Curso subvencionado online
Duración : 4 Meses
Extraer conocimiento de utilidad para un propósito concreto a partir de enormes volúmenes de datos de fuentes diversas disponibles en formato digital.
Emagister S.L. (responsable) tratará tus datos personales con la finalidad de gestionar el envío de solicitudes de información y comunicaciones promocionales de formación con tu consentimiento. Ejerce tus derechos de acceso, supresión, rectificación, limitación, portabilidad y otros, según se indica en nuestra política de privacidad.
Objetivos
• Uso de habilidades de comunicación con los grupos de interés para mostrar los aspectos más relevantes de los resultados obtenidos en los resultados del proceso y su adaptación a las necesidades del proyecto. • Aplicación de soluciones innovadoras y adaptación a los entornos cambiantes. • Capacidad de desarrollo continuo de proyectos y comunicación de los resultados y decisiones con técnicas y herramientas de visualización • Coordinación y comunicación con especialistas, no especialistas, supervisores y clientes con el uso de las herramientas de comunicación para el diseño de información relevante sobre los aspectos claves de la aplicación.
A quién va dirigido
Trabajadores en activo y desempleados
Temario completo de este curso
• Identificación de los fundamentos de análisis de datos y aprendizaje automático (Machine Learning)
- Tipología de tareas y algoritmos de aprendizaje (supervisado, no supervisado, semisupervisado)
- Métodos principales de aprendizaje
- Validación y evaluación de resultados
• Distinción de los métodos clasificadores.
- Modelos predictivos
- Métodos no supervisados. Agrupamiento jerárquico. Agrupamiento particional (k-means y derivados). Reducción de la dimensionalidad (PCA y otros)
- Métodos supervisados. K-NN. Árboles de decisión. SVM. Redes neuronales
- Validación y evaluación de resultados
• Aplicación de las técnicas de aprendizaje automático y la integración de diversas fuentes de datos
- Análisis de sentimientos y polaridad sobre el conjunto de tweets recogidos.
- Construcción de un análisis de perfiles mediante el uso de algoritmos de agrupamiento no supervisados (clustering).
- Implementación de un análisis de polaridad (sentimiento analysis) sobre el conjunto de mensajes recogidos.
- Implementación de dos enfoques alternativos para poder comparar el rendimiento obtenido: Aproximación basada en diccionarios. Aproximación en vectorización (Word2Vec) y uso de un modelo supervisado de aprendizaje automático.
• Diseño, desarrollo y evaluación de los métodos de aprendizaje automático.
- Procesamiento de datos
- Fundamentos de aprendizaje automático
- Tipología de tareas y algoritmos de aprendizaje
- Validación y evaluación de resultados
• Diseño y desarrollo de dashboards.
- Principios de visualización de datos.
- Diseño de paneles de control y dashboards para definir alarmas y transmitir resultados
- Integración de la visualización con herramientas de análisis y consultas de datos
- Documentación visual y escrita de los resultados de los proyectos de analítica de datos para audiencias no especializadas
• Utilización de una herramienta de visualización de datos para el diseño y carga de datos a un panel de control
- Herramientas de visualización de datos: Grafana, MS PowerBar, Tableau
- Visualización de consultas de negocio y panel de control de resultados en herramientas de visualización de datos
• Elección, aplicación y evaluación de la calidad de un algoritmo de aprendizaje automático para un problema dado a partir de un conjunto de datos.
- Procesamiento de textos (NLP)
- Análisis de polaridad basado en diccionarios
- Análisis basado en modelos predictivos supervisados
- Extracción de características (Word2Vec)