Ciencia de los Datos Empresariales

En Alianza con la Universidad Tecnológica de Panamá ver aquí

escríbanos a datascience@aiyonpanama.com

Vídeo 1

Vídeo 2

Nota: La Versión Móvil no contiene el total del Contenido que se describe en esta sección  

Descripción del Diplomado:

Este diplomado tiene como propósito desarrollar y motivar al recurso humano emprendedor o laboral en la profesión especializada en la ciencia de los datos con una formación práctica y cinética a la vez, tal y como se ha estructurado en este diplomado.

Entrar en el mundo Data Science, les dará una visión más clara de la aplicación que tienen muchas de las materias estudiadas a lo largo de la carrera universitaria orientada a la informática, computación, estadísticas, matemáticas y afines. El uso adecuado de este conocimiento les dará las herramientas para la resolución de los problemas de negocios u organizaciones a través de las matemáticas, la programación y el método científico que implica la creación de hipótesis, experimentos y pruebas a través del análisis de datos y la generación de modelos predictivos. Este conocimiento les permitirá transformar estos problemas en preguntas bien planteadas que también pueden responder a la hipótesis inicial de una manera creativa. También deben incluir la comunicación efectiva de los resultados obtenidos y cómo la solución agrega valor al Negocio o la Organización.

​

Queremos enseñar y aportar herramientas que permitan implementar en una organización, la ciencia de datos para el apoyo a las decisiones por medio de un análisis sustentando.

Módulos:

I               Presentación e Introducción.

II             Matemáticas para Machine Learning.

III            Herramientas para Machine Learning.

IV            Lenguajes para Machine Learning.

V             Obtención y Limpieza de Datos.

VI            Regresiones.

VII          Redes Neurales.

VIII         Geographical Information System (GIS) con Python.

Perfil de Ingreso:

El Diplomado está dirigido a estudiantes de carreras como informática, computación, estadísticas, matemática y carreras afines, a analistas de negocios, ingenieros de software, profesionales de la computación, finanzas, producción y todos aquellos que se desempeñan en posiciones relacionadas al uso de datos. Asimismo, a gerentes de información, gobierno de datos, computación, informática, que quieran tener una visión estratégica integrada, que deseen aprender las mejores prácticas en el mundo de la ciencia de los datos.

También este Diplomado está dirigido aquellos profesionales que tiene algún conocimiento en informática y estadística que deseen reorientar su carrera hacia este nuevo campo profesional.

Debe contar con nociones básicas de programación.

​

Perfil de Egreso:

Al finalizar este Diplomado el participante adquiere los siguientes conocimientos en las distintas áreas, a saber:

• Matemáticas: Cómo analizar matemáticamente retos relacionados a la inteligencia artificial.

• Herramientas: Instalación y uso de herramientas para el desarrollo de modelos de machine learning.

• Lenguajes: Uso de lenguajes de última generación para el desarrollo de modelos de machine learning.

• Metodología: Estructuración de un proyecto de machine learning desde su concepción.

• Casos de Negocios: Herramientas para la resolución de problemas en distintas industrias.

• El participante estará en capacidad de aplicar los siguientes conocimientos:

• Conocer cómo y cuándo aplicar una metodología estructurada a los proyectos de machine learning.

• Identificar los conjuntos de datos relevantes dentro del universo de información disponible.

• Analizar, estos datos para estructurarlos y depurarlos de tal manera que pueda aplicar modelos de machine learning.

• Mejorar y optimizar los modelos de machine learning existentes en las empresas o industrias donde se desempeñe.

• Manejar herramientas y lenguajes para el desarrollo de proyectos de machine learning.

• Comprender los aspectos básicos de redes neuronales y GIS con herramientas de machine learning.

Módulos:

I              Presentación e Introducción.

II             Matemáticas para Machine Learning.

III            Lenguajes de Programación para Ciencia de Datos

IV           Obtención y limpieza de datos

V            Análisis y Visualización de datos

VI           Machine Learning

VII          Deep Learning

Perfil de Ingreso:

El Diplomado está dirigido a estudiantes de carreras como informática, computación, estadísticas, matemática y carreras afines, a analistas de negocios, ingenieros de software, profesionales de la computación, finanzas, producción y todos aquellos que se desempeñan en posiciones relacionadas al uso de datos. Asimismo, a gerentes de información, gobierno de datos, computación, informática, que quieran tener una visión estratégica integrada, que deseen aprender las mejores prácticas en el mundo de la ciencia de los datos.

También este Diplomado está dirigido aquellos profesionales que tiene algún conocimiento en informática y estadística que deseen reorientar su carrera hacia este nuevo campo profesional.

Debe contar con nociones básicas de programación.

​

Perfil de Egreso:

Al finalizar este Diplomado el participante adquiere los siguientes conocimientos en las distintas áreas, a saber:

• Matemáticas: Cómo analizar matemáticamente retos relacionados a la inteligencia artificial.

• Herramientas: Instalación y uso de herramientas para el desarrollo de modelos de machine learning.

• Lenguajes: Uso de lenguajes de última generación para el desarrollo de modelos de machine learning.

• Metodología: Estructuración de un proyecto de machine learning desde su concepción.

• Casos de Negocios: Herramientas para la resolución de problemas en distintas industrias.

• El participante estará en capacidad de aplicar los siguientes conocimientos:

• Conocer cómo y cuándo aplicar una metodología estructurada a los proyectos de machine learning.

• Identificar los conjuntos de datos relevantes dentro del universo de información disponible.

• Analizar, estos datos para estructurarlos y depurarlos de tal manera que pueda aplicar modelos de machine learning.

• Mejorar y optimizar los modelos de machine learning existentes en las empresas o industrias donde se desempeñe.

• Manejar herramientas y lenguajes para el desarrollo de proyectos de machine learning.

• Comprender los aspectos básicos de redes neuronales y GIS con herramientas de machine learning.