31/07/2015
El entorno actual se caracteriza por la generación exponencial de datos. Big Data y Ciencia de Datos son campos cruciales para comprender y aprovechar esta información. Nuestro curso te proporciona las herramientas y conocimientos necesarios para convertirte en un experto en el análisis de datos masivos.
¿Qué es un Curso de Big Data y Ciencia de Datos?
Este curso de posgrado en machine learning está diseñado para estudiantes interesados en la investigación aplicada y el análisis de grandes conjuntos de datos, tanto estructurados como no estructurados. Se enfoca en problemas de predicción e inferencia, con especial énfasis en la inferencia causal. Aprenderás a manejar datos de diversas fuentes como encuestas de hogares, precios de propiedades, datos de internet y redes sociales.
La modalidad es virtual, con clases en vivo, talleres prácticos y un proyecto final grupal. Obtendrás un certificado de aprobación con el número de créditos al finalizar el curso.
Dirigido a:
- Estudiantes avanzados de grado y posgrado en economía, ciencias políticas y disciplinas afines.
- Profesionales que buscan especializarse en el análisis de datos.
- Investigadores que necesitan herramientas para analizar grandes conjuntos de datos.
Requisitos:
- Haber cursado Microeconomía 3, Econometría 1 y 2, o equivalentes.
- Se recomienda haber cursado Econometría Avanzada.
- Experiencia básica en manejo de datos (Excel o Stata).
- Conocimientos deseables en software R o Python (el curso se basa principalmente en R).
Objetivos del Curso:
El objetivo principal es que los estudiantes puedan organizar, relacionar y analizar datos de gran escala para responder preguntas económicas y sociales, con especial énfasis en tareas predictivas. A través del curso, desarrollarás las siguientes competencias :
- Comprender las técnicas de ciencia de datos, ciencia computacional y estadística desde una perspectiva económica.
- Contrastar diferentes técnicas econométricas y su aplicabilidad.
- Manejar datos cuantitativos de diversas fuentes (páginas web, encuestas, datos geoespaciales, texto, etc.).
- Analizar y sintetizar bases de datos masivas para generar conclusiones y recomendaciones.
- Manejar con fluidez herramientas computacionales como R.
- Analizar críticamente datos presentados en textos académicos o ejercicios.
- Trabajar en equipo y resolver problemas colaborativamente.
- Exponer y defender el trabajo realizado de forma escrita y oral.
Metodología:
La metodología se basa en una combinación de clases virtuales, talleres grupales, presentaciones y un proyecto final. Se hará énfasis en el análisis de datos reales y la aplicación de metodologías específicas. La participación activa de los estudiantes es fundamental. El proyecto final permitirá aplicar los conceptos y herramientas aprendidas a un problema concreto, ya sea de investigación o industrial.
Contenido del Curso:
| Módulo | Temas |
|---|---|
| 1 | Introducción al aprendizaje estadístico: Predicción, explicación, causalidad, aprendizaje supervisado y no supervisado. |
| 2 | Regresión lineal, MCO, propiedades numéricas, sobreajuste, métodos de resampleo, validación cruzada, optimización, máxima verosimilitud, modelos lineales y no lineales, vecinos cercanos, obtención de datos de la web (scraping y APIs). |
| 3 | Selección de modelos y regularización (Lasso y Ridge), aplicaciones en inferencia causal. |
| 4 | Clasificación, análisis discriminante, clasificador de Bayes, regresión logística, aprendizaje no balanceado. |
| 5 | Árboles de decisión (CARTs), bosques, Bagging, Boosting, XGBoost, LightGBM, Super Learners, aplicaciones en inferencia causal. |
| 6 | Datos espaciales, modelado de dependencia espacial, métodos no paramétricos y econometría espacial. |
| 7 | Texto como datos, aprendizaje no supervisado, clustering, modelos de categorización de tópicos, Word Embeddings. |
| 8 | Introducción al aprendizaje profundo, redes neuronales, imágenes como datos. |
Profesores:
El curso es impartido por Ignacio Sarmiento-Barbieri, PhD en Economía con especialización en Economía Urbana y Econometría. Su experiencia en ciencia de datos, big data y aprendizaje automático lo convierte en el profesor ideal para este curso.
Consultas Habituales:
¿Cuánto cuesta el curso? El costo del curso era de $34000 hasta el 02 de junio de 2022 (nota: esta información podría estar desactualizada).
¿Cuál es la duración del curso? El curso tiene una duración de 8 semanas (48 horas).
¿Cuál es el horario del curso? El horario es lunes y miércoles de 6:00 p.m. a 9:00 p.m., con una clase complementaria los sábados de 8:00 a.m. a 9:30 a.m.
¿Dónde se imparte el curso? El curso se imparte de manera virtual.
¿Qué tipo de certificado se otorga? Se otorga un certificado de aprobación con el número de créditos.
¿Hay requisitos previos? Sí, se requieren conocimientos previos en Microeconomía, Econometría y manejo básico de datos.
Tabla Comparativa (Ejemplo):
| Característica | Nuestro Curso | Otros Cursos (Ejemplo) |
|---|---|---|
| Duración | 8 semanas | 12 semanas |
| Modalidad | Virtual | Presencial |
| Costo | (Consultar) | (Consultar) |
| Enfoque | Inferencia causal, datos reales | Teórico |
Recuerda que esta información es un ejemplo y podría variar. Para obtener la información más actualizada, te recomendamos que contactes directamente a la institución que ofrece el curso.
Conclusión:
Nuestro curso de Big Data y Ciencia de Datos te brindará las herramientas y conocimientos necesarios para destacar en este campo en crecimiento. Aprende a analizar datos masivos, desarrollar modelos predictivos y obtener insights valiosos. ¡Inscríbete hoy mismo y comienza a transformar datos en conocimiento!
Si quieres conocer otros artículos parecidos a Curso de big data y ciencia de datos: domina el análisis de datos masivos puedes visitar la categoría Curso.