Curso Gratuito Magister en Data Science

UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL BIG DATA

1. ¿Qué es Big Data?
2. La era de las grandes cantidades de información: historia del big data
3. La importancia de almacenar y extraer información
4. Big Data enfocado a los negocios
5. Open Data
6. Información pública
7. IoT (Internet of Things - Internet de las cosas)

UNIDAD DIDÁCTICA 2. BUSINESS INTELLIGENCE Y LA SOCIEDAD DE LA INFORMACIÓN

1. Definiendo el concepto de Business Intelligence y sociedad de la información
2. Arquitectura de una solución Business Intelligence
3. Business Intelligence en los departamentos de la empresa
4. Conceptos de Plan Director, Plan Estratégico y Plan de Operativa Anual
5. Sistemas Operacionales y Procesos ETL en un sistema de BI
6. Ventajas y Factores de Riesgos del Business Intelligence

UNIDAD DIDÁCTICA 3. FASES DE UN PROYECTO DE BIG DATA

1. Diagnóstico inicial
2. Diseño del proyecto
3. Proceso de implementación
4. Monitorización y control del proyecto
5. Responsable y recursos disponibles
6. Calendarización
7. Alcance y valoración económica del proyecto

UNIDAD DIDÁCTICA 4. PRINCIPALES PRODUCTOS DE BUSINESS INTELLIGENCE

1. Cuadros de Mando Integrales (CMI)
2. Sistemas de Soporte a la Decisión (DSS)
3. Sistemas de Información Ejecutiva (EIS)

UNIDAD DIDÁCTICA 5. MINERÍA DE DATOS O DATA MINING Y EL APRENDIZAJE AUTOMÁTICO

1. Introducción a la minería de datos y el aprendizaje automático
2. Proceso KDD
3. Modelos y Técnicas de Data Mining
4. Áreas de aplicación
5. Minería de Textos y Web Mining
6. Data mining y marketing

UNIDAD DIDÁCTICA 6. DATAMART: CONCEPTO DE BASE DE DATOS DEPARTAMENTAL

1. Aproximación al concepto de DataMart
2. Bases de datos OLTP
3. Bases de Datos OLAP
4. MOLAP, ROLAP & HOLAP
5. Herramientas para el desarrollo de cubos OLAP

UNIDAD DIDÁCTICA 7. DATAWAREHOUSE O ALMACEN DE DATOS CORPORATIVOS

1. Visión General: ¿Por qué DataWarehouse?
2. Estructura y Construcción
3. Fases de implantación
4. Características
5. Data Warehouse en la nube

UNIDAD DIDÁCTICA 8. INTELIGENCIA DE NEGOCIO Y HERRAMIENTAS DE ANALÍTICA

1. Tipos de herramientas para BI
2. Productos comerciales para BI
3. Productos Open Source para BI
4. Beneficios de las herramientas de BI

UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA CIENCIA DE DATOS

1. ¿Qué es la ciencia de datos?
2. Herramientas necesarias para el científico de datos
3. Data Science & Cloud Compunting
4. Aspectos legales en Protección de Datos

UNIDAD DIDÁCTICA 2. BASES DE DATOS RELACIONALES

1. Introducción
2. El modelo relacional
3. Lenguaje de consulta SQL
4. MySQL Una base de datos relacional

UNIDAD DIDÁCTICA 3. BASES DE DATOS NOSQL Y EL ALMACENAMIENTO ESCALABLE

1. ¿Qué es una base de datos NoSQL?
2. Bases de datos Relaciones Vs Bases de datos NoSQL
3. Tipo de Bases de datos NoSQL Teorema de CAP
4. Sistemas de Bases de datos NoSQL

UNIDAD DIDÁCTICA 4. INTRODUCCIÓN A UN SISTEMA DE BASES DE DATOS NOSQL: MONGODB

1. ¿Qué es MongoDB?
2. Funcionamiento y uso de MongoDB
3. Primeros pasos con MongoDB: Instalación y shell de comandos
4. Creando nuestra primera Base de Datos NoSQL: Modelo e Inserción de Datos
5. Actualización de datos en MongoDB: Sentencias set y update
6. Trabajando con índices en MongoDB para optimización de datos
7. Consulta de datos en MongoDB

UNIDAD DIDÁCTICA 5. WEKA Y DATA MINING

1. ¿Qué es Weka?
2. Técnicas de Data Mining en Weka
3. Interfaces de Weka
4. Selección de atributos

UNIDAD DIDÁCTICA 6. PYTHON Y EL ANÁLISIS DE DATOS

1. Introducción a Python
2. ¿Qué necesitas?
3. Librerías para el análisis de datos en Python
4. MongoDB, Hadoop y Python Dream Team del Big Data

UNIDAD DIDÁCTICA 7. R COMO HERRAMIENTA PARA BIG DATA

1. Introducción a R
2. ¿Qué necesitas?
3. Tipos de datos
4. Estadística Descriptiva y Predictiva con R
5. Integración de R en Hadoop

UNIDAD DIDÁCTICA 8. PRE-PROCESAMIENTO & PROCESAMIENTO DE DATOS

1. Obtención y limpieza de los datos (ETL)
2. Inferencia estadística
3. Modelos de regresión
4. Pruebas de hipótesis

UNIDAD DIDÁCTICA 9. ANÁLISIS DE LOS DATOS

1. Inteligencia Analítica de negocios
2. La teoría de grafos y el análisis de redes sociales
3. Presentación de resultados

UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL ANÁLISIS DE DATOS

UNIDAD DIDÁCTICA 2. LIBRERÍAS PARA EL ANÁLISIS DE DATOS: NUMPY, PANDAS Y MATPLOTLIB

UNIDAD DIDÁCTICA 3. FILTRADO Y EXTRACCIÓN DE DATOS

UNIDAD DIDÁCTICA 4. PIVOT TABLES

UNIDAD DIDÁCTICA 5. GROUPBY Y FUNCIONES DE AGREGACIÓN

UNIDAD DIDÁCTICA 6. FUSIÓN DE DATAFRAMES

UNIDAD DIDÁCTICA 7. VISUALIZACIÓN DE DATOS CON MATPLOTLIB Y CON SEABORN

UNIDAD DIDÁCTICA 8. INTRODUCCIÓN AL MACHINE LEARNING

UNIDAD DIDÁCTICA 9. REGRESIÓN LINEAL Y REGRESIÓN LOGÍSTICA

UNIDAD DIDÁCTICA 10. ÁRBOL DE DECISIONES

UNIDAD DIDÁCTICA 11. NAIVE BAYES

UNIDAD DIDÁCTICA 12. SUPPORT VECTOR MACHINES (SVM)

UNIDAD DIDÁCTICA 13. KNN

UNIDAD DIDÁCTICA 14. PRINCIPAL COMPONENT ANALYSIS (PCA)

UNIDAD DIDÁCTICA 15. RANDOM FOREST

UNIDAD DIDÁCTICA 1. GGPLOT2 COMO LIBRERÍA PARA VISUALIZACIÓN DE DATOS EN R

UNIDAD DIDÁCTICA 2. EJES

UNIDAD DIDÁCTICA 3. TÍTULOS

UNIDAD DIDÁCTICA 4. LEYENDAS

UNIDAD DIDÁCTICA 5. FONDOS Y LÍNEAS DE CUADRÍCULA

UNIDAD DIDÁCTICA 6. MÁRGENES

UNIDAD DIDÁCTICA 7. GRÁFICOS DE PANELES MÚLTIPLES

UNIDAD DIDÁCTICA 8. COLORES

UNIDAD DIDÁCTICA 9. TEMAS

UNIDAD DIDÁCTICA 10. LÍNEAS

UNIDAD DIDÁCTICA 11. TEXTO

UNIDAD DIDÁCTICA 12. COORDENADAS

UNIDAD DIDÁCTICA 13. TIPOS DE GRÁFICOS

UNIDAD DIDÁCTICA 14. CINTAS

UNIDAD DIDÁCTICA 15. SUAVIZADOS

UNIDAD DIDÁCTICA 16. GRÁFICOS INTERACTIVOS

UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA ANALÍTICA WEB

1. ¿Qué es la analítica web?
2. Establecimiento de objetivos y KPIs
3. Métricas principales y avanzadas
4. Objetivos y ventajas de medir
5. Plan de medición

UNIDAD DIDÁCTICA 2. GOOGLE ANALYTICS 4

1. Introducción a Google Analytics 4
2. Interfaz
3. Métricas y dimensiones
4. Informes básicos
5. Filtros
6. Segmentos
7. Eventos
8. Informes personalizados
9. Comportamiento de los usuarios e interpretación de datos

UNIDAD DIDÁCTICA 3. GOOGLE TAG MANAGER

1. Introducción a GTM
2. Implementación con GTM
3. Medición con GTM
4. Uso de Debug/Preview Mode

UNIDAD DIDÁCTICA 4. MODELOS DE ATRIBUCIÓN

1. La atribución
2. Multicanalidad
3. Customer Journey
4. Principales modelos de atribución
5. Modelos de atribución personalizados

UNIDAD DIDÁCTICA 5. CREACIÓN DE DASHBORAD CON GOOGLE DATA STUDIO

1. Planificación del Dashboard
2. Características del Dashboard
3. Introducción a Data Studio
4. Conectores
5. Tipos de gráficos
6. Personalización de informes
7. Elementos de control
8. Dimensiones y métricas
9. Campos Calculados
10. Compartir informes

UNIDAD DIDÁCTICA 6. ANALÍTICA WEB ORIENTADA AL SEO

1. Introducción al SEO
2. Historia de los motores de búsqueda
3. Componentes de un motor de búsqueda
4. Organización de resultados en un motor de búsqueda
5. La importancia del contenido
6. El concepto de autoridad en Internet
7. Campaña SEO

UNIDAD DIDÁCTICA 7. ANALÍTICA WEB ORIENTADA AL SEM

1. Introducción al SEM
2. Principales conceptos en SEM
3. Sistema de pujas y Calidad del anuncio
4. Primer contacto con Google Ads
5. Creación de anuncios con calidad
6. Indicadores clave de rendimiento en SEM

UNIDAD DIDÁCTICA 8. ANALÍTICA WEB ORIENTADA A LAS REDES SOCIALES

1. Análisis del tráfico en redes sociales
2. Fijar objetivos en redes sociales
3. Facebook
4. Twitter
5. Youtube
6. LinkedIn
7. Tik tok
8. Instagram

UNIDAD DIDÁCTICA 9. TÉCNICAS Y ESTRATEGIAS

1. Usabilidad
2. Mapas de calor
3. Grabaciones de sesiones de usuario
4. Ordenación de tarjetas
5. Test A/B
6. Test multivariante
7. KPI, indicadores clave de rendimiento
8. Cambios a realizar para optimizar una página web

UNIDAD DIDÁCTICA 10. OTRAS HERRAMIENTAS PARA ANALÍTICA WEB

1. Hotjar
2. Microsoft Power BI
3. Google Search Console
4. Matomo
5. Awstats
6. Chartbeat
7. Adobe Analytics

UNIDAD DIDÁCTICA 11. COOKIES Y TECNOLOGÍAS DE SEGUIMIENTO

1. ¿Qué son las cookies?
2. Tipos de cookies
3. GDPR
4. Herramientas para manejar el consentimiento de cookies

UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL MACHINE LEARNING

1. Introducción
2. Clasificación de algoritmos de aprendizaje automático
3. Ejemplos de aprendizaje automático
4. Diferencias entre el aprendizaje automático y el aprendizaje profundo
5. Tipos de algoritmos de aprendizaje automático
6. El futuro del aprendizaje automático

UNIDAD DIDÁCTICA 2. EXTRACCIÓN DE ESTRUCTURA DE LOS DATOS: CLUSTERING

1. Introducción
2. Algoritmos

UNIDAD DIDÁCTICA 3. SISTEMAS DE RECOMENDACIÓN

1. Introducción
2. Filtrado colaborativo
3. Clusterización
4. Sistemas de recomendación híbridos

UNIDAD DIDÁCTICA 4. CLASIFICACIÓN

1. Clasificadores
2. Algoritmos

UNIDAD DIDÁCTICA 5. REDES NEURONALES Y DEEP LEARNING

1. Componentes
2. Aprendizaje

UNIDAD DIDÁCTICA 6. SISTEMAS DE ELECCIÓN

1. Introducción
2. El proceso de paso de DSS a IDSS
3. Casos de aplicación

UNIDAD DIDÁCTICA 7. DEEP LEARNING CON PYTHON, KERAS Y TENSORFLOW

1. Aprendizaje profundo
2. Entorno de Deep Learning con Python
3. Aprendizaje automático y profundo

UNIDAD DIDÁCTICA 8. SISTEMAS NEURONALES

1. Redes neuronales
2. Redes profundas y redes poco profundas

UNIDAD DIDÁCTICA 9. REDES DE UNA SOLA CAPA

1. Perceptrón de una capa y multicapa
2. Ejemplo de perceptrón

UNIDAD DIDÁCTICA 10. REDES MULTICAPA

1. Tipos de redes profundas
2. Trabajar con TensorFlow y Python

UNIDAD DIDÁCTICA 11. ESTRATEGIAS DE APRENDIZAJE

1. Entrada y salida de datos
2. Entrenar una red neuronal
3. Gráficos computacionales
4. Implementación de una red profunda
5. El algoritmo de propagación directa
6. Redes neuronales profundas multicapa

UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL PLN

1. ¿Qué es PLN?
2. ¿Qué incluye el PLN?
3. Ejemplos de uso de PLN
4. Futuro del PLN

UNIDAD DIDÁCTICA 2. PLN EN PYTHON

1. PLN en Python con la librería NLTK
2. Otras herramientas para PLN

UNIDAD DIDÁCTICA 3. COMPUTACIÓN DE LA SINTAXIS PARA EL PLN

1. Principios del análisis sintáctico
2. Gramática libre de contexto
3. Analizadores sintácticos (Parsers)

UNIDAD DIDÁCTICA 4. COMPUTACIÓN DE LA SEMÁNTICA PARA EL PLN

1. Aspectos introductorios del análisis semántico
2. Lenguaje semántico para PLN
3. Análisis pragmático

UNIDAD DIDÁCTICA 5. RECUPERACIÓN Y EXTRACCIÓN DE LA INFORMACIÓN

1. Aspectos introductorios
2. Pasos en la extracción de información
3. Ejemplo PLN
4. Ejemplo PLN con entrada de texto en inglés

UNIDAD DIDÁCTICA 6. ¿QUÉ ES UN CHATBOT?

1. Aspectos introductorios
2. ¿Qué es un chatbot?
3. ¿Cómo funciona un chatbot?
4. VoiceBots
5. Desafios para los Chatbots

UNIDAD DIDÁCTICA 7. RELACIÓN ENTRE IA Y CHATBOTS

1. Chatbots y el papel de la Inteligencia Artificial (IA)
2. Usos y beneficios de los chatbots
3. Diferencia entre bots, chatbots e IA

UNIDAD DIDÁCTICA 8. ÁMBITOS DE APLICACIÓN CHATBOTS

1. Áreas de aplicación de Chatbots
2. Desarrollo de un chatbot con ChatterBot y Python
3. Desarrollo de un chatbot para Facebook Messenger con Chatfuel

UNIDAD DIDÁCTICA 1. INTRODUCCIÓN E INSTALACIÓN DE OPENCV

1. Descripción general OpenCV
2. Instalación OpenCV para Python en Windows
3. Instalación OpenCV para Python en Linux
4. Anaconda y OpenCV

UNIDAD DIDÁCTICA 2. MANEJO DE FICHEROS, CÁMARAS E INTERFACES GRÁFICAS

1. Manejo de archivos
2. Leer una imagen con OpenCV
3. Mostrar imagen con OpenCV
4. Guardar una imagen con OpenCV
5. Operaciones aritméticas en imágenes usando OpenCV
6. Funciones de dibujo

UNIDAD DIDÁCTICA 3. TRATAMIENTO DE IMÁGENES

1. Redimensión de imágenes
2. Erosión de imágenes
3. Desenfoque de imágenes
4. Bordeado de imágenes
5. Escala de grises en imágenes
6. Escalado, rotación, desplazamiento y detección de bordes
7. Erosión y dilatación de imágenes
8. Umbrales simples
9. Umbrales adaptativos
10. Umbral de Otsu
11. Contornos de imágenes
12. Incrustación de imágenes
13. Intensidad en imágenes
14. Registro de imágenes
15. Extracción de primer plano
16. Operaciones morfológicas en imágenes
17. Pirámide de imágen

UNIDAD DIDÁCTICA 4. HISTOGRAMAS Y TEMPLATE MATCHING

1. Analizar imágenes usando histogramas
2. Ecualización de histogramas
3. Template matching
4. Detección de campos en documentos usando Template matching

UNIDAD DIDÁCTICA 5. COLORES Y ESPACIOS DE COLOR

1. Espacios de color en OpenCV
2. Cambio de espacio de color
3. Filtrado de color
4. Denoising de imágenes en color
5. Visualizar una imagen en diferentes espacios de color

UNIDAD DIDÁCTICA 6. DETECCIÓN DE CARAS Y EXTRACCIÓN DE CARACTERÍSTICAS

1. Detección de líneas
2. Detección de círculos
3. Detectar esquinas (Método Shi-Tomasi)
4. Detectar esquinas (método Harris)
5. Encontrar círculos y elipses
6. Detección de caras y sonrisas

UNIDAD DIDÁCTICA 7. APRENDIZAJE AUTOMÁTICO

1. Vecino más cercano (K-Nearest Neighbour)
2. Agrupamiento de K-medias (K-Means Clustering)