7ª Edición Ciencia de Datos para Analistas de Negocio

7ª Edición
Ciencia de Datos para
Analistas de Negocios

#ConviérteteEnUnExperto

¡PLAZAS LIMITADAS!



Online (en vivo)

¿Por qué estudiar nuestro título?

Obtendrás los conocimientos y habilidades necesarias que te permitirán convertirte en un profesional de la IA.

Serás capaz de afrontar los mayores desafíos que redefinirán tu carrera.

Conviértete en un profesional capaz de liderar proyectos de IA a través de posiciones como:

Data Scientist
Ingeniero en IA
Consultor NPL
Desarrollador de IA
Arquitecto de IA
IT Manager experto en IA

Como experto en IA, te posicionarás en una de las áreas con mayor futuro y empleabilidad en el mercado laboral.

Esta profesión no solo ofrece oportunidades, sino que también te asegura un crecimiento profesional del alto valor. Con la demanda de habilidades en IA, estarás en el epicentro de la innovación tecnológica, impulsando cambios significativos en múltiples industrias.

Con nuestra formación, desarrollarás autonomía y flexibilidad para trabajar en cualquier empresa y en cualquier proyecto.

Modalidad a distancia

¡Aprende a tu ritmo, a cualquier hora y en cualquier lugar!

En sumamoOs Academy, entendemos la importancia de adaptarnos a tu estilo de vida y horario.

Nuestra modalidad a distancia, acompañada de la grabación de todas las clases, es nuestro compromiso contigo, con tu tiempo y con tu futuro.

¿Te surgen dudas durante alguna sesión?

Podrás ver las clases todas las veces que quieras 24/7, y contarás con el acompañamiento de un tutor.

Que el dinero no sea un impedimento

¡No esperes más, pregúntanos por nuestras facilidades de pago y descuentos disponibles!

Estaremos encantados de ayudarte.

Requisito de admisión

Para optar a este título no es necesario tener conocimientos previos de programación.



Modalidad: Online (en vivo)



Inicio: Consultar

}

Duración: 10 semanas



Módulos: 10 + proyecto



Lecciones: 40 horas



Idioma: Español

Nivel: Iniciación



Matrícula: Consultar



Precio: Consultar

DESCARGA EL PROGRAMA

HERRAMIENTAS

TEMARIO

Introducción y conceptos fundamentales

En este bloque se engloban todos los conceptos fundamentales que se usarán durante el curso. Terminología, procesos y ciclo de vida de un proyecto de datos, según la metodología CRISP-DM.
Entre otros aspectos, conceptos fundamentales de estadística aplicada, teoría de la probabilidad, interpretación de resultados y conceptos similares serán estudiados.

Estructura de datos para el análisis

Con anterioridad al análisis avanzado de datos, se entenderá y comprenderá la forma en que los datos se estructuran. Solo bien conocida su estructura podrá garantizarse un correcto análisis de datos.

En primer lugar, se introduce el concepto de ‘data frame’ (marco de datos), así como la diferencia con un ‘modelo de datos’. Para continuar, se identificarán los problemas y errores más habituales en estructuras de datos, sin olvidar las buenas prácticas en este tipo de proyecto.

En resumen, este módulo tendrá una parte muy importante dedicada a la práctica para la preparación de las estructuras de datos que son necesarias para la analítica avanzada.

Análisis avanzados de datos

Definidos los conceptos fundamentales y habiendo identificado la estructura adecuada de datos para ejecutar un análisis avanzado, en esta sesión se llevará a cabo el ejercicio de análisis como tal.

Para introducir esta parte, se analizarán múltiples variables y sus relaciones, así como la correlación y asociación entre variables. Seguidamente, se procederá al estudio de análisis de densidad y de frecuencia.

Por último, en este bloque haremos uso de herramientas avanzadas de gráficas y análisis estadístico de datos.

Algoritmos no supervisados

Conocidos los fundamentos y análisis aplicado, se cubrirán los múltiples modelos dentro de algoritmos no supervisados desde un punto de vista altamente práctico.

Principalmente, se desarrollarán múltiples casos de clustering, detección de anomalías y asociación de variables. Entre ellos, encontramos:

Segmentación de clientes.
Clustering geo-especial.
Control de calidad en producción industrial.
Auditoría interna de compras.
Análisis de cesta de la compra.
Recomendación de productos y servicios.

Series temporales y forecasting

Una vez exploradas las aplicaciones y casos de negocio con algoritmos no supervisados, se inicia este módulo con análisis de series temporales de variables y estimación de valores futuros (forecasting).

Se pondrá en marcha la evaluación de más de 25 modelos de series temporales (ARIMA, TBATS, Exponential Smooth, Prophet, entre otros) para la generación de forecasting. Todo esto prestando especial atención en la interpretación de resultados y el uso de intervalos de confianza.

Casos de negocio:

Forecasting de ventas y previsión de demanda.
Análisis de variables.
Forecasting de inventario, precios y materias primas.
Forecasting univariable.

Algoritmo supervisado - Regresión

En este punto, dará comienzo el estudio de algoritmos supervisados de regresión para hacer análisis predictivo sobre variables continuas (numéricas).

Al principio, analizaremos múltiples casos de negocio donde se aplicarán diferentes modelos como regresión lineal, CART, random forest, extreme gradient boost, entre otros. Adicionalmente, explicaremos alternativas para poner en producción dichas aplicaciones.

Casos de negocio:

Predicción de ingresos.
Análisis de campañas comerciales y marketing.
Predicción de gastos.
Estimación de demanda, inventarios y tiempos de envío.
Series temporales multivariable.
Otros

Algoritmo supervisado - Clasificación

Para continuar con los algoritmos supervisados, profundizaremos en la aplicación de estos sobre variables categóricas.

En segundo lugar, analizaremos multiples casos de negocio donde se aplicarán diferentes modelos como regresión logística , CART, random forest, extreme gradient boost, entre otros. Para finalizar esta parte, explicaremos alternativas para poner en producción dichas aplicaciones.

Casos de negocio:

Predicción de compras por clientes.
Análisis de campañas comerciales y marketing.
Predicción de riesgos.
Análisis de recursos humanos.
Otros

Puesta en Producción e intro a MLOps

Tras haber adquirido experiencia en algoritmos de regresión y clasificación, se exploran las distintas formas de puesta en producción de productos de datos. Adiconalmente se introducen los fundamentos de MLOps para post-produccion y mantenimiento de productos de datos.

Casos de negocios:

-Creación de aplicación web

-Carga de datos en batch en base de datos

-Mantenimiento y Operación post-launch

-Control de riesgos y desviaciones

ML para Planificación Financiera y Mercados

Dada la creciente necesidad de los profesionales de finanzas de analizar datos históricos, así como contextualizar datos de mercados, aprenderemos las mejores técnicas para realizar análisis de mercados financieros, control dinámico de riesgos empresariales y de mercados, así como conexión a distintas API para obtención de datos en tiempo real.

Casos de aplicación:

-Predicción de riesgos e insolvencia

-Forecasting de commodities, interés, tipos de cambio y mercados

-Análisis de backtesting y composición óptima de activos

-Predicción de cuentas por cobrar / pagar

-Otros

Introducción a IA Generativa, GPT y LLM

Contenido actualizado y renovado usando las últimas herramientas de inteligencia artificial generativa en un entorno de negocios. Usaremos modelos de transformadores para analisis de datos no estructurados.

Casos de aplicación:

-Detección de documentos falsos

-Detección de firmas

-Resumen de textos legales, contratos y acuerdos

-Validación de información

NUESTRA METODOLOGÍA

Nuestra metodología, basada en la resolución de casos reales de negocio a medida que se enseña, te permitirá ejecutar un proyecto de ciencia de datos en sus distintas vertientes: desde analítica avanzada hasta desarrollo de modelos predictivos y de aprendizaje automático (Machine Learning).

A medida que avances durante el curso, probarás tus conocimientos con casos prácticos reales, lo que te permitirá profundizar más en los aspectos impartidos. Programando con Python, trabajarás con tus datos y podrás desarrollar proyectos propios o de tu empresa, capitalizando así tu conocimiento.

Esta metodología ha cosechado éxito en los resultados de nuestros alumnos. Así, más de 400 alumnos a nivel global empezaron de cero y lo han superado, donde el 93.4% de ellos son profesionales o analistas de negocio no relacionados con la informática o la ingeniería de sistemas.

Aprenderás los fundamentos de programar en Python y tendrás la oportunidad de continuar desarrollando lo aprendido.

RECOMENDACIONES

Sin necesidad de conocimientos previos de programación.
Realiza nuestras dos sesiónes por el mismo precio.
Ganas de aprender y mejorar el conocimiento para ejecutar proyectos en ciencia de datos.

Analista de datos especializado
Data scientist
Manager de equipos de datos
Project manager de datos
Product manager de soluciones analíticas

Aumento de la productividad.
Impulso de las ventas.
Incremento de los beneficios.
Reducción del riesgo e incertidumbre.
Mejor aprovechamiento de oportunidades.
Aumento de la satisfacción del cliente.

Pablo Moreno

Head of AI & Data Science
en sumamoOs
Microsoft MVP con experiencia
de +5 años como
científico de datos

¿A QUIÉN VA DIRIGIDO?

sound icon

check circle icon Profesionales de cualquier especialidad o del sector que usen datos en su trabajo y tengan interés en mejorar sus conocimientos

check circle icon Personas que desean comenzar la transición a este campo y formarse como futuros científicos de datos

check circle icon Personas que quieran aprender nuevas herramientas y funcionalidades para emplear analítica avanzada, proponiendo soluciones a partir de los datos

ÁMBITO DE APLICACIÓN

globe icon

check circle icon Finanzas / Contabilidad

check circle icon Gestión de ventas, compras e inventario

check circle icon Marketing offline y online

check circle icon Análisis de redes sociales

check circle icon Previsión de consumos y detección de anomalías

check circle icon Y muchos más…

¿Por qué estudiar con sumamoOs Academy?

Diseñarás algoritmos y modelos de aprendizaje automático

Estudiarás la computabilidad de un problema

Desarrollarás código en Python usando distintas librerías

Construirás e interpretarás resultados de modelos predictivos

Desarrollarás soluciones de datos

Profundizarás en el estudio y aplicación del Deep Learning

Estudiarás reconocimiento de imágenes

Comprenderás el diseño de una infraestructura de datos

Obtendrás una visión integral del gobierno del dato

Dudas frecuentes que todo futuro experto en IA
puede tener

¿Qué conocimientos previos necesito para hacer este curso?

Ninguno en particular. Únicamente conocimientos minimos en analisis de datos con hoja de cálculo y tus ganas de aprender.

¿Se puede pagar en plazos fraccionados?

Si, puedes hacer hasta 3 pagos fraccionados sin coste adicional. El curso completo debe estar pagado antes de iniciar.

¿Qué días y qué horarios tiene el curso?

Esta edición se impartirá Viernes y Sábados (aforo minimo requerido de 10 personas) de 16-20 h (Espana) o Sábados (aforo minimo de 10 personas) de 15-19 h.

¿Cómo se imparte la formación?

Se imparte en vivo y online. Las sesiones se graban y quedan disponibles para los participantes. Igualmente se comparte todo el material, codigos, notebooks y otros.

¿MÁS INFORMACIÓN?