Preinscríbete y recibe información ampliada
XIX Congreso Nacional de Salud
Solicita más información a nuestros asesores:
Su clase Esta lista
Introducción a la analítica de Datos (parte 1)
Reproducir vídeo
Con este curso le entregaremos las herramientas necesarias para planear, liderar, monitorear y en general gerenciar un proyecto de analítica de datos que responda a necesidades de su organización.
CONOZCA AQUÍ LOS CONTENIDOS CURRICULARES
LECCIÓN 1: INTRODUCCIÓN AL CURSO Y METODOLOGÍAS DE DESARROLLO
- Introducción a la analítica de datos ( Definición de conceptos básicos: Big Data, minería de datos, ML)
- Metodologías para el desarrollo de proyectos de Analítica de Datos (CRISP-DM, SEMMA, KDD)
- Fases de un proyecto de análisis de datos (Comprensión del problema, comprensión y pre-procesamiento de los datos, modelaje, evaluación, y despliegue)
LECCIÓN 2: FORMULACIÓN Y COMPRENSIÓN DEL PROBLEMA
- Introducción al aprendizaje de máquinas I (Análisis supervisado)
- Estimación de función objetivo (Análisis paramétrico vs. No paramétrico / Interpretabilidad vs. Predicción)
- Interpretación (Correlación vs Causalidad)
- Selección de parámetros (Sesgo vs. Varianza)
¡Transforme sus datos en insumos para la gestión de salud!
LECCIÓN 3: COMPRENSIÓN Y PREPROCESAMIENTO DE DATOS
- Comprensión y preprocesamiento de datos y sus Tipos: estructurados, no estructurados, streaming, tipos de variables
- Estadística descriptiva parte I y II; correlaciones, dispesión
- Analítica descriptiva (Visualización de datos)
- Procesamiento de datos (Extracción, transformación y carga de datos)
LECCIÓN 4: MODELAJE Y EVALUACIÓN I: ANÁLISIS SUPERVISADO
- Introducción y Preparación de Datos (técnicas de minería de datos) parte I y II
- Técnicas avanzadas de clasificación y regresión parte I y II
- Técnicas de regresión base parte I y II
- Técnicas de clasificación base
- Árboles de decisión parte I y II
- Matriz de confusión
LECCIÓN 5: MODELAJE Y EVALUACIÓN II -ANÁLISIS NO SUPERVISADO
- Métricas de agrupamiento: Homogeneidad y Heterogeneidad – inercia o varianza interna de los grupos, coeficiente de silueta; indice de dunn
- Preparación de los datos y Metodologías de Agrupamiento: k-medias y Grupos jerárquicos
- Escogencia de número de grupos
- Discretización de campos numéricos
LECCIÓN 6: DESPLIEGUE DE RESULTADOS
- Evaluación de resultados – Parte I y II
- Planificación de despliegue y Despliegue
- Planeación del control y del mantenimiento – Parte I y II
- Creación de un Informe Final
- Revisión final del proyecto