Data Scientist (Analista de datos masivos y científico de datos) (310 horas)
Curso subvencionado desempleados y trabajadores
Online
subvencionado por el Estado
¿Necesitas un coach de formación?
Te ayudará a comparar y elegir el mejor curso para ti y a financiar tu matrícula en cómodos plazos.
Descripción
-
Tipología
Subvencionado
-
Nivel
Nivel avanzado
-
Metodología
Online
-
Horas lectivas
310h
-
Duración
4 Meses
-
Campus online
Sí
-
Envío de materiales de aprendizaje
Sí
-
Tutor personal
Sí
-
Clases virtuales
Sí
Extraer conocimiento de utilidad para un propósito concreto a partir de enormes volúmenes de datos de fuentes diversas disponibles en formato digital.
A tener en cuenta
• 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.
Trabajadores en activo y desempleados
THE CORNER con 40 años de experiencia.
Recibiras un email con instrucciones.
Te llamamos para aclarar tus dudas.
Puedes llamarnos al 93 377 98 53
O mandar un Whatsapp al: 640 039 035
Opiniones
Logros de este Centro
Todos los cursos están actualizados
La valoración media es superior a 3,7
Más de 50 opiniones en los últimos 12 meses
Este centro lleva 4 años en Emagister.
Materias
- Análisis de datos
- Herramientas de análisis de datos
- Data science
- Analista de datos
- Big Data
Profesores
The Corner School
Tecaher
Temario
• 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)
¿Necesitas un coach de formación?
Te ayudará a comparar y elegir el mejor curso para ti y a financiar tu matrícula en cómodos plazos.
Data Scientist (Analista de datos masivos y científico de datos) (310 horas)
subvencionado por el Estado