Data science
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:
- Manejo de grandes cantidades de datos, independientemente de restricciones de hardware,software y ancho de banda.
- Integración datos provenientes de diversas fuentes y cómo asegurar su consistencia.
- Creación de visualizaciones que ayuden a entender los data sets.
- Construcción de modelos matemáticos con los datos.
- Presentación y comunicación de resultados y hallazgos (incluso para una audiencia inexperta).
Para recibir más información, contactanos a través del formulario de consulta
Inicio mail de bienvenida: 4/04/2023
Fin:
17/08/2023
Cursada:
Martes y jueves de 18 a 21:30 hs. (Tutoreo online miércoles de 19 a 20 hs.)
Duración:
18 semanas (119 hs.)
Precio: 1.500 USD.-
Medios de Pago: Paypal o Bitso
Beneficio por pronta inscripción hasta el 15/03: 1.275 USD.-
¿A quién va dirigido?
Ingenieros, científicos y analistas de datos que buscan convertir grandes volúmenes de datos en información procesable.
Profesionales que quieran obtener herramientas de procesamiento de datos para mejorar procesos de toma de decisiones.
Profesionales que deseen aplicar técnicas de inteligencia artificial y machine learning para minar datos y realizar modelos descriptivos y predictivos.
Plan de estudios
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 MACHINE 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.