Proyectos de analítica en Python

Programa

Proyectos de analítica en Python

Facultad de Economía
Inicio / Programas / Proyectos de analítica en Python

Proyectos de analítica en Python

La serie de cursos del Programa Proyectos de analítica en Python, busca que los asistentes conozcan y dominen cada uno de los componentes presentes en un proyecto usual de minería de datos. Los cursos desarrollan habilidades para identificar oportunidades de uso de analítica, así como el diseño, comprensión, estructuración, construcción y evaluación de modelos de machine learning. Al finalizar los cursos, los asistentes conocerán las principales metodologías de preprocesamiento y visualización de datos, y aprendizaje automático de máquinas, cubriendo el análisis supervisado, no supervisado, y el aprendizaje profundo. En adición, serán capaces de implementar tales modelos en el lenguaje de programación Python, el lenguaje más popular del mundo y el primero en aplicaciones de analítica, machine learning y minería de datos.

Este es un programa compuesto por los siguientes cursos que podrás tomar en conjunto o por separado.

¡Inscribe el programa completo!

Introducción al análisis de datos en Python

Introducción al análisis de datos en Python

Inicio:

16 de julio de 2024

Modalidad Virtual
Machine Learning para Business intelligence

Machine Learning para Business intelligence

Inicio:

16 de abril de 2024

Modalidad Virtual

Dirigido a

Este programa es para todos aquellos que estén interesados en aprender a programar en Python, uno de los lenguajes de programación más versátiles, y que deseen aplicarlo al análisis de datos par explotar oportunidades en sus respectivos negocios. Estos cursos también están dirigidos a quienes estén interesados en introducirse en el mundo de Machine Learning, aquí aprenderán a implementar los modelos clásicos de regresión, clasificación y clusterización a los datos que deseen. 

Se recomienda tener conocimientos de álgebra lineal como saber qué es una matriz y nociones básicas de estadística como conocer la media, varianza y mediana.

Objetivos

Objetivos
•    Construir preguntas de analítica para problemas reales.
•    Conocer las metodologías adecuadas para cada problema.
•    Conocer los supuestos, fortalezas y debilidades de las principales metodologías de aprendizaje de máquinas.
•    Implementar modelos de analítica con Python.
•    Explotar oportunidades de aprendizaje de negocio a partir de bases de datos no estructuradas.
•    Explorar rápidamente cualquier base de datos utilizando Python, comprendiendo el negocio de manera rápida e identificando oportunidades de valor agregado a partir de procesos analíticos.
 

Metodología

El  curso se realizará de manera virtual con sesiones sincrónicas. A su vez, en cada clase se realizarán ejercicios de código y se estudiará la intuición de lo realizado. Los ejercicios realizados estarán basados en experiencias reales de la industria. 
Nota: se sugiere que el estudiante interesado en el curso cuente con un computador de 4GB de RAM pero preferiblemente 8GB en adelante. 
El software que usará es Anaconda de Python 3. Las instrucciones de instalación serán remitidas al inicio del curso.
 

Contenido

El programa esta conformado por los siguientes cursos:
Curso Introducción al análisis de datos en Python
Curso Machine Learning para Business Intelligence

Profesores

Lucas Gómez Tobón

Magíster en Economía y economista de la Universidad de los Andes. En su tesis de maestría, desarrolló un algoritmo para predecir la probabilidad de que una canción se convierta en un éxito comercial en Colombia haciendo una descomposición de la música en espectrogramas a través de la transformada de Fourier de tiempo corto (STFT) y una red convolucional preentrenada. Además, mostró la correlación entre la música y el Índice de Confianza del Consumidor a través de la identificación de tópicos en las canciones usando Latent Dirichlet Allocation (LDA). Desde 2020 está vinculado a la consultora de matemáticas aplicadas Quantil donde ha construido modelos de aprendizaje automático para los sectores financiero, gubernamental, automotriz, consumo masivo y farmacéutico, entre otros.

Juan Sebastián Moreno Pabón

Coordinador académico: Trabaja con los profesores en el diseño, construcción y mejoras de los contenidos, pero no es profesor del curso. Actualmente trabaja en Pinpoint Predictive, un start-up de psicometría de Silicon Valley apoyado por la incubadora de Stanford, StartX . En su rol como Investigador Senior desarrolla y despliega técnicas de inteligencia artificial para predecir comportamientos a partir de psicometría. Juan Moreno pasó cuatro años como investigador y luego como director asociado del departamento de minería de datos de Quantil, consultora en matemáticas aplicadas y machine learning. Lideró equipos de investigadores y desarrolló una amplia variedad de soluciones impulsadas por inteligencia artificial en diferentes sectores, que incluyen salud, seguridad pública, banca, transporte, educación, legal y manufactura, entre otros. Juan también ha trabajado como profesor de cátedra en el Departamento de Economía de su alma mater, la Universidad de los Andes, donde ha impartido cursos sobre matemáticas discretas, macroeconomía, aprendizaje automático, Python y R para análisis de datos. Como científico social computacional, Juan ha investigado temas relacionados a la predicción de delitos, la equidad en las aplicaciones de aprendizaje automático y la segregación en las redes sociales. También es miembro de la junta directiva del Centro de Analítica para Políticas Públicas (CAPP).

Condiciones

Eventualmente la Universidad puede verse obligada, por causas de fuerza mayor a cambiar sus profesores o cancelar el programa. En este caso el participante podrá optar por la devolución de su dinero o reinvertirlo en otro curso de Educación Continua que se ofrezca en ese momento, asumiendo la diferencia si la hubiere.

La apertura y desarrollo del programa estará sujeto al número de inscritos. El Departamento/Facultad (Unidad académica que ofrece el curso) de la Universidad de los Andes se reserva el derecho de admisión dependiendo del perfil académico de los aspirantes.