clasificación
• Aplicar los algoritmos K-medias y DBScan a casos prácticos usando datos reales
• Reconocer métodos de regularización en modelos de regresión
• Ejecutar los algoritmos de aprendizaje no supervisados jerárquicos divisivos y aglomerativos
• Reconocer cómo se construye un árbol de clasificación/regresión para problemas de regresión y clasificación

• El alumno deberá poseer conocimientos básicos en Software, Lenguaje básico de programación
• Contará con un módulo de inducción Tecnológica/metodológica al inicio del curso
• Debe tener conocimientos tecnológicos sobre el uso de internet y del correo electrónico, tener acceso a un computador con las características descritas a continuación, para acceder al sitio web y materiales del curso
• Los requerimientos de equipamiento del participante son: Cualquier computador con acceso a internet, habilitado con sistema operativo windows, osx 9 o superior, o linux
• El software mínimo necesario del computador debe ser un explorador de internet con javascript habilitado, microsoft office 5 o superior, acrobat reader, y flash player 8.0 o superior
• Las características recomendadas de equipamiento son: Un equipo con un procesador pentium iv o superior, con 512 mb de memoria ram, o con características similares
• Se recomienda que el sistema operativo windows sea como mínimo 7, o superior

El curso se compone de 8 módulos, a través de los cuales se aborda las herramientas de Liderazgo compartido tales como como: Liderazgo Compartido, Líder y Seguidor, el rol de la voz dentro del liderazgo, tipos de liderazgo, tipos de coaching y desempeño organizacional . El aprendizaje se realizará a través de clases expositivas en videos, lecturas, presentación de ejemplos reales, y actividades prácticas tales como análisis de casos y resolución de problemas que permitan aplicar las herramientas de Lean Service; todo en modalidad sincrónica online. La metodología se basa en la entrega de contenidos teóricos, acompañados de ejemplos prácticos y discusión de casos, para luego presentar en ejercicios aplicados los métodos a diversos contextos. Cada clase está Compuesto Por Videos Expositivos, Lecturas Obligatorias Y Complementarias, Resumen, Glosario, actividad de Desarrollo y control. El curso contempla dos técnicas metodológicas: análisis de caso, y resolución de problemas, con las que

La evaluación es un proceso permanente y continuo que está orientado a favorecer un proceso de aprendizaje autónomo y el desarrollo de competencias laborales. Instrumentos de evaluación: 1 control en cada módulo, que busca de evaluar los contenidos estudiados, el cual cuenta con corrección automática y retroalimentación explicando la respuesta correcta. Cada módulo tiene además 1 actividad de desarrollo cuyo objetivo es que el alumno cree una respuesta de su propia autoría, aplicando los contenidos estudiados en el módulo. El facilitador corregirá las entregas de cada alumno con una pauta de evaluación previamente definida y entregará retroalimentación personalizada a cada alumno, entregándole seguimiento de su progreso. Norma de evaluación: cada evaluación se evaluará con escala de 1,0 a 7,0 siendo 4,0 la nota mínima de aprobación. Criterios de evaluación: se medirá si el alumno logra: Módulo 1. Módulo 2. Modulo 3. Modulo 4. Modulo 5. Módulo 6. Modulo 7. Modulo 8.