PEA Programa deEspecializaciónAnalítica
DATA SCIENCEFUNDAMENTALS
PEA Programa deEspecializaciónAnalítica
DATA SCIENCEFUNDAMENTALS
EDICIÓN #4. LIMA, PERÚ. ®
El programa desarrolla los principios de las técnicas de Machine Learning y el análisis de grandes cantidades de datos. Se usa R y Python como principales herramientas.Se abordan temas de análisis de datos estructurados / no estructurados con fundamentos de aprendizaje supervisado y/o no supervisado. Se engloba el aprendizaje en un proyecto con aplicación real.
principios y fundamentosde data science
Perfil Beneficios Competencias
Ingenieros Estadísticos e Informáticos, Matemáticos, Economistas, Informáticos, Ingenieros de Sistemas, Administradores, carreras afines.
Casos reales: enfoque en la solución de casos en escenarios que simulan la problemática actual.
Plana docente: con los líderes de la Industria a nivel nacional. Laboratorio especializado: podrás desarrollar el pensamiento analítico.
Bolsa de trabajo DMC: acceso a oportunidades laborales referentes a la analítica.
El participante será capaz de analizar volúmenes gigantes de datos para generar insights accionables.Podrás desarrollar modelos predictivos analizando data estructurada y no estructurada.
ProgramaCurricular
Unsupervised Methods
Data Science Project
Machine Learning Introduction
Statistical Essentials
R Essentials
Workshop Socialization
Python Essentials
Supervised Methods
Data ScienceFundamentals
PEA - Data Science Fundamentals
Workshops(88 horas académicas)
Cursos hands-on para el desarrollo de habilidades analíticas, técnicas con herramientas especializadas aplicadas al Big Data.
Los participantes estarán acompañados por un tutor durante todo el desarrollo del PEA, además podrás compartir experiencias con personas de diferente perfil académico y laboral.
Projects(16 horas académicas)
Horas académicas:104
Tiempode duración:04 Meses
(16 horas académicas)8. Data Science Project
Herramienta: Python y RSyllabus:
• Taller vivencial
Para implementar soluciones de información en la organización se necesita un marco de trabajo que lo haga posible. El curso es un taller de metodologías ágiles usando SCRUM enfocado en proyectos de inteligencia de negocios.
(12 horas académicas)7. Unsupervised Methods
Herramienta: Python y RSyllabus:
• K means. • K modes.• Expectation maximization.• DB Scan.• Mclust.
Nos permite explorar técnicas de clustering y reducción de dimensiones para encontrar nuevas variables influyentes y mejoradas.
(24 horas académicas)6. Supervised Methods
Herramienta: Python y RSyllabus:
• Regresión lineal simple, múltiple y logística, KNN.• Naïve Bayes. • Decisión tres.• Random Forest.• SVM.• Introducción a las redes neuronales y ensamblado
de modelos.• Comparación entre modelos.
Nos permite explorar nuevas técnicas de análisis predictivo para entender y predecir comportamientos futuros.
(12 horas académicas)3. Python Essentials
Herramienta: PythonSyllabus:
• Instalación de herramientas (local + cloud).• Estructuras y elementos del lenguaje.• Principios de programación en Python (pensando en objetos).• Introducción a librerías numpy, pandas y matplotlib.
Este curso permite ingresar al mundo de Python, entender sus funcionalidades principales para entender el mundo de la ciencia de los datos.
(12 horas académicas)4. Statistical Essentials
Herramienta: R y PythonSyllabus:
• Análisis estadístico exploratorio. • Medidas de tendencia central. • Medidas de dispersión, medidas de posición. • Inferencia estadística• Métodos de muestreo.
Este curso permite entender los principios y fundamentos de los conceptos estadísticos aplicados en la Ciencia de Datos.
5. Machine Learning Introduction(12 horas académicas)
Se explora desde un punto de vista aplicativo las diferentes tareas que se pueden realizar en Ciencia de Datos en el entorno Big Data. Se abordan casos reales y su aplicación práctica. Herramienta: R y PythonSyllabus:
• Introducción a Machine Learning, conceptos básicos.• Tipos de aprendizaje (Machine Learning, Statistical
Learning). • Otros tipos de aprendizaje (supervisado, no
supervisado, por refuerzo) • Casos de éxito de Machine Learning, Machine Learning
on premise / in cloud.(12 horas académicas)
2. R Essentials
Este curso permite ingresar al mundo de R, entender sus funcionalidades principales para conocer el mundo de la ciencia de los datos.Herramienta: RSyllabus:
• Instalación de herramientas (local + cloud).• Introducción a R / R studio ¿cómo funcionan?• Importar datos de diferentes formatos a R.• Programación práctica en R.• Gráficos con R.
(04 horas académicas)1. Workshop Socialization
Se busca generar cohesión entre los participantes para la realización de trabajo en equipo.
Sumillas:
Jonny ChambiCo founder & CEO, DMC Perú. Subgerente de Analytics en Banco Falabella Perú
MBA de la UPC. Master Europeo en Dirección de Marketing y Gestión Comercial de EOI España. Profesional de Ingeniería Estadística de la Universidad Nacional de Ingeniería. Con cerca de 10 años de experiencia en proyectos de Business Intelligence, CRM y Data Mining. Se ha desmpeñado en diferentes empresas de banca y telecomunicaciones como Telefónica, Banco Interbank, BBVA Banco Continental y JNE. Actualmente como Director Ejecutivo de DMC, empresa dedicada a la capacitación en Big Data y Business Analytics.
David AllendeJefe Data Science en
Interbank
Profesional con experiencia en modelado predictivo, segmentación de clientes, minería de datos y big data. Experiencia en áreas de análisis de negocios resolviendo problemas comerciales de banca, telecomunicaciones, venta minorista y gobierno, utilizando análisis avanzados, minería de datos y entrenador estadístico para ejecutivos. Especialista en análisis de negocios e ingeniería estadística.
Eloy OvalleJefe de Gobierno de
Datos en Interbank
Magister Profesional en Ingeniería de Sistemas e Informática perteneciente al quinto superior, con más de 9 años de experiencia en el mercado laboral. Con experiencia en gestión de la calidad y el ciclo de vida de los productos bancarios, experiencia en la mejora de la contactabilidad y efectividad de los canales, manejo de presupuesto y gestión de proyectos transformacionales.
André ChávezSenior Data Scientist en
Interbank
Candidato a magíster en Data Science en la Universidad Ricardo Palma con pasantías en la Universidad ITAM de México y la Pontificia Universidad Javeriana de Colombia. Estadístico de la UNMSM perteneciente al quinto superior en grado académico. Cofundador de San Marcos Data Science Community, comunidad dedicada a promover la investigación de los estudiantes de la UNMSM en temas como Data Science, Big Data, Machine Learning, Data Mining, etc.
Jimmy SalazarEspecialista de
Inteligencia Analítica en
BBVA
Ingeniero estadístico titulado, con más de 6 años de experiencia trabajando en áreas analíticas y muy involucrado al uso de herramientas de Machine Learning, Big Data y los lenguajes de programación Python y Scala, orientado a trabajar bajo la plataforma Big Data propia del Corporativo (DATIO). Actualmente es Scrum Master en el BBVA Continental, responsable del proyecto Big Data encargado de desarrollar y automatizar todos los procesos de modelos analíticos y campañas dentro de nuestra plataforma.
Jesús SalinasProfesor Principal en
Universidad Nacional
Agraria La Molina
Ingeniero Estadístico de la Universidad Nacional Agraria La Molina y magíster en Ingeniería Industrial, mención en Gestión Industrial de la Universidad Nacional Mayor de San Marcos. Ha sido director del departamento académico de Estadística e Informática de la Universidad Nacional Agraria La Molina. Actualmente se desempeña como profesor principal en el departamento académico de Estadística e Informática y docente en la maestría de Estadística Aplicada de la UNALM. Además, docente en la maestría en Ciencia de los Datos de la Universidad Ricardo Palma.
Docente DMC
Docente DMC
Nota: Todos los profesores mencionados están relacionados al programa de especialización. No necesariamente podrían desarrollar una clase.
CONTAMOS CON UNA PLANA DOCENTE COMPUESTA POR LÍDERES DEL SECTOR ESPECIALIZADOS EN HERRAMIENTAS ANALÍTICAS Y TÉCNICAS AVANZADAS, COMPROMETIDOS CON EL DESARROLLO PROFESIONAL DEL ALUMNO.
Laren OsorioProject Leader Analytics
en Telefónica del Perú
Bachiller de Ingeniería de Sistemas de la Universidad Nacional de Ingeniería (UNI) en Lima, Perú. Investigador en soluciones de Data Science y Big Data. Desarrollador de proyectos de minería de datos. Formulador de estrategias comerciales para el despliegue de modelos analíticos. Experiencia en la mejora de procesos, planeamiento estratégico y Business Intelligence. Manejo de software necesario para el apoyo en la toma de decisiones, como el Rapid Miner, Python, R - Statistics, SPSS Modeler, SQL Server Business Intelligence, Mongo D.B, Tableau.
CERTIFICACIÓN• Certificación de Data Science Executive a
nombre de DMC.
DATOS IMPORTANTESDuración: 4 mesesLugar: Laboratorio DMC. Jr. Río de la Plata 167. Of. 203. San Isidro.
Requisitos: • Conocimientos básicos en conceptos estadísticos, uso de R y/o Python.
Proceso de admisión: Enviar CV a [email protected]
INFORMESTeléfono: (511) 253- 5066Celular: 975491764Correo: [email protected]: www.dmc.peDirección: Jr. Río de la Plata 167. Of. 203 - San Isidro.