Fundamentos de Ciencia de Datos
Salida laboral: Analista y científico/a de datos inicial
- Duración
- 210 horas
- Dedicación semanal
- 20 o 30 hrs
- Semanas (aprox.)
- 7 a 10
- Modalidad
- Online 100% en vivo
Objetivo
Elaborar modelos descriptivos y predictivos utilizando técnicas de aprendizaje de máquina en volúmenes de datos moderados para resolver problemas de pequeña y mediana complejidad de acuerdo a las buenas prácticas de la industria.
¿Para quién es?
Personas con formación técnica o profesional previa. Requisitos de ingreso: egresado de carreras técnicas de nivel superior y/o profesionales de base científica y/o tecnológica, incluyendo ciencias básicas, ciencias sociales, agropecuarias, biológicas y de la salud o afín, más la aprobación de un test de selección en línea que evalúa la capacidad de aprendizaje y resolución de problemas y la aprobación de test conocimientos basales del área.
Campo laboral
Este programa está diseñado para desarrollar los conocimientos fundamentales que requiere un ciudadano de los datos del siglo xxi. Este plan delinea el camino para comenzar a formar las habilidades necesarias para el manejo de información y la elaboración de modelos descriptivos y predictivos, ya sea a partir de fuentes estructuradas o no estructuradas de datos, sean internas o externas a la organización, con el objeto de generar información que permita entregar al negocio una visión y que permita el descubrimiento de oportunidades, para así desarrollar en el largo plazo una estrategia centrada en los datos e información. El campo laboral corresponde a organizaciones, ya sean públicas o privadas, transversal a todas las industrias (retail, banca, salud, minería, manufactura, servicios), que requieran la explotación de sus datos para el descubrimiento de oportunidades de negocio, ya sean productivas, servicios, gubernamentales, o que prestan servicios TI a otras organizaciones.
Módulos
- 01Orientación al perfil de especialidades y metodología del curso12 h
- 02Fundamentos de programación Python para el análisis de datos21 h
- 03Obtención y preparación de datos21 h
- 04Análisis exploratorio de datos24 h
- 05Inferencia estadística24 h
- 06Aprendizaje de máquina supervisado33 h
- 07Aprendizaje de máquina no supervisado18 h
- 08Fundamentos de deep learning18 h
- 09Fundamentos de Big Data18 h
- 10Desarrollo de portafolio para especialidades12 h
- 11Desarrollo de empleabilidad en la industria digital para especialidades9 h
