La denominada Ciencia de Datos es un conjunto de principios fundamentales aplicables a la extracción de conocimiento desde datos. Por otra parte, Data Mining es la extracción de conocimiento desde datos por medio de tecnologías que incorporan esos principios.
Este programa de postgrado en Ciencia de Datos provee los elementos fundamentales de la disciplina, orientado a resolver problemas concretos, desde la interpretación, la realización de su análisis, el modelado de datos y el entendimiento y la comunicación de información útil, resultante de la aplicación de las técnicas que se imparten.
Los diferentes módulos proporcionan información y formación en las tareas que corresponden a las diferentes etapas de un proyecto de Ciencia de Datos. Provee conocimiento de lenguajes, tales como R y Python, revisión de conceptos de estadísticas aplicados al análisis inteligente de datos; habilidades en aprendizaje automático, en particular el aprendizaje supervisado, orientado a técnicas predictivas.
ONLINE los días lunes de 18.30 a 22.30 horas
Instancia presencial optativa.
Proporcionar los rudimentos de los lenguajes y las tareas básicas en el Análisis Exploratorio, la selección, la limpieza y la transformación de datos.
Construir nuevas variables del problema a través de Feature Engineering.
Aprender técnicas y algoritmos que permiten modelizar y resolver concretamente los problemas, haciendo foco en los modelos predictivos.
Extender a través de Text Mining, las capacidades de las herramientas planteadas al ambiente de datos no estructurados y el lenguaje natural.
Implementar y llevar a la práctica todo lo aprendido.
Graduados de carreras relacionadas con Informática y Sistemas. Profesionales de otras áreas con alguna exposición a programación o métodos computacionales.
Uso de los lenguajes y herramientas usuales en el pre-procesamiento de datos: R y Python. Tareas de pre-procesamiento: integración de diversas fuentes de datos, limpieza, completamiento de datos, reducción de datos, selección de variables, construcción de nuevas variables.
Principios de Aprendizaje Automático. Tareas de Data Mining: Clasificación, Clustering, Detección de Anomalías, Análisis de Asociaciones. Patrones secuenciales. Técnicas de Arboles de Decisión, Métodos Bayesianos. Redes neuronales. Support Vector Machine. Métodos de clustering: k-means.
Procesamiento de lenguaje natural. Representación de documentos. Categorización de textos. Clustering de textos. Modelización de tópicos. Sumarización de textos. Social media. Visualización.
Realización de un proyecto de Data/Text Mining en el que se aplican los conocimientos adquiridos a un problema de datos.
La Facultad de Ingeniería de la Universidad Austral extenderá el Certificado Académico de aprobación de la “Diplomatura en Ciencia de Datos Aplicada” a quienes cumplan con el régimen de promoción.
La Universidad Austral es la #1 de Argentina
de Gestión Privada
Contactanos
