DATA SCIENCE
ÁREA: TIC
MODALIDAD: Virtual
ESTADO: Iniciado
Charla informativa: –
INICIO: 18/07/2024
FINALIZACIÓN: 19/12/2024
Big data se refiere a las grandes colecciones de datos, estructurados, o no estructurados, que pueden crecer a volúmenes enormes y a un ritmo tan alto que es complejo manejarlos con las técnicas habituales de los sistemas de bases de datos y las herramientas de análisis existentes hasta hace un tiempo.
La gestión y el análisis de estas cantidades masivas de datos exigen nuevas soluciones que van más allá de los procesos tradicionales o herramientas de software habituales en la práctica diaria, lo que ha llevado a acuñar el término “big data analytics”.
La Certificación Avanzada en Data Science está orientada a facilitar el conocimiento de las herramientas que permiten diseñar, preparar, analizar y manejar información, estructurada y no-estructurada.
Las habilidades que desarrollarás:
- Creación y desarrollo de modelos de datos para el análisis de diversos escenarios que requieran el uso de datos para la toma de decisiones.
- Integración de datos provenientes de diversas fuentes y técnicas para asegurar su consistencia.
- Modelado e implementación de data warehouses.
- Manejo de diferentes tipos de datos, en particular datos geográficos y bases de datos de grafos (para el análisis de redes).
- Creación de visualizaciones que ayuden a entender los data sets.
- Construcción y análisis de modelos de machine learning
- Presentación y comunicación de resultados y hallazgos (incluso para una audiencia inexperta).
Requisitos:
La Certificación Avanzada en Data Science tiene un curso de nivelación. En el mismo se dictan conceptos básicos de Base de Datos y SQL y contiene un examen obligatorio. Es condición para continuar con la cursada el programa haber aprobado el examen del curso de nivelación. Su duración es de cuatro semanas y se cursa asincronicamente con posibilidad de tutoreo a cargo del docente.
Conocé más sobre Data Science
Plan de estudios
Todos collapsables cerrados
Este accordion está para que todos los ítems permanezcan cerrados
CURSO DE NIVELACIÓN
Conceptos básicos de Base de datos y SQL.
Data Warehousing
Contenidos mínimos: Modelos de datos. Arquitecturas. Análisis de
requerimientos. Diseño conceptual, lógico y físico. El modelo multidimensional:
estrella, snowlflake y constellation. Manejo de cambios: Slowly changing
dimensions. Diseño físico. Online Analytical Processing: OLAP. OLAP vd OLTP.
SQL/OLAP: funciones de ventana.
Profesor: Dr. Alejandro Vaisman.
Inteligencia Artificial y Machile Learning
Contenidos mínimos. Conceptos básicos de Machine Learning. Modelos
descriptivos y predictivos. Técnicas fundamentales: clasificación, clustering,
patrones. Árboles de decisión. Aplicación a problemas concretos de predicción.
Casos de estudio. Redes Neuronales.
Profesora: Dra. Marcela Riccillo.
Sistemas de Información Geográfica y Bases de Datos de Grafos
Contenidos mínimos. Parte 1: Bases de datos espaciales. Open Geospatial
Consortium (OGC): objetos geométricos y geográficos. Lenguaje de Consulta:
funciones y predicados para el análisis espacial. Concepto de índice espacial.
Visualización de resultados en QGIS y OpenJump.
Bases de datos de grafos NoSQL. Modelado de Property Graphs.
Lenguaje de Consulta: búsqueda de patrones y uso de agregaciones. Soporte
para el análisis de datos espaciales.
Profesora: Dra. Leticia Gómez.
Visualización de la Información
Introducción, definiciones, antecedentes, gráficos notables. Principios de la
excelencia gráfica. Observaciones y variables, tipos de variables y niveles de
medición. Visualizando tablas, jerarquías y redes. Utilización del color. Reducción de dimensiones y visualización de grandes volúmenes de datos. Prácticas con Tableau, Observable, Python y R.
Profesor: Lic. Ariel Aizemberg.
Conocé al coordinador académico
Alejandro Vaisman
Alejandro es Doctor en Ciencias de la Computación por la Universidad de Buenos Aires. Postdoctorado en la Universidad de Toronto, Canadá. Es especialista en Data Warehousing y Business Intelligence (BI), Data Mining, Sistemas de Información Geográfica (GIS), y en publicación de datos en la web, siguiendo los lineamientos de Linked Open Data. Co-autor, junto con el Prof. Esteban Zimányi (Universidad Libre de Bruselas) del libro “Data Warehouse Systems: Design and Implementation”. Ha publicado, además, 5 capítulos en libros internacionales y ha publicado artículos en las más prestigiosas revistas y conferencias de la especialidad.
Cuerpo docente
Todos collapsables cerrados
Este accordion está para que todos los ítems permanezcan cerrados
Marcela Riccillo
Doctora en Ciencias de la Computación de la Universidad de Buenos Aires, especialista en Inteligencia Artificial y Robótica. Cuenta con +15 años de experiencia en empresas e instituciones llevando a cabo proyectos de consultoría en tecnología de la información e IA aplicada a la industria. Ha realizado conferencias en eventos nacionales e internacionales y charlas TED, como TEDxRosario, y TEDxBarcelona. Tiene publicados trabajos de investigación en IA. Es, además, docente universitaria en IA, Robótica, Data Mining, Machine Learning, y Redes Neuronales. También reliza tareas de divulgación científica, entre ellas, fue columnista de Robótica en Radio Palermo, y jurado en el programa de ciencia de TV Eureka de Canal Encuentro.
Valeria Soliani
Lic. en Cs. de la Computación (FCEyN – UBA). Especialista en Cs. de Datos (ITBA). Candidata a Dra. en Computación por ITBA y Universidad de Hasselt (Bélgica). Profesora Adjunta, área Bases de Datos (ITBA), Profesora en la Especialización en Cs. de Datos (ITBA). Ex- Gerente de Alianzas y Canales en Informix Software de Argentina.
Todos collapsables cerrados
Este accordion está para que todos los ítems permanezcan cerrados
Leticia Gómez
Es Licenciada en Ciencias de la Computación de la UBA y Doctora en Ingeniería en Informática del ITBA. Ha participado en diferentes proyectos en el área de Data Warhousing como “Diseño e Implementación de Herramientas para la Administración y Análisis de la Evolución de Datos Complejos en Big Data Utilizando Bases de Datos de Grafos” y “Big Data Cubes: Publicación y Análisis de Datos Multidimensionales en la Web Semántica en Tiempo Casi-Real”. Directora del Proyecto FITAP 008 “Desarrollo de Laboratorio de Seguimiento de Ojos para Medición de Usabilidad en SaaS”, MINCYT, Argentina.
Actualmente es miembro del comité de UXQCC (User Experience Quality Certification Center) en UXPA, UXQCC. Es investigadora en el área de Bases de Datos, Business Intelligence (Online Analytical Processing y Data Mining) y Grafos. Ha realizado publicaciones en diferentes revistas científicas internacionales
Es docente titular en el Departamento de Ingeniería informática del ITBA.
Ariel Aizemberg
Licenciado en Ciencias de la Computación, Depto de Computación, FCEyN, UBA. 25 años de experiencia docente (Inteligencia Artificial, Sistemas Expertos, Data Mining y Visualización de Información, 10 años como consultor independiente en las siguientes áreas: Spatial Databases, GIS, Data Quality, InfoVis y BI. Se desempeñó también como responsable de desarrollos GIS en diferentes organizaciones.
Modalidad
Modalidad: Virtual
Mail de bienvenida: jueves 18 de julio + envío de material nivelatorio
Clase de consulta 1: martes 30 de julio
Clase de consulta 2: martes 6 de agosto
Exámen nivelatorio: viernes 9 de agosto
Primer sincrónico: martes 20 de agosto
Tutorías optativas: miércoles de 18 a 19 hs. (inician el 14/8)
Cursada: martes y jueves de 18 a 21.30 hs
Duración: 18 semanas – 119 Hs.
Fin de curso: jueves 19 de diciembre
Titulación: Certificado Avanzado en Data Science
Requisitos:
La Certificación Avanzada en Data Science tiene un curso de nivelación. En el mismo se dictan conceptos básicos de Base de Datos y SQL y contiene un examen obligatorio. Es condición para continuar con la cursada el programa haber aprobado el examen del curso de nivelación. Su duración es de cuatro semanas y se cursa asincronicamente con posibilidad de tutoreo a cargo del docente.
