Data Science Training

Aprende y certif铆cate en l铆nea con este curso, convirti茅ndote en experto en ciencia de datos

Este curso te va a proporcionar un paquete completo de conocimientos, que te permitir谩n convertirte en un experto en ciencia de datos.

La capacitaci贸n se enfoca en brindarte un conocimiento profundo de la ciencia de datos directamente desde su uso y aplicaciones, computaci贸n estad铆stica, manipulaci贸n de datos, visualizaci贸n de datos, aplicaci贸n de estad铆sticas descriptivas e inferenciales sobre los datos, y mucho m谩s.聽Adem谩s, tambi茅n obtendr谩 conocimientos pr谩cticos mediante la ejecuci贸n de proyectos en tiempo real proporcionando soluciones a los problemas. En pocas palabras, esta capacitaci贸n en l铆nea sobre ciencia de datos te dar谩聽la confianza para enfrentar entrevistas y trabajar como cient铆fico de datos.

Caracter铆sticas de este curso

  • 30 horas de formaci贸n dirigida por un instructor,
  • Paga en 2 cuotas.
  • Curso en ingl茅s.
  • Certificaci贸n y asistencia laboral,
  • Horario flexible.
  • 20 horas de sesiones de laboratorio,
  • Soporte de por vida 24 x 7.

Ingresa tus datos para inscribirte en el curso

Curso de Data Science en l铆nea

Contenido de este curso de Data Science

En este m贸dulo, aprender谩 los conceptos b谩sicos de la ciencia de datos y la programaci贸n R, Importancia de la ciencia de datos.

Los temas de esta secci贸n son:聽

  • 驴Qu茅 es la ciencia de datos?
  • Importancia de la ciencia de datos en el mundo actual.
  • Conceptos b谩sicos de programaci贸n de R

Resultados del aprendizaje:聽al final de este m贸dulo, obtendr谩 una idea fundamental sobre la ciencia de datos y la programaci贸n R.

  • Este m贸dulo de los fundamentos de Python analiza los conceptos de Python necesarios para un cient铆fico de datos.Los temas que cubre esta secci贸n son:聽
    • Introducci贸n a Python
    • Sangr铆as en Python
    • Tipos de datos y operadores de Python
    • Funciones de Python

    Resultados de aprendizaje:聽al final de este m贸dulo, obtendr谩 los conocimientos b谩sicos de programaci贸n de Python.

Este m贸dulo trata los conceptos b谩sicos de estructuras de datos y visualizaci贸n de datos.

Los temas cuque cubre esta secci贸n son:聽

  • Resumen de estructuras de datos
  • Identificaci贸n de las estructuras de datos
  • Asignar valores a las estructuras de datos
  • Importancia de la manipulaci贸n de datos
  • Dplyr Package y realizando diferentes operaciones de manipulaci贸n de datos.

Resultados de aprendizaje:聽al completar este m贸dulo, podr谩 comprender la importancia de las estructuras de datos y la manipulaci贸n de datos en la ciencia de datos.

Este m贸dulo trata temas como visualizaci贸n de datos, tipos de gr谩ficos, paquete Ggplot2, creaci贸n de gr谩ficos de barras, an谩lisis univariante y multivariante.

Los temas que cubre esta secci贸n son:聽

  • Introducci贸n a la visualizaci贸n de datos
  • Varios tipos de gr谩ficos, gram谩tica gr谩fica.
  • Paquete ggplot2
  • An谩lisis multivariante mediante geom_boxplot
  • An谩lisis univariante mediante el uso de histograma, gr谩fico de barras, distribuci贸n multivariante y gr谩fico de densidad.
  • Creando los diagramas de barras para las variables categ贸ricas a trav茅s de geop_bar () e incluyendo los temas a trav茅s de la capa theme ().

Resultados de aprendizaje:聽Al final de este m贸dulo, podr谩 visualizar los datos a trav茅s de diferentes gr谩ficos, paquete Ggplot2.聽Adem谩s, obtendr谩 una experiencia en tiempo real de la creaci贸n de gr谩ficos de barras, an谩lisis univariante y multivariante.聽

Este m贸dulo de capacitaci贸n en el aula en l铆nea de ciencia de datos trata conceptos estad铆sticos como clasificaci贸n, tipos de probabilidad, covarianza y correlaci贸n.聽Junto con esto, aprender谩 a analizar el conjunto de datos dado a trav茅s del muestreo de datos, la prueba de hip贸tesis y la distribuci贸n binaria.

Los temas que cubre esta secci贸n son:聽

  • Importancia de las estad铆sticas
  • Clasificaci贸n estad铆stica, Terminolog铆a estad铆stica.
  • Tipos de datos, tipos de probabilidad, medidas de velocidad y tendencia central.
  • Covarianza y correlaci贸n, distribuci贸n binaria y normal
  • 聽Niveles de muestreo, confianza y significaci贸n de datos.
  • Prueba de hip贸tesis y prueba param茅trica

Resultados de aprendizaje:聽al final de este m贸dulo, obtendr谩 conocimientos pr谩cticos de diferentes conceptos estad铆sticos como tipos de probabilidad, prueba de hip贸tesis, covarianza.聽Tambi茅n podr谩 trabajar con otras t茅cnicas estad铆sticas como correlaci贸n, muestreo de datos, distribuci贸n normal y binaria.

Los temas cubiertos en esta secci贸n son:聽

  • Fundamentos del aprendizaje autom谩tico
  • Aprendizaje supervisado, clasificaci贸n en aprendizaje supervisado
  • Regresi贸n lineal y conceptos matem谩ticos relacionados con la regresi贸n lineal
  • Algoritmos de clasificaci贸n, t茅cnicas de aprendizaje por conjuntos

Resultados del aprendizaje:聽al completar este m贸dulo, obtendr谩 un conocimiento b谩sico del aprendizaje autom谩tico y dominar谩 el aprendizaje supervisado, la regresi贸n lineal y el aprendizaje por conjuntos.

Los temas cubiertos en esta secci贸n son:聽

  • Introducci贸n a la regresi贸n log铆stica
  • Regresi贸n log铆stica vs lineal, regresi贸n de Poisson
  • Regresi贸n log铆stica bivariada, matem谩ticas relacionadas con la regresi贸n log铆stica
  • Regresi贸n log铆stica multivariante, construcci贸n de modelos log铆sticos
  • Tasa positiva falsa y verdadera, aplicaciones en tiempo real de regresi贸n log铆stica

Resultados de aprendizaje:聽al final de este m贸dulo, obtendr谩 conocimientos pr谩cticos de regresi贸n log铆stica, regresi贸n lineal, regresi贸n de Poisson y modelos log铆sticos.

Los temas cubiertos en esta secci贸n son:聽

  • T茅cnicas de clasificaci贸n.聽Algoritmo de inducci贸n del 谩rbol de decisi贸n
  • Implementaci贸n de Random Forest en R
  • Diferencias entre el 谩rbol de clasificaci贸n y el 谩rbol de regresi贸n
  • Bayes ingenuo, SVM
  • Entrop铆a, 铆ndice de Gini, ganancia de informaci贸n

Resultados de aprendizaje:聽Al completar este m贸dulo, adquirir谩 una comprensi贸n profunda de los algoritmos de inducci贸n de 谩rboles de decisi贸n, implementando el bosque aleatorio en la programaci贸n R.

Los temas cubiertos en esta secci贸n son:聽

  • Agrupaci贸n, agrupaci贸n de K-medias, agrupaci贸n de dosel y agrupaci贸n jer谩rquica
  • Aprendizaje no supervisado, algoritmo de agrupamiento, algoritmo de agrupamiento de K-means
  • Conceptos te贸ricos de K-medias, flujo de proceso de k-medias e implementaci贸n de K-medias.
  • Implementaci贸n de agrupaciones hist贸ricas en R
  • Implementaci贸n de PCA (an谩lisis de componentes principales) en R

Resultados de aprendizaje:聽Al completar este m贸dulo, obtendr谩 una experiencia en tiempo real de agrupamiento de k-medias, algoritmo de agrupamiento y an谩lisis de componentes principales.

Los temas cubiertos en esta secci贸n son:聽

  • Conceptos b谩sicos de procesamiento de lenguaje natural y miner铆a de texto
  • Importancia y casos de uso de la miner铆a de texto
  • NPL trabajando con miner铆a de texto, Language Toolkit (NLTK)
  • Miner铆a de textos: preprocesamiento, clasificaci贸n de textos y limpieza

Resultados del aprendizaje:聽al final de este m贸dulo, obtendr谩 un conocimiento pr谩ctico del procesamiento del lenguaje natural y la miner铆a de textos.

Este m贸dulo analiza conceptos matem谩ticos como conceptos b谩sicos de probabilidad, teorema de Bayes, funciones matem谩ticas de Numpy, probabilidad condicional y probabilidades conjuntas.

Los temas cubiertos en esta secci贸n son:聽

  • Conceptos b谩sicos de Numpy
  • Numerosas funciones matem谩ticas
  • Notaci贸n y conceptos b谩sicos de probabilidad
  • Correlaci贸n y regresi贸n
  • Probabilidades conjuntas
  • Teorema de Bayes
  • Probabilidad condicional, regla de la suma y regla del producto

Resultados de aprendizaje:聽al final de este m贸dulo, podr谩 utilizar conceptos de probabilidad, funciones de Numpy, teorema de Bayes, correlaci贸n y regresi贸n en ciencia de datos.

Los temas cubiertos en esta secci贸n son:聽

Introducci贸n y caracter铆sticas de
Scipy Subpaquetes de Scipy como Integrate, Cluster, Signal, Fftpack y el teorema de Bayes

Resultados del aprendizaje:聽al final de este m贸dulo, obtendr谩 una experiencia inform谩tica cient铆fica en tiempo real.

Los temas cubiertos en esta secci贸n son:聽

  • Conceptos b谩sicos de Pyspark
  • Usos y necesidad de pyspark
  • Instalaci贸n de Pyspark
  • Ventajas de pyspark sobre MapReduce
  • Aplicaciones de Pyspark

Resultados del aprendizaje:聽al final de este m贸dulo, adquirir谩 conocimientos pr谩cticos de Pyspark.

Los temas cubiertos en esta secci贸n son:聽

  • 聽Efecto del aprendizaje autom谩tico en la inteligencia artificial
  • Conceptos b谩sicos del aprendizaje profundo, funcionamiento del aprendizaje profundo
  • Regresi贸n y clasificaci贸n en el aprendizaje supervisado
  • Asociaci贸n y agrupaci贸n en el aprendizaje no supervisado
  • Conceptos b谩sicos de inteligencia artificial y redes neuronales
  • Aprendizaje supervisado en redes neuronales, red multicapa
  • Redes neuronales profundas, redes neuronales convolucionales
  • Aprendizaje por refuerzo, algoritmos de optimizaci贸n dnn
  • Redes neuronales recurrentes, unidad de procesamiento de gr谩ficos de aprendizaje profundo
  • Aplicaciones de aprendizaje profundo, modelado de series temporales

Resultados de aprendizaje:聽al final de este m贸dulo, podr谩 dominar los conceptos de aprendizaje profundo e inteligencia artificial necesarios para un cient铆fico de datos.

Los temas cubiertos en esta secci贸n son:聽

  • Bibliotecas de c贸digo abierto de Tensorflow Basics y Tensorflow
  • Modelos de aprendizaje profundo y unidad de procesamiento de tensores (TPU)
  • Visualizaci贸n de gr谩ficos, keras
  • Red neuronal de Keras
  • Definir y componer modelos de salida multicomplejos a trav茅s de Keras
  • Normalizaci贸n de lotes, composici贸n funcional y secuencial
  • Implementando Keras con tensorboard, personalizando el proceso de entrenamiento de redes neuronales
  • Implementaci贸n de redes neuronales a trav茅s de la API de TensorFlow

Resultados de aprendizaje:聽al completar este m贸dulo, podr谩 crear modelos de aprendizaje profundo y visualizar los datos a trav茅s de la API de Keras y TensorFlow.

Los temas cubiertos en esta secci贸n son:聽

  • Conceptos b谩sicos de Autoencoders y rbm
  • Implementaci贸n de RBM para las redes neuronales profundas
  • Funciones y aplicaciones de los codificadores autom谩ticos

Resultados del aprendizaje:聽al final de este m贸dulo, obtendr谩 conocimientos pr谩cticos sobre las m谩quinas Boltzmann restringidas y los codificadores autom谩ticos.

Los temas cubiertos en esta secci贸n son:聽

  • Conceptos b谩sicos de Big Data y Hadoop
  • Arquitectura Hadoop, HDFS
  • MapReduce Framework y Pig
  • Hive y HBase
  • Conceptos b谩sicos de Scala y programaci贸n funcional
  • Conceptos b谩sicos de Kafka, Arquitectura de Kafka, Cl煤ster de Kafka e Integraci贸n de Kafka con Flume
  • Introducci贸n a Spark
  • Spark RDD Operations, escribiendo programas Spark.
  • Spark Transformations, introducci贸n a la transmisi贸n de Spark
  • Spark Streaming Architecture, Spark Streaming Features
  • Arquitectura de transmisi贸n estructurada, Dstreams y Spark Graphx

Resultados del aprendizaje:聽al final de este m贸dulo, adquirir谩 experiencia en tiempo real de trabajar con HDFS, el marco MapReduce, HBase y Kafka.聽Tambi茅n obtendr谩 un amplio conocimiento del desarrollo de programas Spark y la realizaci贸n de transformaciones Spark y operaciones Spark RDD.

Los temas cubiertos en esta secci贸n son:聽

  • Conceptos b谩sicos de visualizaci贸n de datos
  • Aplicaciones de visualizaci贸n de datos
  • Instalaci贸n e interfaz de Tableau
  • Tipos de datos de Tableau, preparaci贸n de datos
  • Arquitectura de Tableau
  • Introducci贸n a Tableau
  • Creaci贸n de conjuntos, metadatos y combinaci贸n de datos.
  • Organizar an谩lisis visual y de datos
  • Mapeo, expresiones y c谩lculos
  • Par谩metros y preparaci贸n de Tableau
  • Historias, paneles y filtros
  • Gr谩ficos, tablas
  • Integraci贸n de Tableau con Hadoop y R

Resultados del aprendizaje:聽al final de este m贸dulo, obtendr谩 una experiencia en tiempo real de la creaci贸n de conjuntos, gr谩ficos, cuadros y cuadros de mando para analizar datos.聽Tambi茅n adquirir谩 conocimientos pr谩cticos de la arquitectura de tableau, la instalaci贸n de tableau, la preparaci贸n de tableau y la integraci贸n de Tableau con R y Hadoop.

Este m贸dulo de MongoDB lo ayudar谩 a dominar conceptos como conceptos b谩sicos de MongoDB, instalaci贸n de MongoDB, operaciones CRUD, indexaci贸n de datos, modelado de datos y administraci贸n de datos.聽Junto con esto, tambi茅n aprender谩 los conceptos de seguridad y esquema de agregaci贸n de datos.

Los temas cubiertos en esta secci贸n son:聽

  • Conceptos b谩sicos de MongoDB y NoSQL
  • Instalaci贸n de MongoDB
  • Importancia de NoSQL
  • Operaciones CRUD
  • Modelado y gesti贸n de datos
  • Indexaci贸n y administraci贸n de datos
  • Esquema de agregaci贸n de datos
  • Seguridad de MongoDB
  • Colaborar con datos no estructurados

Resultados de aprendizaje:聽al final de este m贸dulo, obtendr谩 conocimientos pr谩cticos sobre el uso de MongoDB para realizar diferentes operaciones de base de datos, como crear una base de datos, insertar datos en una base de datos, eliminar y actualizar los datos.聽Tambi茅n podr谩 dominar el modelado de datos, la indexaci贸n de datos y la administraci贸n de datos.

Los temas cubiertos en esta secci贸n son:聽

  • Conceptos b谩sicos de SAS
  • Gu铆a empresarial SAS
  • Funciones y operadores SAS
  • Compilaci贸n y creaci贸n de conjuntos de datos SAS
  • Procedimientos SAS
  • Gr谩ficos SAS
  • Macros SAS
  • PROC SQL
  • SAS avanzado

Resultados del aprendizaje:聽al final de este m贸dulo, podr谩 realizar an谩lisis de datos avanzados utilizando conceptos de SAS.

Los temas cubiertos en esta secci贸n son:聽

  • Ingresando datos
  • Funciones l贸gicas
  • Formato condicional
  • Validaci贸n, f贸rmulas de Excel
  • Clasificaci贸n de datos, filtrado de datos, tablas din谩micas
  • Creaci贸n de gr谩ficos, t茅cnicas de creaci贸n de gr谩ficos
  • Seguridad de archivos y datos en Excel
  • Macros VBA, condici贸n VBA IF y bucles VBA
  • Condici贸n de VBA IF, para bucle
  • Depuraci贸n y mensajer铆a de VBA

Resultados de aprendizaje:聽al final de este m贸dulo, adquirir谩 un conocimiento pr谩ctico de Excel y VBA.

驴Qu茅 tipo de entrenamiento desea tomar?

CAPACITACI脫N EN L脥NEA EN VIVO

  • Demostraci贸n en vivo de funcionalidades y pr谩cticas.
  • Obtenga acceso al LMS de cada sesi贸n de capacitaci贸n de Data Science Online a la que asista a trav茅s de GotoMeeting.
  • Obtenga orientaci贸n sobre la certificaci贸n.
  • Asista a una demostraci贸n gratuita antes de registrarse.

 

 

ENTRENAMIENTO CORPORATIVO

  • Modos de entrenamiento a su聽propio ritmo聽/ en聽vivo en l铆nea聽/ en el聽aula聽disponibles.
  • Participe en una conferencia de capacitaci贸n en el aula sobre ciencia de datos impartida por un experto de la industria en sus instalaciones.
  • Aprenda seg煤n el programa de d铆a completo con debates, ejercicios y casos pr谩cticos de uso.
  • Dise帽e el contenido de su propio curso seg煤n los requisitos de su proyecto.
  • Obtenga una gu铆a completa sobre la certificaci贸n.