Seminario de Excelencia Data Science: de la teoría a la práctica

Conferencia / Congreso / Seminario

Seminario de Excelencia Data Science: de la teoría a la práctica

Facultad de Ingeniería
Inicio / Programas / Seminario de Excelencia Data Science: de la teoría a la práctica

Seminario Data Science

De acuerdo con el Foro Económico Mundial, estamos viviendo los inicios de la cuarta revolución industrial, en la cual las nuevas tecnologías están generando la fusión de los mundos físico, digital y biológico. Esta revolución está siendo impulsada por la Inteligencia Artificial, el Internet de las Cosas y la Analítica de Big data. En sí, los datos son el combustible fundamental de esta nueva era en la cual, algoritmos analíticos poderosos explotarán la información con el fin de generar decisiones que, esperamos, creen un mundo más inteligente, eficiente, ecológico y equitativo en el que la humanidad pueda subsistir.

En este contexto, las nuevas tendencias en analítica de datos, se constituyen en un tema fundamental y en la clave para el desarrollo, permanencia y competitividad de las empresas a corto, mediano y largo plazo. Y no solo aplicadas a Big data: hoy en día, disponemos con seguridad en nuestras empresas de bases de datos estructuradas de tamaño moderado, que potencialmente están en capacidad de generar conocimiento y orientar de una manera más efectiva las políticas de la organización a nivel operativo, táctico y estratégico. El curso está enfocado en presentar el panorama de las capacidades analíticas en una organización, estudiar las técnicas de analítica avanzada disponibles para ser aplicadas tanto a "Small" como a "Big" Data y realizar prácticas con la herramienta WEKA.

Dirigido a

Profesionales de Ingeniería, Economía y Administración de Empresas, trabajando en el área de innovación o planeación de sus empresas, profesionales del área de tecnología, profesionales desempeñando un cargo en áreas de administración de negocios y los interesados en incorporar uso de Big and Small Data en sus organizaciones. El curso no tiene ningún prerrequisito en temas como programación o desarrollo de algortimos, ni se exigen pre-requisitos técnicos específicos diferentes a conocimiento de operación básica del computador y herramientas de automatización de oficina tipo MS Office (específicamente MS Excel).

Objetivos

  1. Entender las tendencias tecnológicas del 2018.
  2. Entender el marco teórico de la ciencia de datos.
  3. Entender los componentes fundamentales de las plataformas Analíticas de Big data y Small Data.
  4. Entender la aplicación de la Ciencia de Datos en casos de uso de diferentes contextos de negocio.
  5. Aplicar la metodología adecuada para desarrollar procesos de ciencia de Datos.
  6. Construir modelos de clasificación, predicción y clustering aplicables a diferentes áreas de negocio (análisis de sentimiento, otorgamiento de créditos, aplicaciones en el área de salud, entre otros).

Metodología

8 sesiones presenciales de contenidos teóricos y prácticos.

Contenido

1. Small Data, Big Data y Analítica Avanzada: Introducción (2 horas)

  • Definición, Antecedentes e Impacto.
  • Tendencias Tecnológicas Estratégicas 2018 - Gartner Group.
  • Internet de las Cosas.
  • Ejemplos de aplicación de Analítica Avanzada de Small y Big Data.

2. Conceptos de Business Intelligence y Analítica Avanzada (2 horas)

  • Definición de BI.
  • Minería de Datos y su metodología.
  • Tareas de Minería de Datos.

3. Panorama general de las Técnicas de Minería de Datos (27 horas)

  • Visualización.
  • 0R – 1R.
  • Árboles de Decisión.
  • Detección de Clusters- Redes Neuronales.
  • Reglas de Asociación.
  • Razonamiento Basado en Memoria.
  • Link Analysis.
  • Regresión Lineal.
  • Árboles de Regresión.
  • Árboles Modales.
  • Regresión Logística.
  • Naive Bayes.
  • Minería de Texto.
  • Práctica sobre Small Data (0R – 1R – Árboles de Decisión – Detección de Clusters – Naive Bayes – Reglas de Asociación – Redes neuronales).
  • Práctica sobre Big Data (Hoeffding Tree para análisis de streams de datos – Análisis de Sentimiento).

4. Conclusiones (1 hora)

Profesores

María Esther Ordóñez

Ingeniera de sistemas y magíster de la Universidad de los Andes; certified Big Data scientist – Arcitura, socia y gerente de Ordóñez Ordóñez & Asociados Ltda., firma dedicada a la Consultoría en Tecnologías de Información desde 1995. Ha participado en diversos proyectos de Consultoría en Sistemas de Información e Inteligencia de Negocio para entidades como DANE, Defensoría del Pueblo, Universidad de los Andes, Universidad de Ibagué, BBVA, Credibanco-Visa, Ministerio de Educación Nacional, DIAN, Finagro, Avianca S.A., Bavaria S.A., Grupo Alfa, Grupo Corona, Universidad Nacional de Colombia, Empresas Públicas de Medellín, ISA, entre otras. También ha sido perito y asesora técnica de equipos jurídicos en tribunales de arbitramento desarrollado en la Cámara de Comercio de Bogotá, Cartagena y Medellín.

Ha sido colaboradora de la Escuela Colombiana de Ingeniería y de la Universidad de los Andes en cursos de Educación Continuada y especialización, así como jurado de tesis en el área de Bodegas de Datos. Ha publicado diversos artículos científicos y dado conferencias para empresas y entidades como ACIS, Hitachi (Colombia y Brasil), CESA y Escuela Colombiana de Ingeniería, en temas relacionados con Tecnologías de Información y en particular, Inteligencia de Negocio y Ciencia de Datos. Es ex miembro de junta directiva y colaboradora de la Asociación Colombiana de Ingenieros de Sistemas –ACIS-; y es codirectora del XXIX Salón de Informática sobre Bodegas de Datos y del Salón de Informática 2018: La 4ª Revolución Industrial y la Malla Digital Inteligente: oportunidades para la empresa colombiana.