CIENCIA DE DATOS E INTELIGENCIA ARTIFICIAL

10% de dscto. a partir de 2 participantes y ex alumnos.

Escriba a capacitacion@adiestra.pe indicando sus datos, medio de contacto y el curso al que desea acceder.

Puede realizar su matrícula depositando en nuestra cuenta:
GRUPO CORPORATIVO ADIESTRA SAC
RUC: 20546385745
Cta. Cte. BCP Soles: 191-1966941-0-89
Código CCI BCP Soles: 00219100196694108956

Informes e inscripciones:
Lima – Perú central celular (511) 953821717
capacitacion@adiestra.pe

TEMARIO

1. Introducción a la Ciencia de Datos
2. Instalación y configuración del entorno (Python, TRAE IDE)
3. Fundamentos de Python I (tipos de datos, operadores, condicionales)
4. Fundamentos de Python II (funciones, módulos, errores)
5. Uso de ChatGPT como asistente de programación
6. Introducción a NumPy y Pandas
7. Visualización de datos con Matplotlib y Seaborn
8. Proyecto práctico: Análisis exploratorio
9. Introducción al Aprendizaje Automático
10. Algoritmos supervisados: regresión lineal y clasificación con k-NN (exponentes: Frank Rosenblatt, Trevor Hastie)
11. Algoritmos no supervisados: clustering con k-means y reducción de dimensiones (exponentes: MacQueen, Jolliffe)
12. Evaluación de modelos (accuracy, precision, recall, f1-score, confusion matrix)
13. Introducción a redes neuronales
14. ChatGPT para interpretación de modelos
15. Proyecto práctico: Modelo predictivo simple
16. Presentación de proyectos, aplicación de técnicas aprendidas y resolución de casos prácticos
17. Evaluación.

MÓDULO II: Limpieza de Datos y Estadística Aplicada – 48 horas

Objetivo: Dotar al asistente de herramientas para la manipulación de datos del mundo real mediante la limpieza, transformación y preparación de datos, utilizando Python como medio. Así mismo, buscaremos que comprenda y aplique conceptos de estadística descriptiva e inferencial que le permitan analizar, interpretar y extraer conclusiones de los datos. Se enfatizará en la resolución de problemas prácticos, la automatización de tareas repetitivas y el apoyo con herramientas de inteligencia artificial para interpretar resultados estadísticos de manera efectiva. En todos los casos, se utilizarán datos reales para entrenar al estudiante con escenarios verídicos y relevantes, evitando el uso exclusivo de datos sintéticos.

Contenido:

1. Importación y exportación de datos (CSV, Excel)
2. Exploración de datos y detección de anomalías
3. Manejo de datos faltantes
4. Outliers y su tratamiento
5. Transformación y codificación de variables
6. Integración de fuentes de datos
7. Estadística descriptiva (media, mediana, moda)
8. Visualización estadística (boxplots, histogramas)
9. Probabilidad básica
10. Distribuciones (normal, binomial)
11. Inferencia estadística: intervalos y pruebas
12. Correlación y regresión lineal
13. ANOVA
14. Presentación de proyectos, resolución de casos reales aplicando limpieza y análisis de datos
15. Ejercicios aplicados: casos reales con modelos supervisados (regresión, clasificación)
16. Ejercicios aplicados: casos reales con modelos no supervisados (clustering, segmentación)
17. Evaluación.

MÓDULO III: Aplicaciones Avanzadas y Business Intelligence – 48 horas

Objetivo: Consolidar los conocimientos adquiridos mediante su aplicación en contextos empresariales reales, orientados a la toma de decisiones. Se introducirán en herramientas de Business Intelligence y Business Analytics para el análisis de datos empresariales, generación de dashboards interactivos, segmentación de clientes, pronósticos y evaluación de estrategias.

Trabajaremos con casos reales de negocios para aplicar técnicas de modelamiento predictivo y prescriptivo, con el soporte de herramientas visuales e inteligencia artificial para mejorar la interpretación de resultados y presentación ejecutiva.

Contenido:

1. Introducción a Business Intelligence (BI)
2. Herramientas de BI: Power BI, Tableau
3. Dashboards interactivos
4. Introducción a Business Analytics
5. Segmentación de clientes (clustering)
6. Series temporales y pronóstico
7. Modelos de clasificación avanzados (decision trees, random forest)
8. Evaluación de modelos en negocios (ROI, KPIs)
9. Ética en Ciencia de Datos
10. Big Data: conceptos y herramientas
11. ChatGPT en análisis de negocios
12. Integración de datos en dashboards
13. Proyecto práctico: Análisis empresarial
14. Taller de presentación ejecutiva
15. Simulación de consultoría de datos
16. Presentación final de proyectos
17. Evaluación.

DATOS DE INICIO