fbpx
Buscar
Cerrar este cuadro de búsqueda.

Diplomado en Inteligencia Analítica de Datos

En el contexto actual, para hacer análisis de datos, se requieren profesionales con capacidad de interactuar y trabajar en equipos interdisciplinarios, proponiendo soluciones funcionales, que faciliten la toma de decisiones.

 

Esto se logra mediante el uso adecuado de herramientas de modelación y minería de datos, según la información disponible en las empresas.

 

Data Science, Data Mining, Business Intelligence, Machine Learning, Modeling y Predicting  son términos comúnmente referenciados cuando se abordan bases de datos con la intensión de analizar y concluir. Todos éstos, son términos asociados al objeto de este Diplomado de Inteligencia Analítica, el cual está diseñado para abordar las principales técnicas de modelación (estadísticas y de aprendizaje automático), aplicadas a la solución de problemas prácticos.

  • Conocer y aplicar metodologías, técnicas y herramientas de análisis estadístico, de minería de datos y aprendizaje automático, para la resolución de problemas cotidianos y necesidades de negocio.
  • Conocer las diferentes etapas requeridas para hacer análisis estadísticos e inteligencia analítica con datos del sector empresarial
  • Conocer y aplicar las técnicas de análisis estadístico y de aprendizaje automático, más usadas en la actualidad para resolver problemas de negocio.
  • Realizar estimaciones de variables mediante distintos modelos de pronóstico.
  • Aplicar técnicas de estadística y minería de datos con softwares estadísticos (R, Spss, Statgraphics y Knime).
  • Explorar, crear y reutilizar sintaxis y funciones de R en casos prácticos de interpretación y análisis de datos

Clases presenciales teórico-prácticas, con talleres de laboratorio en salas de cómputo usando herramientas de modelación estadística para la resolución de casos prácticos de análisis de datos del sector empresarial.

 

Módulo 1 Módulo 2
:Fundamentos de Programación en R 

 

  • Tipos de datos y carga de datos en R
  • Calidad de los datos y tratamiento de datos
  • Análisis exploratorio de información con R
  • Visualización de datos y gráficos
Modelación Estadística 

 

Revisión conceptual de técnicas de modelación estadística:

  • Estadística Descriptiva
  • Pruebas de Hipótesis
  • ANOVA
  • Regresión lineal y logística
  • Clasificación / Clustering
  • Análisis de Componentes Principales
  • Análisis de Correspondencias Múltiples
  • Series de Tiempo Estacionarias
Módulo 3 Módulo 4
Técnicas de Aprendizaje Automático 

 

Revisión conceptual de técnicas de machine learning:

Algoritmos supervisados

  • Algoritmos de Clasificación y Regresión:
  • Support Vector Machines
  • Naive Bayes
  • Nearest Neighbor
  • Algoritmos de Regresión:
  • Decision Tree
  • Random Forest

 

Algoritmos no supervisados

  • K-means
  • Grafos y Redes Neuronales (Neural Networks)
Inteligencia Analítica y Modelación en R

 

Modelación con R – Algoritmos y funciones para la aplicación de técnicas estadísticas, de minería de datos y de machine learning, con casos prácticos de análisis de datos en el contexto empresarial

  • Regresión lineal y logística
  • Clasificación / Clustering
  • Técnicas de Análisis Multivariante
  • Ejemplos de aplicaciones en Procesos Estocásticos y Series de Tiempo
  • Técnicas de Minería de Datos: Algoritmos Supervisados y No Supervisados

Julio Seferino Hurtado Márquez

 

Candidato a Doctor en Ingeniería de la Universidad Tecnológica de Bolívar. Magíster en Ciencias Matemáticas y Especialista en Matemáticas Avanzadas de la Universidad Nacional. Especialista en Estudios Pedagógicos de la Corporación Universitaria de la Costa y licenciado en Matemáticas y Física de la Universidad del Atlántico.

 

Roberto C. Trespalacios  Alies

 

Master en estadística-matemática de la Universidad de Puerto Rico en Mayagüez y matemático de la Universidad de Cartagena de Colombia. Actualmente, realiza un Doctorado en Ciencias Computacionales en Puerto Rico. Interesado por la investigación, se centra en el estudio de Big data, análisis de datos funcionales y minería de datos. Ha desempeñado diferentes labores, todas ellas relacionadas con el área de la educación y la investigación.

 

Edith Johana Medina Hernández

 

Estudiante de Doctorado en Estadística Multivariante Aplicada y Magister en Análisis Avanzado de Datos Multivariantes de la Universidad de Salamanca. Estadística de la Universidad Nacional de Colombia. 8 años de experiencia profesional en el análisis e interpretación de información en empresas de distintos sectores.

 

Jorge Luis Villalba

 

Magister en Estadística Aplicada Análisis Avanzado de Datos Multivariantes de la Universidad de Salamanca. Estadística de la Universidad Nacional de Colombia. 8 años de experiencia profesional en el análisis e interpretación de información en empresas de distintos sectores

 

Profesor invitado

 

Victor Manuel Hoyos Valencia

 

Magister en Bussines Intelligence de la Universidad de Barcelona. Estadístico de la Universidad Nacional de Colombia. Gerente de la empresa iDATA ® Business Analytics & Data Science

¿Te podemos ayudar? Déjanos tus datos

¡Completa este formulario, y en breve nos comunicaremos contigo!

Noticias

Vida en el Campus

Te puede interesar

Conoce otros programas que podrían ser de tu interés.

Ciencias Básicas
Modalidad: Presencial
Duración: 12 horas
Martes a viernes de 2:00 a 5:00 p.m
Inversión: $350.000
Fecha de apertura: Julio
Ciencias Básicas
Modalidad: Virtual
Duración: 120 horas
Ciencias Básicas
Modalidad: Remota
Duración: 90 horas
Lunes, martes y jueves 6:00 a 9:00 pm

Nuestra ubicación

Campus Tecnológico
Campus Casa Lemaitre