A lo largo de diez semanas, conocerás las técnicas más habituales de manipulación y análisis de datos. Al finalizar este programa, serás capaz de trabajar activamente con equipos de ciencia de datos y análisis para impulsar las decisiones de negocio y los resultados de tu organización.
Módulo 1:
Toma de decisiones con modelos probabilísticos
Este módulo ofrece una breve introducción a los fundamentos de la ciencia y el análisis de datos antes de explorar los fundamentos de los datos. Además, revisará un tutorial sobre el uso de Jupyter Notebook, un entorno informático interactivo que permite combinar la ejecución de código, texto enriquecido y gráficos y análisis de datos.
Módulo 2:
Crear muestras de datos
Explora la ciencia de la investigación a través de la comprensión de los datos de la muestra, así como su variación y calidad. En este módulo se describirán los métodos que se utilizan para analizar los pros y los contras de las decisiones comerciales mediante la exploración de muestras, los errores de tipo I y II y los límites de control.
Módulo 3:
Prueba de hipótesis
Conoce la importancia de tomar decisiones comerciales basadas en la realización de pruebas estadísticas, comparaciones, intervalos de confianza y márgenes de error. Explorarás estos conceptos a través de un caso basado en la comunicación directa por correo electrónico y completarás conjuntos de problemas utilizando el modelo 4M (Motivación, Método, Mecánica, Mensaje).
Módulo 4:
Extrapolar información de muestras de datos
Descubre cómo maximizar tus ingresos extrapolando la información de los datos de la muestra. Analizarás los patrones lineales y curvos, la demanda, la fijación de precios y las elasticidades.
Módulo 5:
Modelos básicos de regresión
Los análisis de regresión sencillos son la base de una toma de decisiones empresariales más elaborada y basada en datos. Nos centraremos en comprender cómo se utilizan estos modelos, las suposiciones que justifican su uso y cómo aprovechar estos modelos para tomar mejores decisiones comerciales. El conjunto de datos de este módulo se centra en el uso de los índices de delincuencia para predecir los precios de las viviendas en Filadelfia.
Módulo 6:
Modelos avanzados de regresión
Conozca dos de los usos más comunes de la ciencia y el análisis de datos: los pronósticos y las pruebas A/B. Entre ellos, se incluyen el análisis de la varianza, las regresiones de series temporales y el diseño y la ejecución de pruebas sencillas y procedimientos de pruebas A/B más complejos. La aplicación consiste en el uso del Modelo de Valoración de Activos de Capital, una herramienta que describe la relación entre el riesgo sistemático y el rendimiento esperado de los activos.
Módulo 7:
Pronósticos de Machine Learning
Explora algunos de los métodos más fundamentales del machine learning y cómo se aplican a las decisiones empresariales. Los conceptos incluyen el aprendizaje supervisado y las aplicaciones ML, como la detección de spam.
Módulo 8:
Desarrollar equipos efectivos en ciencia de datos
Termina el programa con una inmersión profunda en el conjunto de habilidades que definen los equipos efectivos de ciencia de datos y cómo construir una cultura impulsada por los datos en tu organización. Destacaremos las dificultades más comunes y las estrategias para trabajar eficazmente con los científicos de datos.
Módulo 1:
Toma de decisiones con modelos probabilísticos
Este módulo ofrece una breve introducción a los fundamentos de la ciencia y el análisis de datos antes de explorar los fundamentos de los datos. Además, revisará un tutorial sobre el uso de Jupyter Notebook, un entorno informático interactivo que permite combinar la ejecución de código, texto enriquecido y gráficos y análisis de datos.
Módulo 5:
Modelos básicos de regresión
Los análisis de regresión sencillos son la base de una toma de decisiones empresariales más elaborada y basada en datos. Nos centraremos en comprender cómo se utilizan estos modelos, las suposiciones que justifican su uso y cómo aprovechar estos modelos para tomar mejores decisiones comerciales. El conjunto de datos de este módulo se centra en el uso de los índices de delincuencia para predecir los precios de las viviendas en Filadelfia.
Módulo 2:
Crear muestras de datos
Explora la ciencia de la investigación a través de la comprensión de los datos de la muestra, así como su variación y calidad. En este módulo se describirán los métodos que se utilizan para analizar los pros y los contras de las decisiones comerciales mediante la exploración de muestras, los errores de tipo I y II y los límites de control.
Módulo 6:
Modelos avanzados de regresión
Conozca dos de los usos más comunes de la ciencia y el análisis de datos: los pronósticos y las pruebas A/B. Entre ellos, se incluyen el análisis de la varianza, las regresiones de series temporales y el diseño y la ejecución de pruebas sencillas y procedimientos de pruebas A/B más complejos. La aplicación consiste en el uso del Modelo de Valoración de Activos de Capital, una herramienta que describe la relación entre el riesgo sistemático y el rendimiento esperado de los activos.
Módulo 3:
Prueba de hipótesis
Conoce la importancia de tomar decisiones comerciales basadas en la realización de pruebas estadísticas, comparaciones, intervalos de confianza y márgenes de error. Explorarás estos conceptos a través de un caso basado en la comunicación directa por correo electrónico y completarás conjuntos de problemas utilizando el modelo 4M (Motivación, Método, Mecánica, Mensaje).
Módulo 7:
Pronósticos de Machine Learning
Explora algunos de los métodos más fundamentales del machine learning y cómo se aplican a las decisiones empresariales. Los conceptos incluyen el aprendizaje supervisado y las aplicaciones ML, como la detección de spam.
Módulo 4:
Extrapolar información de muestras de datos
Descubre cómo maximizar tus ingresos extrapolando la información de los datos de la muestra. Analizarás los patrones lineales y curvos, la demanda, la fijación de precios y las elasticidades.
Módulo 8:
Desarrollar equipos efectivos en ciencia de datos
Termina el programa con una inmersión profunda en el conjunto de habilidades que definen los equipos efectivos de ciencia de datos y cómo construir una cultura impulsada por los datos en tu organización. Destacaremos las dificultades más comunes y las estrategias para trabajar eficazmente con los científicos de datos.
