Pulsa ENTER para buscar o ESC para salir

Diplomado en Data Science and Machine Learning

Aprenderás los fundamentos de ciencia de datos para realizar proyectos dirigidos a tomar decisiones basadas en datos.

Contactar a un Asesor    

Descripción del Programa

Diariamente se generan y almacenan miles de millones de datos, por ejemplo, cada “clic” que un usuario realiza en una página web, la localización y patrones de uso de los teléfonos inteligentes, los hábitos de los usuarios al conducir coches inteligentes, etc. Por tanto, existe la necesidad de tener recursos humanos que puedan explotar esos datos y obtener un valor agregado de ellos.

El programa capacitara recursos humanos desarrollando las habilidades necesarias para que puedan procesar y limpiar datos, extraer patrones ocultos usando métodos estadísticos y de inteligencia artificial y finalmente, desarrollarán las habilidades necesarias para transmitir los hallazgos encontrados de manera clara y precisa.

Duración 132 Horas
Inversión Inscripción: $3,500 + 6 Colegiaturas de $3,000
Inicio de Clases 13 junio
Modalidad A Distancia

+

50

Convenios Firmados

+

7,500

Alumnos Educación Continua

+

15

Áreas de Estudio

+

200

Programas de Formación Impartidos

Plan de estudios 

Realizaremos una introducción al lenguaje de programación en Python empezando por como instalarlo y manejar entornos virtuales, una pequeña introducción a la programación estructurada y finalmente exploraremos a detalle dos módulos especializados en el manejo de datos: numpy y pandas.

Uno de los aspectos más importantes de un científico de datos es saber comunicar de forma correcta los hallazgos encontrados para ello, en este módulo exploraremos las formas en las que podemos visualizar los datos por medio de matplotlib y seaborn.

Para que los modelos de inteligencia artificial puedan funcionar deben de tener datos que estén limpios y bien estructurados. En este modulo aprenderemos limpiar, procesar y entender los datos de tal forma que podamos generar hipótesis que nos ayuden a reducir el universo de algoritmos que podemos utilizar para obtener los resultados que buscamos.

Esta sección esta dedicada a entender el funcionamiento y utilidad de los algoritmos más relevantes del aprendizaje automático para regresión y clasificación, tales como regresión líneal, logística, k-vecinos más cercanos, árboles de decisión, support vector machines, random forest, boosting trees, redes neuronales, etc.

Teniendo tantos modelos a nuestra disposición, ¿Cómo elegir el mejor modelo? En esta sección exploramos las mejores prácticas para elegir los modelos que presenten las mejores garantías y que nos aseguren un buen comportamiento en la fase de producción.

¿Qué podemos hacer cuando no existen ejemplos de respuestas correctas e incorrectas? En esta sección analizamos los algoritmos que nos permiten obtener conocimiento de los datos aún sino tenemos ejemplos de respuestas. Entre las técnicas a aprender tenemos: reducción de dimensiones, agrupaciones, etc.

La cantidad de datos crece día a día lo que genera que muchas veces no se puedan cargar totalmente en memoria. Aprenderemos alternativas para trabajar con grandes datos tales como el muestreo, infraestructuras especializadas como Spark y sus aplicaciones en la nube a través de Databricks.

Para reforzar lo aprendido, el alumno realizara un proyecto de ciencia de datos de inicio a fin.

 

Claustro Académico

Los diplomados impartidos por la Universidad Anáhuac Mérida cumplieron  con todas mis expectativas ya que gracias a ellos tengo mayor conocimiento en el ámbito profesional, personal y empresarial con ello fortalecer a mi empresa. 

foto del testimonial
Juan Carlos Rodríguez Carrillo

Maestra

¿Necesitas más información?

Déjanos tus datos y un asesor se pondrá en contacto contigo a la brevedad.

¿Estás listo para estudiar tu Diplomado en Data Science and Machine Learning?