Curso de Minería de datos con Python
Presentación
En la actualidad, estamos inmersos en un mundo digital donde la cantidad de datos generados ha alcanzado niveles exponenciales. Cada clic, cada compra en línea, cada publicación en redes sociales y cada transacción electrónica contribuye a un vasto océano de información. Las empresas, conscientes del valor que estos datos encierran, buscan aprovechar este tesoro digital para obtener ventajas competitivas.
La minería de datos es el proceso de extraer información valiosa a partir de grandes conjuntos de datos, de forma similar a la minería física. Sin embargo, muchos se desmotivan al comenzar a estudiar minería de datos, ya que requiere conocimientos de estadística, álgebra lineal, cálculo y programación.
Para hacer frente a la complejidad de estos conceptos, en este curso proporcionaremos un enfoque claro y gradual. Aprenderás los fundamentos esenciales y te guiaremos a través de ejemplos prácticos que te ayudarán a comprender y aplicar estos conceptos en situaciones del mundo real haciendo uso de Python como lenguaje de programación.
Modalidad: A distancia ágil
Objetivo general
Comprender la teoría y la práctica del campo de la minería de datos, con las bases necesarias para la gestión y aplicación efectiva de técnicas de minería de datos en diversas situaciones y aplicaciones.
Objetivos específicos
- Adquirir un conocimiento sólido sobre las variadas técnicas de aprendizaje automático y estadísticas empleadas en la minería de datos, permitiendo a los estudiantes aplicar estas herramientas de manera efectiva en análisis y predicciones de datos.
- Desarrollar habilidades prácticas a través de ejemplos y ejercicios de programación utilizando el lenguaje Python
- Comprender los fundamentos esenciales de la minería de datos
- Aprender a identificar y seleccionar las técnicas de minería de datos adecuadas para resolver problemas reales
Destinatarios
- Analistas de datos y científicos de datos principiantes que buscan una introducción accesible a la minería de datos y quieren construir una base sólida en este campo.
- Estudiantes y académicos que estén interesados en ampliar su conocimiento sobre la minería de datos y deseen comprender cómo aplicar estas técnicas en la investigación y el análisis de datos.
Requisitos
- Familiaridad con conceptos matemáticos, especialmente estadística.
- Interés y motivación para aprender y explorar nuevos conceptos en minería de datos.
- Conocimiento básico de programación, preferiblemente en Python
Equipo docente
Jose Itamar Canelon
Profesor
Ingeniero Electricista (Universidad del Zulia (LUZ), 1994), M.Sc. en Computación Aplicada (LUZ, 1997) y Ph.D. en Ingeniería Eléctrica (Universidad de Houston, 2004). Fue profesor de la Escuela de Ingeniería Eléctrica de LUZ (1994-2019), coordinador del Programa de Especialización en Ingeniería de Control de Procesos (LUZ, 2009-2016) y dir ector del Instituto de Cálculo Aplicado (LUZ, 2013-2018). Coautor de más de 40 publicaciones y Premio Nacional al mejor trabajo de científico, tecnológico y de innovación (Ministerio de Ciencia y Tecnología, Venezuela, 2003 y 2014). Actualmente es instructor de Machine Learning/Ciencia de Datos, Python, Matlab/Simulink y Sistemas de Control, entre otras áreas. Dicta cursos de automatización, control e ingeniería eléctrica para la industria petrolera.
Juan Marcelo Barreto Rodriguez
Coordinador
Mi nombre es Juan Marcelo Barreto y soy ingeniero en Materiales de la CNEA (Carrera de Ingeniería en Materiales; Instituto Sábato (Comisión Nacional de Energía Atómica 2002 - 2006). Además, tengo una MBA (MBA - Master of Business Administration– Facultad Regional Buenos Aires, Escuela de Posgrado UTN.Soy docente de numerosos cursos de inf ormática y programación en la Facultad Regional Buenos aires de la Universidad Tecnológica Nacional y me he desempeñado y desempeño como ingeniero en empresas de nuestro país.
- ¿Qué es la minería de datos? (2021, noviembre 5). Sas.com. https://www.sas.com/es_ar/insights/analytics/data-mining.html
- Yaw Boateng Ampadu, Handling Big Data in Education: A Review of Educational Data Mining Techniques for Specific Educational Problems, AI, Computer Science and Robotics Technology, 10.5772/acrt.17, 2, (2023).
- Layton, R. (2015). Learning Data Mining with Python: Use Python to manipulate data and build predictive models.
Metodología De Enseñanza-Aprendizaje:
La modalidad de e - Learning Colaborativo es totalmente mediada por tecnologías a través del Campus Virtual FRBA. Se trata de una modalidad básicamente asincrónica que aprovecha pedagógicamente los recursos de la Web 2.0, con un complemento sincrónico, por medio de la realización de clases en tiempo real, logrando superar de esta forma, la instancia de autoestudio.
El trayecto formativo consta de Módulos; cada uno de ellos está conformado por unidades, las cuales a su vez, integran los contenidos temáticos.
Así, en cada unidad, Usted contará con:
- Vías de comunicación con el tutor: mensajería interna del Campus Virtual y foros para la presentación de dudas y consultas.
- Material de estudio curado.
- Actividades y trabajos integradores de aplicación de los conocimientos adquiridos, individuales y/o grupales.
- Clase en tiempo real, 2 encuentros por módulo, en el Aula Virtual Sincrónica.
Modalidad de Evaluación y Acreditación:
La evaluación del trayecto formativo comprende una evaluación integradora por módulo y una Evaluación Integradora Final Obligatoria (EFIO), que se basa en la realización por parte del alumno de la entrega de una tarea (consigna específica para su desarrollo) o cuestionario. Dicha evaluación final cuenta con una instancia de recuperatorio, para aquellos participantes que no aprobaron la primera o no la realizaron dentro de las fechas estipuladas por cronograma.
A su vez, se tendrá en cuenta también, para la evaluación:
-
La descarga y lectura de todos los elementos que componen la unidad temática.
- La entrega y aprobación de todas las actividades y ejercicios que se consignen como obligatorios.
- La dedicación horaria indicada en cada caso para lograr el máximo rendimiento del estudio.
- El alumno deberá finalizar la cursada dentro de la duración del trayecto sin excepción. - Terminado el mismo, no podrá entregar ni descargar nada adeudado y deberá cursar nuevamente en un próximo inicio, en caso de desear finalizarlo.
La acreditación del trayecto constará de la Aprobación de lo indicado en la evaluación obligatoria.
La calificación será cualitativa: Bueno, Muy Bueno, Excelente, Sobresaliente, Participó o No Participó.
Las primeras cuatro calificaciones otorgan un certificado de "Aprobación".
Aquellos alumnos que no hayan alcanzado alguna de estas tres calificaciones o no hayan realizado la EFIO, podrán obtener una calificación y certificación de Participación, previa comprobación por parte del Tutor de ciertos criterios de evaluación.