Especialización en Analítica y Ciencia de Datos

ELITEC > Especialización en Analítica y Ciencia de Datos

 

 

Programa de Especialización: Analítica y Ciencia de Datos

El programa presenta los fundamentos para la formación de profesionales en Analítica y Ciencia de Datos, capaces de utilizar las técnicas para el tratamiento, manejo y procesamiento de datos, con el objetivo de agregar valor de mercado en los distintos campos profesionales, a partir de la exploración y uso de datos, así como mediante el desarrollo de sistemas de soporte a la toma de decisiones por gestores y ejecutivos.

 

¿En qué consiste el Programa?

OBJETIVOS

El programa tiene por objetivo brindar una sólida formación en Analítica y Ciencia de Datos a través del aprendizaje de las mejores prácticas y estándares en la exploración y uso de datos, así como en el desarrollo de sistemas de soporte a la toma de decisiones.

 

 

 

 

Solicita más Información

     

     

    COMPETENCIAS DEL PROGRAMA

     

     

    Al terminar el programa el alumno será capaz de:

    Identificar los requisitos, herramientas y soluciones de machine learning para resolver problemas de negocio.

     

    Desarrollar la construcción de programas en Python para el análisis de datos, utilizando diversos modelos estadísticos.

     

    Usar algoritmos supervisados y no supervisados para la exploración y uso de datos con machine learning.

     

    Emplear sistemas de recomendación y Deep learning para desarrollar sistemas de soporte a la toma de decisiones.

     

     


     

     

     

    Beneficios de estudiar en ELITEC

     


    Conocimiento del lenguaje de programación (Python), uno de los más demandados por el mercado de trabajo.

    Contacto con docentes expertos de alto nivel en el área.

    Dominio de tecnología de punta.

    Metodología de enseñanza que equilibra el conocimiento teórico con la aplicación de casos prácticos.

     

     

    DIRIGIDO A

    Profesionales interesados en desarrollar sus capacidades en el campo de la Analítica y la Ciencia de Datos.

     

     


     

     

     

     

     

    MALLA

     

     

     

     

    DESCRIPCIÓN DE CURSOS

     

     

      CURSO DESCRIPCIÓN  
     

    Introducción al Programa

    (1 crédito)

    • Ciencia de datos y la Transformación digital. Contexto actual y Gestión de proyectos y tendencias
    • Nivelación de Estadística I & II
    • Nivelación de álgebra lineal para analítica de datos
     
     

    Introducción a Python:

    Análisis exploratoria y visualización de datos.

    (2 créditos)

    • Entornos de ejecución y fundamentos de programación estructurada
    • Estructuras de datos, estructuras repetitivas y programación funcional
    • Numpy y manejo de datos con Pandas
    • Tipos de variables, medidas de posición y de dispersión
    • Medidas de de asociación. Tratamiento de datos (data wrangling). Transformación de variables.
    • Visualización de datos: tipos de gráficos. Storytelling. Matplotlib y Seaborn
     
     

    Aprendizaje de Máquina y Algoritmos no Supervisados

    (1 crédito)

    • Modelo K-Means
    • Modelos de segmentación jerárquicos
    • Modelo Naive Bayes
    • Análisis de componentes principales (PCA) y su importancia
    • Visualización y tuning de modelos de segmentación
     
     

    Algoritmos Supervisados II: Modelos de regresión y series de tiempo

    (3 créditos)

    • Algoritmos supervisados para regresión: Regresión lineal simple y múltiple, regresión logística
    • Modelos para datos de contaje (Binomial y Binomial negativa)
    • Introducción a series de tiempo: Fundamentos, métodos de suavizamiento simples y exponencial, Holt, Holt-Winters
    • Modelos autorregresivos de Box-Jenkins: Modelos AR, MA, ARIMA, SARIMA.

    .

     
     

    Algoritmos Supervisados II:

    Modelos de clasificación e introducción a Redes Neuronales

    (1 crédito)

    • Algoritmos supervisados para clasificación. KNN.
    • Árboles de decisión.
    • Métricas de desempeño
    • Validación cruzada. Poda/pruning Bagging/boosting
    • Adaboost/Xgboost, Under/Oversampling.
    • Máquinas de Soporte de Vectores (SVMs), kernels, SVRs y SVM one- class. Técnicas de regularización. Redes neuronales
    • Redes neuronales
     
     

    Sistemas de Recomendación y Deep Learning

    (2 créditos)

    • Sistemas de recomendación
    • Introducción a Deep learning: Deep learning y redes convolucionaes (CNN)
    • Padding y stride, inicialización de pesos y optimización de parámetros
    • Redes recurrentes Transformers
    • Generative Adversarial Networks (GAN) etc. Tensorflow y Keras
     

     

    DIRECTORA DEL PROGRAMA

         

    Ivette Luna

    Post-doctorado en Economía por la Scuola Superiore Sant’anna di Pisa. Phd y Maestría en Ingeniería Eléctrica y Computación en UNICAMP. Bachiller Ingeniería Mecatrónica de la UNI Actualmente es catedrática de la Unicamp – Brasil. Docente de postgrado en Ciencias Económicas y de Desarrollo Económico del IE/Unicamp. Tiene más de 20 años de experiencia con Métodos Cuantitativos, Modelaje y Simulación de Sistemas. Docente visitante de la Universidad Nacional Agraria La Molina – UNALM.

     

     

    PROFESORES

     

    Marcos Santa Cruz

    Ingeniero de Sistemas de la UNI. MBA especializado en Big Data en la Universidad Rey Juan Carlos. Tiene más de 7 años de experiencia en Data & Analytics trabajando en los sectores de la Banca, Retail y Consumo Masivo. Ha liderado proyectos de Advanced Analytics en áreas como Marketing, Ventas, Supply Chain, Finanzas, Riesgos, Business Intelligence, entre otras. Le inte-esa la Transformación Digital con un mindset data-driven y customer-centricity.

       
     

    Brian Alarcón

    Licenciado en Estadística por la Universidad Nacional Mayor de San Marcos. Magíster en Informática con mención en Ciencias de la Computación de la Pontificia Universidad Católica del Perú, con especializaciones en Product Management, Design Thinking y Growth Hacking. Actualmente Gerente de Data Science en Rappi y Profesor de Analítica Avanzada. Ha liderado proyectos de analítica avanzada en las industrias de Seguros, Consumo Masivo, Banca, Investigación de Mercados y Acuicultura

       

     

     

    HORARIO

    Lunes y miércoles de 07:30 pm a 09:45 pm

     


     

    MODALIDAD

    Virtual, a través de plataforma zoom

     


     

    FECHAS

    El programa tiene una duración de 160 horas lectivas. Cada hora lectiva equivale a 45 minutos de clase virtual.
    El inicio de clases es el lunes 6 de Febrero del 2023
    Cada sesión contará de 4 horas académicas.

     


     

    CERTIFICACIÓN

    Se otorgará una constancia de aprobación por cada módulo a aquellos participantes que aprueben el curso con una calificación mínima de 13 (trece).

    Se otorgará a nombre de ELITEC, el diploma de Especialización en Analítica y Ciencia de Datos con un total de 10 créditos equivalente a 160 horas lectivas (académicas), a los participantes que aprueben el 100% de los módulos del programa.

    Informes e Inscripciones

     

    960 563 475

    contacto@elitec.edu.pe

    Elitecperu

    Elitec_Oficial

     

    Solicita más Información

      Abrir chat
      ¿Necesitas ayuda?
      ¿Tienes alguna duda? Pregunta y te contestaremos lo antes posible.