Analítica y ciencia de datos para negocios

Overview

Limited-Time Offer: Up to 75% Off Coursera Plus!

7000+ certificate courses from Google, Microsoft, IBM, and many more.

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.

Syllabus

INTRODUCCIÓN

Esta sección presenta los conceptos esenciales para poder desarrollar el curso con éxito. Te invitamos a revisarlo todas las veces que lo consideres necesario.

MÓDULO 1 CONCEPTOS GENERALES

En este módulo, presentaré las principales técnicas de business analytics, a partir de una revisión general del universo de técnicas de analítica de datos y cuáles son la s más comúnmente usadas en los modelos de analítica aplicados en negocios.

MÓDULO 2 PREPROCESAMIENTO DE DATOS (1): Datos faltantes

En este Módulo se desarrolla el preprocesamiento de datos que corresponde a la etapa más compleja y de mayor duración de tiempo dentro de un proyecto de analítica de negocios. En particular, abordaremos todo lo referente al problema de los datos faltantes y las opciones de tratamiento frente a dicho problema.

MÓDULO 3 PREPROCESAMIENTO DE DATOS (2): Detección de outliers

En este módulo, continuaremos aprendiendo sobre la etapa del preprocesamiento, pero ahora nos enfocaremos en la detección y el tratamiento de los valores atípicos o extremos, llamados también outliers.

MÓDULO 4 PREPROCESAMIENTO DE DATOS (3): Normalización, Discretización y Reducción dimensional

En este último módulo se continuará explicando la etapa del preprocesamiento, pero ahora nos enfocaremos en las técnicas de transformación y la reducción dimensional de datos.