Curso de Minería de Datos y Aprendizaje Automático con R

Audiencia

Si intentas dar sentido a los datos a los que tienes acceso o quieres analizar datos no estructurados disponibles en la red (como Twitter, Linked in, etc...) este curso es para ti.

Está dirigido principalmente a los responsables de la toma de decisiones y a las personas que necesitan elegir qué datos vale la pena recopilar y cuáles vale la pena analizar.

No está dirigido a las personas que configuran la solución, sin embargo, esas personas se beneficiarán del panorama general.

Modo de entrega

Durante el curso, se presentarán a los delegados ejemplos de trabajo de tecnologías de código abierto.

A las conferencias breves les seguirán una presentación y ejercicios sencillos por parte de los participantes

Contenido y software utilizado

Todo el software utilizado se actualiza cada vez que se ejecuta el curso, por lo que comprobamos las versiones más recientes posibles.

Abarca el proceso desde la obtención, formateo, procesamiento y análisis de los datos, hasta explicar cómo automatizar el proceso de toma de decisiones con machine learning.

Objetivo:

Los delegados podrán analizar conjuntos de datos grandes, extraer patrones, elegir la variable adecuada que impacta en los resultados, con el fin de predecir un nuevo modelo con resultados predictivos.

El curso se puede proporcionar con cualquier herramienta, incluido el software y las aplicaciones gratuitas de minería de datos de código abierto

Esta formación dirigida por un instructor (en línea o presencial) está destinada a analistas de datos y científicos de datos que desean implementar técnicas avanzadas de análisis de datos para la minería de datos utilizando Python.

Al finalizar esta formación, los participantes podrán:

• Comprender áreas importantes de la minería de datos, incluyendo la minería de reglas de asociación, el análisis del sentimiento del texto, la resumen automático de textos y la detección de anomalías en los datos.
• Comparar e implementar diversas estrategias para resolver problemas reales de minería de datos.
• Comprender e interpretar los resultados. 

Formato del Curso

• Charlas interactivas y discusiones.
• Muchos ejercicios y práctica.
• Implementación práctica en un entorno de laboratorio en vivo.

Opciones de Personalización del Curso

• Para solicitar una formación personalizada para este curso, por favor contáctenos para coordinar.

R es un lenguaje de programación gratuito de código abierto para computación estadística, análisis de datos y gráficos. R es utilizado por un número cada vez mayor de gerentes y analistas de datos dentro de las corporaciones y el mundo académico. R tiene una amplia variedad de paquetes para la minería de datos.

En esta capacitación en vivo dirigida por un instructor en Colombia, los participantes aprenderán cómo construir un Data Vault.

Al final de esta formación, los participantes serán capaces de:

• Comprender los conceptos de arquitectura y diseño detrás de Data Vault 2.0 y su interacción con Big Data, NoSQL e IA.
• Utilice técnicas de almacenamiento de datos para permitir la auditoría, el seguimiento y la inspección de datos históricos en un almacén de datos.
• Desarrolle un proceso ETL (Extracción, Transformación, Carga) coherente y repetible.
• Construya e implemente almacenes altamente escalables y repetibles.

Este curso está dirigido a ingenieros y tomadores de decisiones que trabajan en minería de datos y descubrimiento de conocimientos.

Aprenderá cómo crear diagramas efectivos y formas de presentar y representar sus datos de una manera que atraiga a los tomadores de decisiones y les ayude a comprender la información oculta.

Big data son conjuntos de datos que son tan voluminosos y complejos que el software de aplicación de procesamiento de datos tradicional es inadecuado para manejarlos. Los grandes desafíos de datos incluyen la captura de datos, el almacenamiento de datos, el análisis de datos, la búsqueda, el intercambio, la transferencia, la visualización, la consulta, la actualización y la privacidad de la información.

Esta formación en vivo dirigida por un instructor en Colombia (en línea o presencial) está destinada a profesionales principiantes que desean dominar los fundamentos de R y cómo trabajar con datos.

Al finalizar esta formación, los participantes podrán:

• Comprender el entorno de programación R e la interfaz de RStudio.
• Importar, manipular y explorar conjuntos de datos utilizando comandos y paquetes de R.
• Ejecutar análisis estadísticos básicos y resumir datos.
• Generar visualizaciones usando tanto R base como ggplot2.
• Gestionar espacios de trabajo, scripts y paquetes de manera efectiva.

KNIME Analytics Platform es una opción líder de código abierto para la innovación basada en datos, que le ayuda a descubrir el potencial oculto en sus datos, extraer información fresca o predecir nuevos futuros. Con más de 1000 módulos, cientos de ejemplos listos para ejecutar, una amplia gama de herramientas integradas y la más amplia selección de algoritmos avanzados disponibles, KNIME Analytics Platform es la caja de herramientas perfecta para cualquier científico de datos y analista de negocios.

Este curso para KNIME Analytics Platform es una oportunidad ideal para que los principiantes, los usuarios avanzados y los KNIME expertos conozcan KNIME, aprendan a utilizarlo de forma más eficaz y a crear informes claros y completos basados en KNIME flujos de trabajo

El objetivo del curso es permitir a los participantes adquirir un dominio sobre cómo trabajar con el SQL en la base de datos Oracle para la extracción de datos a nivel intermedio.

Process mining o Automated Business Process Discovery (ABPD) es una técnica que aplica algoritmos a los registros de eventos con el fin de analizar procesos comerciales. La minería de procesos va más allá del almacenamiento de datos y el análisis de datos; enlaza los datos con los procesos y proporciona información sobre las tendencias y patrones que afectan la eficiencia del proceso.

Formato del curso

     El curso comienza con una descripción general de las técnicas más comúnmente utilizadas para la minería de procesos. Discutimos los diversos algoritmos y herramientas de descubrimiento de procesos utilizados para descubrir y modelar procesos basados en datos de eventos brutos. Se examinan los casos de estudio de la vida real y se analizan los conjuntos de datos utilizando el marco de código abierto ProM.

R es un lenguaje de programación libre de código abierto para computación estadística, análisis de datos y gráficos. R es utilizado por un número creciente de gerentes y analistas de datos dentro de las corporaciones y el mundo académico. R también ha encontrado seguidores entre los estadísticos, ingenieros y científicos sin habilidades de programación de computadoras que les resulta fácil de usar. Su popularidad se debe al uso cada vez mayor de la minería de datos para varios objetivos, como establecer precios de anuncios, encontrar nuevos medicamentos más rápidamente o ajustar los modelos financieros. R tiene una amplia variedad de paquetes para minería de datos.

Goal:

Aprender a trabajar con SPSS a nivel de independencia

Los destinatarios:

Analistas, investigadores, científicos, estudiantes y todos aquellos que quieran adquirir la capacidad de utilizar el paquete SPSS y aprender técnicas populares de minería de datos.

Público objetivo

Formato del curso

Al final de esta formación, los participantes podrán:

En este entrenamiento interactivo y en vivo, los participantes aprenderán a manipular y visualizar datos utilizando las herramientas incluidas en el Tidyverse.

El Tidyverse es una colección de paquetes versátiles de R para limpiar, procesar, modelar y visualizar datos. Algunos de los paquetes incluidos son: ggplot2, dplyr, tidyr, readr, purrr y tibble.

• Principiantes en el lenguaje R
• Principiantes en el análisis de datos y visualización de datos

• Parte teórica, parte discusión, ejercicios y práctica intensiva

• Realizar análisis de datos y crear visualizaciones atractivas
• Sacar conclusiones útiles de diversos conjuntos de datos de muestra
• Filtrar, ordenar y resumir datos para responder preguntas exploratorias
• Convertir datos procesados en gráficos informativos como líneas, barras, histogramas
• Importar y filtrar datos de diversas fuentes de datos, incluyendo Excel, CSV y archivos SPSS