Certificación Profesional en Data Science
PRECIO
$1,192,000
$1,192,000
Fecha
03/04/2024
Modalidad
Virtual
$1,192,000
03/04/2024
Virtual
$1,192,000
Big data se refiere a las grandes colecciones de datos, estructurados, o no estructurados, que pueden crecer a volúmenes enormes y a un ritmo tan alto que es complejo manejarlos con las técnicas habituales de los sistemas de bases de datos y las herramientas de análisis existentes hasta hace un tiempo.
La gestión y el análisis de estas cantidades masivas de datos exigen nuevas soluciones que van más allá de los procesos tradicionales o herramientas de software habituales en la práctica diaria, lo que ha llevado a acuñar el término “big data analytics”.
La Certificación Avanzada en Data Science está orientada a facilitar el conocimiento de las herramientas que permiten diseñar, preparar, analizar y manejar información, estructurada y no-estructurada.
Consultá por beneficios y financiación en
[email protected]
$1,192,000
Requisitos:
La Certificación Avanzada en Data Science tiene un curso de nivelación. En el mismo se dictan conceptos básicos de Base de Datos y SQL y contiene un examen obligatorio. Es condición para continuar con la cursada el programa haber aprobado el examen del curso de nivelación. Su duración es de cuatro semanas y se cursa asincronicamente con posibilidad de tutoreo a cargo del docente.
Conceptos básicos de Base de datos y SQL.
Contenidos mínimos: Modelos de datos. Arquitecturas. Análisis de
requerimientos. Diseño conceptual, lógico y físico. El modelo multidimensional:
estrella, snowlflake y constellation. Manejo de cambios: Slowly changing
dimensions. Diseño físico. Online Analytical Processing: OLAP. OLAP vd OLTP.
SQL/OLAP: funciones de ventana.
Profesor: Dr. Alejandro Vaisman.
Contenidos mínimos. Conceptos básicos de Machine Learning. Modelos
descriptivos y predictivos. Técnicas fundamentales: clasificación, clustering,
patrones. Árboles de decisión. Aplicación a problemas concretos de predicción.
Casos de estudio. Redes Neuronales.
Profesora: Dra. Marcela Riccillo.
Contenidos mínimos. Parte 1: Bases de datos espaciales. Open Geospatial
Consortium (OGC): objetos geométricos y geográficos. Lenguaje de Consulta:
funciones y predicados para el análisis espacial. Concepto de índice espacial.
Visualización de resultados en QGIS y OpenJump.
Bases de datos de grafos NoSQL. Modelado de Property Graphs.
Lenguaje de Consulta: búsqueda de patrones y uso de agregaciones. Soporte
para el análisis de datos espaciales.
Profesora: Dra. Leticia Gómez.
Introducción, definiciones, antecedentes, gráficos notables. Principios de la
excelencia gráfica. Observaciones y variables, tipos de variables y niveles de
medición. Visualizando tablas, jerarquías y redes. Utilización del color. Reducción de dimensiones y visualización de grandes volúmenes de datos. Prácticas con Tableau, Observable, Python y R.
Profesor: Lic. Ariel Aizemberg.
Alejandro es Doctor en Ciencias de la Computación por la Universidad de Buenos Aires. Postdoctorado en la Universidad de Toronto, Canadá. Es especialista en Data Warehousing y Business Intelligence (BI), Data Mining, Sistemas de Información Geográfica (GIS), y en publicación de datos en la web, siguiendo los lineamientos de Linked Open Data. Co-autor, junto con el Prof. Esteban Zimányi (Universidad Libre de Bruselas) del libro “Data Warehouse Systems: Design and Implementation”. Ha publicado, además, 5 capítulos en libros internacionales y ha publicado artículos en las más prestigiosas revistas y conferencias de la especialidad.
$1,192,000