Curso de Big Data, Data Mining y Machine Learning: creación de valor para líderes empresariales y profesionales

admin
Big Data, Data Science y Machine Learning
$4,640.00
Curso de Big Data, Data Mining y Machine Learning: creación de valor para líderes empresariales y profesionales
  • 10 estudiantes
  • 0 lessons
  • 0 quizzes
  • 16 hour duration
10 estudiantes

Descripción: 

 

Big data es un gran negocio. Pero tener los datos y el poder computacional para procesarlos no es suficiente para producir resultados significativos. Este curso es un recurso completo para ejecutivos y directivos de tecnología y mercadotecnia que buscan resultados reales que llegan a la conclusión. Proporcionando una visión general atractiva y exhaustiva del estado actual del análisis de big data y la tendencia creciente hacia arquitecturas de cómputo de alto rendimiento, este curso es una mirada basada en detalles sobre cómo se puede aprovechar el análisis de estos potentes recursos para fomentar un cambio positivo e impulsar la eficiencia en su empresa.

 

Con un crecimiento exponencial continuo en los datos y mercados cada vez más competitivos, las empresas deben adaptarse rápidamente para obtener todas las ventajas competitivas disponibles. El análisis de Big Data, Minería de Datos y Machine Learning pueden servir como eje de las iniciativas que impulsan los negocios, pero solo si la tecnología y el análisis subyacentes son completamente comprendidos y apreciados por los interesados ​​involucrados. 

 

Objetivo del curso:

 

En este Curso de Big Data, Data Mining y Machine Learning: creación de valor para líderes empresariales y profesionales entre otras cosas, el alumno aprenderá y obtendrá conocimiento acerca de: Una descripción completa de big data y sus características notables. Detalles sobre arquitecturas de cómputo y desarrollo de alto rendimiento para análisis, procesamiento masivo en paralelo (MPP) y bases de datos en memoria. La cobertura completa de minería de datos, análisis de texto y algoritmos de machine learning. Modelos explicativos y predictivos, y cómo se pueden aplicar a los procesos de toma de decisiones.

Temario:

 

Parte 1. Comprendiendo los Sistemas distribuidos

Bases de datos | Sistema de archivos de cómputo | Consideraciones 

 

Parte 2. Herramientas análíticas existentes

Weka | Lenguajes Java y JVM | R  | Python  | SAS 

 

Parte 3. El Modelado Predictivo 

Una metodología para construir modelos | SEMMA | Clasificación binaria 64 | Clasificación Multinivel | Predicción de intervalos | Evaluación de modelos predictivos

 

Parte 4. Técnicas comunes de modelado predictivo

RFM | Regresión  | Modelos lineales generalizados  | Redes neuronales  | Decisión y Regresión de Árboles | Máquinas de vectores de soporte | Clasificación de redes de métodos bayesianos | Métodos de conjunto 124

 

Parte 5. Segmentación, ¿Cómo funciona?

Análisis de conglomerados | Mediciones de distancia (métricas) | Evaluación de agrupamiento | Cantidad de grupos | K ‐ significa algoritmo | Clustering jerárquico  | Grupos de perfiles 

 

Parte 6. El modelado de respuesta incremental

Construyendo el Modelo de Respuesta | Medición de la respuesta incremental

 

Parte 7. Minería de datos de series temporales

Reducción de la dimensionalidad | Detectando patrones | Minería de datos de series temporales en acción: Nike + FuelBand 

 

Parte 8. Sistemas de Recomendación 

¿Qué son los sistemas de recomendación? | ¿Dónde se usan? | ¿Cómo trabajan? | Evaluación de la calidad de la recomendación | Recomendaciones en Acción: Biblioteca SAS

 

Parte 9. Análisis de texto

Recuperación de información  | Categorización de contenidos  | Minería de texto  | Text Analytics en Acción: ¡Juguemos Jeopardy! 

 

Parte 10. Caso de estudio de una gran base de EE.UU.

Empresa de servicios financieros | Proceso de campaña de marketing tradicional | Solución de marketing de alto rendimiento | Propuesta de valor para el cambio 

 

Parte 11. Caso de estudio de un importante proveedor de atención médica

CAHPS | HEDIS | HOS | IRE 

 

Parte 12. Caso de estudio de un fabricante de tecnología

Encontrar dispositivos defectuosos | Cómo redujeron el costo 

 

Parte 13. Caso de estudio de gestión de una marca en línea y un producto de alta tecnología.

Fabricante | Manejo de los datos que faltan | Aplicación más allá de la fabricación

 

Parte 14. Mirando hacia el futuro

Investigación reproducible | Privacidad con conjuntos de datos públicos | El internet de las cosas | Desarrollo de software en el futuro | Desarrollo futuro de los algoritmos | En conclusión

El plan de estudios está vacío.

0.00 average based on 0 ratings

5 Star
0%
4 Star
0%
3 Star
0%
2 Star
0%
1 Star
0%
$4,640.00



¿CÓMO LLEVAMOS A CABO LAS CLASES ANTE EL COVID-19?

Metodología de enseñanza y aprendizaje que usamos en nuestras clases.
En KMMX usamos un metodología de aprendizaje “blended*” que al español se traduce como mezclada, es decir una parte es presencial y otra a distancia, en estos momentos debido a la pandemia Covid-19 la parte presencial se realiza de manera a distancia pero de manera personalizada en vivo, tratando de simular el cara a cara que tenemos cuando los alumnos asisten a nuestras aulas de manera física. Mantenemos un enfoque de “enseñanza activa”, es decir, el alumno aprende hasta que hace las cosas motivo por el cual se asignan una serie de proyectos en cada curso, que el alumno tendrá que ir completando a su ritmo, por que entendemos que cada alumno aprende de manera diferente y a su ritmo creamos las asesorías personalizadas, que puede solicitar a través del sistema de aprendizaje online.
* El Blended Learning es la combinación de la educación presencial con clases en el aula, con la educación online.

¿Pero en que consiste?
Cada sesión es de aproximadamente una hora, el instructor explica conceptos y resuelve dudas.
Cada curso tiene una serie de ejercicios o proyectos previamente definidos.
En la siguiente sesión el instructor resuelve dudas y explica los siguientes conceptos, así hasta cubrir la totalidad del temario y alcance del curso.
Se agenda una sesión con un mentor antes, durante y después del curso para asegurar el aprendizaje y aprovechamiento del curso. El mentor no es la misma persona que el instructor.
En la plataforma estarán disponibles las sesiones y recursos para ser consultados en cualquier momento por el alumno.
Aunque son clases a distancia la experiencia es personalizada.

Mucho éxito en tu camino.
Tus amigos de KMMX