Formación especializada

Curso online en ciencia de datos para analistas de negocio​

Este curso está orientado a profesionales de cualquier especialidad que usen datos en su trabajo y tengan interés en pasar de un análisis histórico o de diagnóstico a un análisis predictivo.
Nuestro método está validado por más de 400 alumnos a nivel global, donde el 93.4% de ellos son profesionales o analistas de negocio no relacionados con la informática o la ingeniería de sistemas​ y que empiezan de cero.
Trabajarás con tus datos y podrás desarrollar proyectos propios o de tu empresa. Aprenderás los fundamentos de programar en Python y tendrás la oportunidad de continuar desarrollando tus conocimientos​

¿Qué requisitos o conocimientos necesito?

Moderada experiencia en análisis de datos con hojas de cálculo (Excel) y ganas de aprender. Son recomendables nociones de Power BI.

¿Qué serás capaz de hacer al finalizar este curso?

  • Aplicar analítica avanzada a múltiples casos de negocio.
  • Desarrollar y poner en producción modelos predictivos y aprendizaje automático (Machine Learning) programando con Python.

Beneficios adicionales

Un ejemplar de Machine Learning en Power BI con R y Python totalmente gratuito en formato ebook y libro.

Ámbitos de aplicación

  • Finanzas / Contabilidad​.
  • Auditoría interna / Control de cumplimiento.​​
  • Banca y mercados financieros​.
  • Gestión de ventas, compras e inventario. ​
  • ​Marketing offline y online.
  • Análisis de redes sociales.
  • Recursos humanos​.
  • Cadena de suministros.​
  • Distribución retail y mayorista. ​
  • Gerencia estratégica y toma de decisiones empresariales​.
  • Producción industrial y manufactura​.
  • ​Producción agropecuaria y sector primario.​
  • Y muchos más…

Modalidad
Online

Horas
30 (9 módulos)

Precio
350€ (impuestos NO inc.)

Plazas
20

Inicio
junio 2022

Aprende haciendo

Curso enfocado en resolver casos de negocio reales. Diseñado para que cualquier profesional, sea de la especialidad o profesión que sea, pueda adquirir conocimientos técnicos y los pueda aplicar en cualquier ámbito.
Esta especialidad dotará al alumno de todos los conocimientos técnicos necesarios para ejecutar cualquier proyecto de ciencia de datos en sus distintas vertientes: analítica avanzada o aprendizaje automático (Machine Learning).​

Temario

Ciencia de datos para Analistas de Negocio
1. Introducción y conceptos fundamentales

En este bloque se cubren todos los conceptos fundamentales que se usarán durante el curso. Terminología, procesos y ciclo de vida de un proyecto de datos, según la metodología CRISP-DM.
Entre otros aspectos, se cubren conceptos fundamentales de estadística aplicada, teoría de la probabilidad, interpretación de resultados y conceptos similares.​

2. Estructura de datos para el análisis

Analizar y entender la forma de estructurar datos para un correcto análisis de datos.

Se introduce el concepto de ‘data frame’ (marco de datos), así como la diferencia con un ‘modelo de datos’. Adicionalmente, se identificarán los problemas y errores más habituales en estructuras de datos, así como las buenas prácticas en este tipo de proyecto.

Este módulo tendrá una parte muy importante dedicada a la práctica para la preparación de las estructuras de datos que son necesarias para la analítica avanzada.

3. Análisis avanzado de datos

Definidos los conceptos fundamentales y habiendo identificado la estructura adecuada de datos para ejecutar un análisis avanzado, en esta sesión se llevará a cabo el ejercicio de análisis como tal.

Se analizarán múltiples variables y sus relaciones, se estudiará la correlación y asociación entre variables, análisis de densidad y de frecuencia.

Se usarán herramientas avanzadas de gráficas y análisis estadístico de datos.​

4. Algoritmos no supervisados

Conocidos los fundamentos y análisis aplicado, se cubrirán lo múltiples modelos dentro de algoritmos no supervisados desde un punto de vista altamente práctico.

Se desarrollarán múltiples casos de clustering, detección de anomalías y asociación de variables. Entre ellos:

  • Segmentación de clientes​.
  • Clustering geo-especial​.
  • Control de calidad en producción industrial​.
  • Auditoría interna de compras​.
  • Análisis de cesta de la compra​.
  • Recomendación de productos y servicios​.
5. Series temporales y forecasting

Tras explorar las aplicaciones y casos de negocio con algoritmos no supervisados, se inicia este módulo con análisis de series temporales de variables, y estimación de valores futuros (forecasting).

Se pondrán en marcha la evaluación de más de 25 modelos de series temporales (ARIMA, TBATS, Exponential Smooth, Prophet, entre otros) para la generación de forecasting. Además, se prestará especial atención en la interpretación de resultados y el uso de intervalos de confianza.​

Casos de negocio:​

  • Forecasting de ventas y previsión de demanda​.
  • Forecasting de inventario.
  • Forecasting de precios de materias primas​.
  • Análisis de variables​.
  • Forecasting univariable.​
6. Algoritmos supervisados – Regresión

Se inicia en este punto la andadura por los algoritmos supervisados de regresión para hacer análisis predictivo sobre variables continuas (numéricas).​​

Se analizarán múltiples casos de negocio donde se aplicarán diferentes modelos como regresión lineal, CART, random forest, extreme gradient boost, entre otros. Adicionalmente, se explicarán alternativas para poner en producción dichas aplicaciones. ​

Casos de negocio:​

  • Predicción de ingresos​.
  • Análisis de campañas comerciales y marketing​.
  • Predicción de gastos​.
  • Estimación de demanda, inventarios y tiempos de envío​.
  • Series temporales multivariable​.
  • Otros​
7. Algoritmos supervisados – Clasificación

Se profundizará en la aplicación de algoritmos supervisados de clasificación para hacer análisis predictivo sobre variables categóricas.​

Se analizarán multiples casos de negocio donde se aplicarán diferentes modelos como regresión logística , CART, random forest, extreme gradient boost, entre otros. Adicionalmente, se explicarán alternativas para poner en producción dichas aplicaciones. ​

Casos de negocio:​

  • Predicción de compras por clientes​.
  • Análisis de campañas comerciales y marketing​.
  • Predicción de riesgos​.
  • Análisis de recursos humanos​.
  • Otros​
8. Análisis de texto - NLP

Tras haber adquirido experiencia en algoritmos de regresión y clasificación, se inicia en los fundamentos de análisis de texto, y sus diferentes vertientes.​

Se analizarán multiples casos de negocio donde se analizan datos de texto y datos semi-estrucuturados. Se mostrarán técnicas de conteo de palabras, limpieza de texto, identificación de entidades relevantes, aislamiento de palabras raras y análisis de sentimiento. ​

Casos de negocio:​​

  • Análisis de opiniones de clientes​.
  • Análisis de campañas de marketing.​
  • Análisis de redes sociales​.
  • Otros​
9. Data Storytelling

Quizá la parte más importante de todo el contenido es aprender a transmitir conclusiones e ideas fundamentadas en datos a cualquier tipo de audiencia.

En este módulo se aprenderá a estructurar un proyecto de tal forma que se pueda añadir valor a cualquier departamento de la empresa. Aprenderás a ordenar y organizar la información de tal forma que sea comprensible por cualquier usuario.

Formación In Company

¿Te gustaría recibir esta formación en tu organización con contenidos adaptados y utilizando tus datos?

Contáctanos y te realizamos un presupuesto adaptado a tus necesidades

¿Tienes alguna duda del curso?

Contacta, responderemos lo antes posible