Curso en Preprocesamiento y Análisis de Datos

DETALLES DE LA FORMACIÓN

Formación gratis para Trabajadores y Empresas, consulta próxima convocatoria, si eres trabajador de Régimen general disfruta de la formación a coste cero.

OBJETIVOS

Uno de los aspectos decisivos a la hora de realizar cualquier proyecto de data science son los datos. En muchas ocasiones, estos datos no reciben la atención que realmente necesitan y encontramos datos incompletos, duplicados y, en definitiva, de poca calidad. Es muy importante contar con datos de calidad ya que éstos son la base del proceso y sin ellos ningún proyecto de ciencia de datos puede salir adelante.
Este curso en preprocesamiento y análisis de datos te prepara en todas las etapas donde intervienen los datos. Desde la recolección de estos a partir de bases de datos (relacionales y no relacionales) pasando por las bases del procesamiento para mejorar la calidad de estos, el análisis usando Python y R y acabando con el reporte de los resultados finales.

CONTENIDO

UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA CIENCIA DE DATOS

1. ¿Qué es la ciencia de datos?
2. Herramientas necesarias para el científico de datos
3. Data Science & Cloud Computing
4. Aspectos legales en Protección de datos

UNIDAD DIDÁCTICA 2. BASES DE DATOS RELACIONALES

1. Introducción
2. El modelo relacional
3. Lenguaje de consulta de SQL
4. MySQL. Una base de datos relacional

UNIDAD DIDÁCTICA 3. BASES DE DATOS NOSQL Y EL ALMACENAMIENTO ESCALABLE

1. ¿Qué es una base de datos NoSQL?
2. Bases de datos Relacionales Vs Bases de datos NoSQL
3. Tipos de Bases de datos NoSQL: Teorema de CAP
4. Sistemas de Bases de datos NoSQL

UNIDAD DIDÁCTICA 4. PYTHON Y EL ANÁLISIS DE DATOS

1. Introducción a Python
2. ¿Qué necesitas?
3. 3. Librerías para el análisis de datos en Python
4. MongoDB, Hadoop y Python: Dream Team del Big Data

UNIDAD DIDÁCTICA 5. EL LENGUAJE DE PROGRAMACIÓN R

1. Introducción a R
2. ¿Qué necesitas?
3. Tipos de datos
4. Estadística Descriptiva y Predictiva con R
5. Integración de R en Hadoop
6. Integración de R en Spark

UNIDAD DIDÁCTICA 6. PRE-PROCESAMIENTO & PROCESAMIENTO DE DATOS

1. 1. Obtención y limpieza de los datos (ETL)
2. Inferencia estadística
3. Modelos de regresión
4. Pruebas de hipótesis

UNIDAD DIDÁCTICA 7. ANÁLISIS DE LOS DATOS

1. Inteligencia Analítica de negocios
2. La teoría de grafos y el análisis de redes sociales
3. Presentación de resultados