Gerencia de datos
APLICADO AL SECTOR SALUD
Este es el mejor momento para tomar este curso virtual que marcará la diferencia: aprenda a su ritmo y saque ventaja del aislamiento preventivo
Sus datos y este curso digital, le permitirán identificar y explotar oportunidades excepcionales de negocio en el sector salud, a través de técnicas computacionales y estadísticas fáciles de aplicar
Economista y Magíster en Economía de la Universidad de los Andes.
Se desempeña como profesor magistral del Taller de R y de Economía Matemática. Amplia experiencia como profesor complementario para los cursos de Macroeconomía 3, Pensando Problemas, Econometría y el aprendizaje de máquinas.
Trabajó en el Ministerio de Hacienda y Crédito Público en temas de riesgo sobre los pasivos de la nación. Se desempeñó como investigador en el CESED (Centro de Estudios sobre Seguridad y Drogas) donde se especializó en temas de cultivos de coca y sus determinantes. Actualmente es investigador senior en temas de Machine Learning, procesamiento del lenguaje natural y Deep Learning.
Economista y matemático de la Universidad de los Andes, y Magíster en Economía de la misma universidad, título en que obtuvo el grado Cum Laude.
Se ha desempeñado como profesor asistente de los cursos de Cálculo integral y ecuaciones diferenciales, Álgebra lineal, y Macroeconomía y finanzas internacionales. Fue asistente de investigación en la Facultad de Economía en el estudio de sistemas dinámicos para modelar el comportamiento criminal en Bogotá.
Actualmente se desempeña como Director del área de Minería de Datos en Quantil | Matemáticas Aplicadas, donde se dedica al diseño, desarrollo e implementación de modelos matemáticos y de aprendizaje automático para la resolución de problemas prácticos de la industria, el gobierno, y la academia.
¡Hoy es el mejor día para comenzar el aprendizaje!
Este curso tiene una duración de 24 horas, es ¡Online y a tu ritmo! y tendrás un año para disfrutar de todo el material de este exclusivo curso de Gerencia de Datos en el Sector Salud.
- Entender un contexto/problemática a partir de una o múltiples bases de datos.
- Identificar oportunidades utilizando las habilidades proveidas por la analítica de datos
- Elegir entre múltiples técnicas estadísticas las más adecuadas para resolver cada problema
- Interpretar los resultados de los modelos implementados
- Escoger el mejor modelo a partir de distintas métricas de evaluación de los modelos
- Monitorear y superar los obstáculos comunes en un proyecto de analítica
- Separar y delegar de manera óptima las tareas de un proyecto de analítica
- Comprender las fortalezas, limitaciones, supuestos y debilidades de cada técnica implementada
Consultorsalud busca entregar a los estudiantes las herramientas necesarias para planear, liderar, monitorear y en general gerenciar un proyecto de Analítica de Datos que responda a las necesidades especificas de su organización.
El curso abarca cada uno de los pasos necesarios para ejecutar un proyecto típico de esta índole (comprensión del problema, preprocesamiento de datos, modelaje, evaluación, y despliegue), proporcionando a los asistentes el conocimiento necesario para identificar oportunidades, planear, liderar y monitorear proyectos que respondan a las necesidades de su organización del sector salud, bien sea aseguradora o prestadora de servicios.
El curso se complementa con aplicaciones prácticas de minería de datos al sector salud.
Llegarás a poder desplegar los resultados, visualizar e interpretar, realizar predicciones fuera de muestra y conocer las herramientas de implementación con despliegue local y aplicaciones web.
Hágase experto en la gestión de datos para el sector salud
- 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)
- 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)
- 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)
- Introducción y Preparación de Datos (técnicas de minería de datos) parte I y II
- Técnicas de regresión base parte I y II
- Técnicas de clasificación base
- Matriz de confusión
- Técnicas avanzadas de clasificación y regresión parte I y II
- Árboles de decisión parte I y II
- Preparación de los datos y Metodologías de Agrupamiento: k-medias y Grupos jerárquicos
- Métricas de agrupamiento: Homogeneidad y Heterogeneidad - inercia o varianza interna de los grupos, coeficiente de silueta; indice de dunn
- Escogencia de número de grupos
- Discretización de campos numéricos
- 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
Imagina cuando comprendas y puedas usar el modelaje y evaluación para análisis no supervisado, K-medias, agrupamiento jerárquico, suma de cuadrados intra e intergrupal, coeficiente de silueta, regla del codo, dendograma, reducción de dimensionalidad y detección de anomalías, todo ello explicado en detalle y de manera muy fácil de aplicar por dos expertos tutores.
