Inicio 22 de abril, 2019
Duración 10 semanas
Sede Rohrmoser
Modalidad Presencial
Horario Lunes de 6:00 p.m. a 9:00 p.m.
Financiamiento disponible

 

    Profesor: Jimmy Figueroa

    Requisitos: Ninguno

     

    DESCRIPCIÓN DEL CURSO:

    Hoy día, las innovaciones basadas en Big Data y Data Science están aún centradas en entornos tecnológicos. En algún momento esto tenderá a cambiar hacia «servicios» consumibles que los usuarios puedan acceder más fácilmente (Ej. El algoritmo de cálculo de tarifa dinámica de Uber)

    Big Data y Data Science casi siempre se percibe como alguna ingeniería. La ingeniería de datos es esencialmente ingeniería de software aplicada a soluciones y servicios basados en datos.

    El mundo académico parece saturado de material sobre Machine Learning, bajo la premisa de que los servicios son de corte «laboratorio» académico. Las soluciones reales requieren servicios disponibles en la realidad, no en un entorno de laboratorio. Por ello, se enfatiza en el curso las prácticas que de ingeniería de software que faculten al futuro «ingeniero de datos» aprovisionar en entornos de producción de datos.

    Una vez establecido esto, toca dotar al futuro «ingeniero de datos» con las tecnologías, prácticas de industria, metodologías estadísticas y bases matemáticas que le faculten para articular problemas y/o retos en la forma de soluciones y servicios basados en Big Data y Data Science.

    Por otro lado, la estadística es en este curso se basa en toda actividad de «Big Data» y «Data Science», con el deseo de fabricar servicios y soluciones basadas en datos tales como:
        - Carritos de compra
        - Clasificadores
        - Motores de Predicción
        - Motores de Recomendación de Productos 

    Todo lo anterior implica que la estadística debe ser aprovechada en función de los algoritmos y los modelos que hacen cobrar vida a los servicios basados en datos.

     

    EL CONTENIDO DEL CURSO INCLUYE:  

    1. Analytic Thinking for Data Engineers

    • DevOps for Data Engineeers
    • Python 101 for Data Engineers (working with Pandas library)
    • Exploratory Data Analysis for Engineers
    • Distributions

    2. Data Science: Feature Engineering

    • Data Normalization
    • Text Data Mining
    • Handling Categorical Data
    • Dimensionality Reduction

    3. Data Science: Machine Learning

    • Knn
    • Naive Bayes
    • Linear Regression
    • Logistic Regression
    • Random Forest
    • SVN

    4. Data Visualization for non-Designers

    • Visual Communication & Story Telling
    • Principles of DataViz

    5. BIg Data

    • Big Data Arch & concepts
    • Big Data Processing (Spark, hadoop)

    Curriculum:Big Data: Technical

    Profesores

    Profesor

    Más información

    Inicio del programa:

    Mayo 2017

    Solicite el plan de estudios, costos y financiamiento en esta área de estudio.

    Solicitar información

    Podrá descargar información sobre el programa de su interés y un asesor lo contactará para facilitarle más detalles sobre ULEAD.

     

     

    Inicie el proceso de admisión aquí

     

    Suscríbase a
    nuestro boletín

    Suscríbase al boletín para estar
    al tanto de novedades académicas

    Cerrar

    Idiomas

    Custom Search 1

    Compartir