Monthly Subscription Starting at AED 99 + VAT

Analítica y ciencia de datos para negocio
  • Level Foundation
  • المدة
  • Offered by

عن

El objetivo del curso es lograr que los estudiantes apliquen los principios básicos, las características de la Analítica y ciencias de datos así como las etapas en el proceso de desarrollo de un proyecto de análisis de datos. Los estudiantes también se familiarizarán con el preprocesamiento de datos y serán capaces de manejar a, nivel práctico, las principales técnicas componentes de este, como el análisis de faltantes, la detección de outliers, las técnicas de normalización, discretización y reducción dimensional.

الوحدات

Introducción Lección 1.1 Conceptos básicos de Business Analytics

    • 3 Videos
    • 1 Readings
    • 1 Assignment
Show info about module content

1 Assignment

  • Conceptos básicos de Business Analytics

3 Videos

  • Bienvenida al curso
  • Data Science, Big Data y Data Analytics
  • Definición de Business Analytics

1 Readings

  • Silabo

Introducción Lección 1.2 Objetivos de un proyecto de Analítica y ciencia de datos para negocios

    • 5 Videos
    • 1 Assignment
Show info about module content

1 Assignment

  • Objetivos de un proyecto de Analítica y ciencia de datos

5 Videos

  • Objetivos de un proyecto
  • Definición de los objetivos comunes y sus tipos
  • El objetivo de clasificación o agrupamiento
  • El objetivo de estimación o predicción
  • Video de resumen de la Lección 1 y temas próximos

Introducción Lección 2.1 Tipos de proyecto de Analítica de Negocios

    • 5 Videos
    • 1 Assignment
Show info about module content

1 Assignment

  • Tipos de proyecto

5 Videos

  • Presentación Módulo 2
  • ¿Qué es el aprendizaje en Business Analytics?
  • El aprendizaje supervisado
  • El aprendizaje no supervisado
  • El aprendizaje por refuerzo

Introducción Lección 2.2 Estructura y División de la base de datos

    • 3 Videos
    • 1 Assignment
Show info about module content

1 Assignment

  • Estructura y división de datos

3 Videos

  • La base de datos: punto de partida
  • La base de datos de entrenamiento
  • Base de datos de evaluación

Introducción Lección 2.3 Etapas de un proyecto

    • 8 Videos
    • 1 Assignment
Show info about module content

1 Assignment

  • Etapas de un proyecto

8 Videos

  • Las etapas de un proyecto de Business Analytics
  • Etapa 1 y herramientas
  • Etapa 2 y herramientas
  • Etapa 3 y herramientas
  • Etapa 4 y herramientas
  • Etapa 5 y herramientas
  • Etapa 6 y herramientas
  • Resumen de la Lección 2 y temas próximos

Módulo 1 Lección 1.1 Técnicas para la Analítica de Negocios

    • 2 Videos
    • 1 Assignment
Show info about module content

1 Assignment

  • Modelos comúnmente empleados en las bases de datos

2 Videos

  • Video de presentación del Módulo 1
  • Casos más comunes donde se usa la analítica de datos

Módulo 1 Lección 1.2 Aplicaciones para el negocio

    • 1 Videos
    • 1 Assignment
Show info about module content

1 Assignment

  • Casos de aplicación del análisis para negocios

1 Videos

  • Presentación de casos más comunes para aplicar análisis de negocio

Módulo 1 Lección 1.3 Perfil del analista de Análisis de Negocio

    • 5 Videos
    • 1 Assignment
Show info about module content

1 Assignment

  • El analista de datos y sus funciones

5 Videos

  • El analista de datos y sus funciones
  • Habilidades del analista de datos
  • Softwares recomendados que el analista de datos debe conocer
  • Otros roles del analista de negocio
  • Resumen de la lección 1

Módulo 1 Lección 2.1 Instalación y recursos en R para la Analítica de Negocios

    • 12 Videos
Show info about module content

12 Videos

  • Revisión de la web en R program
  • Los paquetes de R y la documentación en línea
  • Instalar el programa R
  • Proceso de instalación y ejecución de paquetes
  • Funciones en R
  • Ejemplo de carga de datos con Rcmdr
  • Ejemplo de generación de gráficos con Rcmdr
  • Ejemplo de análisis descriptivo con Rcmdr
  • Ejemplo de análisis de modelos con Rcmdr
  • Revisión de la web de R studio y proceso de instalación
  • El entorno R studio
  • Resumen de la Lección Instalación en R program

Cuaderno de trabajo Módulo 1

    • 2 Readings
Show info about module content

2 Readings

  • Cuaderno de ejercicio Módulo 1
  • Solucionario Módulo 1

Examen final del Módulo 1

    • 1 Assignment
Show info about module content

1 Assignment

  • Examen final del módulo

Módulo 2 Lección 1.1 Preprocesamiento de datos

    • 5 Videos
    • 2 Assignment
Show info about module content

2 Assignment

  • Preprocesamiento de datos
  • Técnicas para el preprocesamiento de datos

5 Videos

  • Video de presentación del Módulo 2
  • ¿En que consiste el preprocesamiento de datos?
  • ¿Cuáles son las principales técnicas aplicar en el preprocesamiento de datos?
  • ¿En qué orden se aplican estas técnicas?
  • Resumen Lección 1, módulo 2

Módulo 2 Lección 2.1 Problema de los datos faltantes

    • 7 Videos
    • 3 Assignment
Show info about module content

3 Assignment

  • Datos faltantes
  • Casos de datos faltantes
  • Técnicas de corrección

7 Videos

  • Los datos faltantes
  • Causas y consecuencias de los datos faltantes
  • Impacto del nivel de faltabilidad
  • Mecanismos de los datos faltantes
  • Tratamiento de los datos faltantes
  • ¿Cuáles son las técnicas de imputación?
  • Resumen de la lección 2, módulo 2

Módulo 2 Lección 3.1 Detección de datos faltantes

    • 7 Videos
Show info about module content

7 Videos

  • Aplicación en R de los datos faltantes
  • Código en R para medir los niveles de faltabilidad en un base de datos
  • Borrado de observaciones
  • Borrado de variables
  • Imputación por medidas de tendencia central
  • Imputación por valor estimado a partir de un modelo
  • Resumen de Lección 3, Módulo 2

Cuaderno de ejercicio Módulo 2

    • 2 Readings
Show info about module content

2 Readings

  • Cuaderno de trabajo Módulo 2
  • Solucionario Módulo 2

Examen final del módulo 2

    • 1 Assignment
Show info about module content

1 Assignment

  • Técnicas para realizar el completado de datos faltantes

Módulo 3 Lección 1.1 Detección de outliers

    • 6 Videos
    • 2 Assignment
Show info about module content

2 Assignment

  • Outlier
  • Detección y eliminación de outliers

6 Videos

  • Presentación del módulo 3
  • Outliers univariados
  • Outliers multivariados
  • Métodos de detección de outliers multivariados
  • Efectos de la eliminación de outliers
  • Resumen de la lección 1, Módulo 3

Módulo 3 Lección 2.1 Outliers unidimensionales, multidimensionales y tratamiento de datos faltantes

    • 7 Videos
Show info about module content

7 Videos

  • Aplicación en R de los valores atípicos o outliers
  • Código para outliers bivariados
  • Código para outliers multivariados
  • Test de outliers
  • Paquete outlier
  • Tratamiento de los outliers
  • Resumen de la lección 2, Módulo 3

Cuaderno de trabajo Módulo 3

    • 2 Readings
Show info about module content

2 Readings

  • Cuaderno de trabajo Módulo 3
  • Solucionario Módulo 3

Examen final del Módulo 3

    • 1 Assignment
Show info about module content

1 Assignment

  • Examen final Módulo 3

Módulo 4 Lección 1.1 Normalización de datos

    • 4 Videos
    • 1 Assignment
Show info about module content

1 Assignment

  • ¿En que consiste la normalización?

4 Videos

  • Presentación del módulo 4
  • Normalización Zcore
  • Normalización Box-Cox
  • Normalización Min-Max

Módulo 4 Lección 1.2 Discretización de datos

    • 9 Videos
    • 1 Assignment
Show info about module content

1 Assignment

  • ¿En que consiste la discretización?

9 Videos

  • Discretización
  • Clasificación de los métodos de discretización
  • Discretización por intervalos de igual longitud
  • Discretización por intervalos de igual frecuencia
  • Discretización 1R
  • Resumen de la lección 1, Módulo 4
  • Discretización Chi Merge
  • Reducción dimensional
  • Método de componentes principales

Módulo 4 Lección 2.1 Aplicar R para normalización, discretización y reducción dimensional

    • 10 Videos
Show info about module content

10 Videos

  • Aplicación en R para normalizacón, discretización y reducción dimensional
  • Código en R: normalización Box-Cox
  • Código en R: normalización Min-Max
  • Código en R: comparación de métodos de normalización
  • Código en R: discretización por intervalos de igual longitud
  • Código en R: discretización por intervalos de igual frecuencia
  • Código en R: discretización 1R
  • Código en R: discretización Chi Merge
  • Método de componentes principales
  • Resumen de la lección 2, Módulo 4

Cuaderno de trabajo Módulo 4

    • 2 Readings
Show info about module content

2 Readings

  • Cuaderno de trabajo Módulo 4
  • Solucionario Módulo 4

Examen final del Módulo 54y del curso

    • 1 Assignment
Show info about module content

1 Assignment

  • Examen final del Módulo 4

Lecturas recomendadas

    • 1 Readings
Show info about module content

1 Readings

  • Selección de lecturas recomendadas