
──────────────────
FORMATO: ONLINE ON-LIVE
──────────────────
DURACIÓN: 6 SEMANAS
──────────────────
PRECIO: $480 USD
──────────────────
NIVEL: BÁSICO
──────────────────
LO QUE APRENDERÁS
Las habilidades técnicas más utilizadas en la Ciencia de Datos relacionadas con las matemáticas y la programación. Lograrás entender las aplicaciones de Machine Learning, Data Mining, Topic Modeling, Forecasting y Sentiment Analysis, mediante ejemplos sencillos que puedas vincular con casos prácticos relacionados con tu área de conocimiento.
La Ciencia de Datos es un área interdisciplinaria que se nutre de diversas técnicas, una de ellas es Machine Learning.
Tres módulos
6 semanas
lunes a jueves
17:30 a 18:30 (UTC -5)
Forecasting: Correlación y Outliers
Regresión, Correlación y Series de Tiempo:
1. Modelos Lineales
2. Regresión lineal (ejemplo)
3. Correlación y series de tiempo (ejemplo)
4. Matriz de correlación
Outliers y limpieza de bases de datos:
1. Repaso sobre probabilidad y definición
2. Holt-Winters
3. Outliers vía Holt-Winters
4. Examen y Proyecto (Una serie de Tiempo completa)
Minería de Texto, Modelos Generativos y Topic-Modeling
Sistemas de Recomendación y algoritmos de cercanía:
1. Distancias Euclidianas
2. K-nearest neighbours (algoritmo KNN)
3. Sistemas de Recomendación
4. Sobre-ajuste y sub-ajuste
Procesamiento del Lenguaje Natural y análisis de sentimientos:
1. Independencia y el Teorema de Bayes
2. Procesamiento de Texto
3. Clasificador Naïve de Bayes
4. Proyecto
Sistemas de Recomendación y Modelos Discriminativos
Aprendizaje no-supervisado:
1. Centroides y K- means
2. Edificios inteligentes
3. El método del codo
4. Proyecto
Scrapping y Data Mining:
1. Medidas de similitud
2. Queries y minería de datos
3. Principios de Scrapping
4. Proyecto
¿Quieres saber más?

Evaluación y certificado
Realiza tu evaluación final para recibir un certificado otorgado por Bourbaki y Blenio.
¿Quién puede tomar el curso?
Este curso será perfecto para ti si a penas estás dando los primeros pasos en la Ciencia de Datos y deseas una corta inmersión en este mundo. Ideal para quienes estén por comenzar una maestría o un curso más intensivo sobre el tema y deseen comenzar a practicar.
También es posible tomar este curso después de aprobar Introducción a Python para Ciencia de Datos.
Descarga el temario del curso
Bourbaki, Colegio de Matemáticas
Un espacio para el aprendizaje personalizado en donde se imparten métodos de enseñanza para acercar a las personas al trasfondo matemático en múltiples fenómenos y procesos.
El objetivo es vincular la academia con aplicaciones de la realidad imperante y convertir el conocimiento matemático en una inversión sostenible que genere riqueza.
Alfonso Ruiz
Profesor
Alfonso Ruiz estudió matemáticas en la UNAM, en la Université d’Orsay y en Oxford University. Durante su carrera ha visitado y expuesto su trabajo en diversas instituciones tales como UCLA, Universität Münster, Notre Dame University, Institute Henri Poincaré, IHES, CIRM, Sophus Lie Conference Centre, CIMAT, University of Miami entre otros. Actualmente es Director del Colegio de Matemáticas Bourbaki y dedica su tiempo a convertir la institución en un centro de enseñanza e investigación de primer nivel.

Ana Isabel Ascencio
Profesora
Ana Isabel Ascencio Pedraza es Científica de Datos con más de 20 años de experiencia en análisis de datos para la toma de decisiones. Estudió Ingeniería Electromecánica en la Universidad Iberoamericana León, Métodos Estadísticos en el Centro de Investigaciones en Matemáticas (CIMAT) y Ciencia de Datos en el Centro de Investigación e Innovación en Tecnologías de la Información (INFOTEC). Actualmente es consultora en Ciencia de Datos y Analítica Avanzada.

Clases Máster 2021
Dar contexto a tu aprendizaje con estas ponencias semanales en vivo.

David Ruiz
Líder de Datos y Analíticos, AI y ML en Google México.
22 años de trayectoria en ventas de soluciones de software. Asesor de clientes y asociados para generar procesos de transformación.

Diego Lürssen
Gerente Corporativo de Analítica y Estrategia de Datos (CDO)
Más de 10 años de experiencia en sectores financieros, farmacéuticos, textiles, manufactura, energía y consumo.

Eduardo Ramirez
Doctor en Sistemas Inteligentes por el ITESM
Fundador de la comunidad de Ciencia de Datos en Monterrey, miembro del consejo del CVT de Caintra y de Saturdays.ai.

Enrique Corro
Data Scientist - Office of the CTO at VMware
Maestría en ciencia de datos y 15 años de experiencia trabajando en varios aspectos de VMware.

José Manuel Toral
Politólogo y maestro en política pública
22 años de trayectoria en ventas de soluciones de software. Asesor de clientes y asociados para generar procesos de transformación.
Linkedin

Francisco Marín
Chief Technology Officer (CTO) at Vendwatch Telematics
Más de 10 años de experiencia creando, administrando, diseñando y desarrollando productos de tecnología con conocimiento profundo en Inteligencia Artificial y Computer Visión.
Linkedin
Lo que dicen los ESTUDIANTES
“La forma en que lo llevan el curso es muy bueno, es decir, de la teoría a la práctica. El que nos hagas pensar en otras aplicaciones, le da un mayor valor, ya que eso permite ver más allá de los ejemplos vistos.
Aunado a eso, el tiempo que dedican a resolver las dudas, y las diferentes formas de abordarlas, es algo que también valoro y agradezco muchísimo, así como el incitar la participación.
En resumen estoy muy contento y agradecido por este maravilloso curso, que si bien el contenido es excelente, también la forma y dedicación con la que lo imparten.”
“Es un curso avanzado, bastante completo en temas de Machine Learning, desmenuzarás y entenderás modelos de predicción en casos reales, los cuales aplicarás. Los profesores tienen mucha paciencia, y disponibilidad para esclarecer tus dudas, entre clases o fuera de ellas, si no te quedan claras las clases puedes repasar a través de los vídeos, los cuales también son de mucha ayuda. Es bastante completo, se necesitan bases de programación, y de matemáticas (los profesores facilitan mucho este último). Se lo recomiendo a todo aquel que esté interesado en enriquecer y fortalecer sus conocimientos en ML.”
“Quedé más que satisfecha con los contenidos entregados, fue la mejor decisión que pude tomar.
Creo que la autocrítica vendría de mi parte, hubiese querido poder dedicarle más tiempo, pero aún así me quedo la impresión de haber aprendido bastante.
Como recomendaciones, creo que el formato de dos clases a la semana es bastante cómodo, pues permite que los contenidos se mantengan frescos.”
“Recomiendo el curso de Fundamentos de Machine Learning.
Los ejercicios están muy bien elegidos y los ejemplos son muy elocuentes por sí mismos, razón por la cual son más que útiles y apropiados para la comprensión de los temas por parte del principiante.
Una especial felicitación para el Dr. Alfonso por su expertise en la materia.”
Contenido del Curso

Curso Includes
- 31 Lecciones
- 125 Temas
- 3 Cuestionarios
YA FORMAS PARTE DE ESTE CURSO

