Ruta: analítica de datos
En la ruta analítica de datos se pretende que el participante trabaje en el ciclo de vida de los datos de forma completa (análisis descriptivo, análisis diagnóstico y análisis predictivo), hasta el punto de que la data sea explotada para el fin de obtener las respuestas necesarias para resolver los objetivos determinados previamente.
Dirigido a
Estudiantes, técnicos, tecnólogos y profesionales de áreas administrativas, ingeniería, estadística y afines, interesados en introducirse a los distintos elementos y herramientas del análisis de datos, analítica y su aplicación.
Contenido
1. Analista de datos para el negocio (Business Data Analyst).
El analista de datos para el negocio tiene la capacidad de identificar el problema de la organización para direccionar y enmarcar los esfuerzos del equipo, para mejorar el desempeño y tomar mejores decisiones basadas en los datos.
1.1. Introducción al análisis de datos (roles y metodología) e industria 4.0 4 Horas
1.2. Introducción al análisis exploratorio de datos en Excel 20 Horas
1.3. Análisis de datos con SQL 14 Horas
1.4. Visualización de datos y Dashboards – Introducción a Power BI 14 Horas
1.5. Data Storytelling – presentaciones efectivas 6 Horas
2. Científico de datos en Python (horas obligatorias 162, horas opcionales 30).
El científico de datos en python identifica casos de uso, determina conjuntos de datos y los algoritmos apropiados para crear modelos de Inteligencia Artificial, con el fin de realizar predicciones accionables para el futuro.
2.1. Matemáticas básicas para analítica 22 Horas
2.2. Introducción a la probabilidad y la estadística 22 Horas
2.3. Análisis de datos con SQL 14 Horas
2.4. Introducción a Python 16 Horas
2.5. Ciencia de datos en Python 20 Horas
2.6. OPCIONAL: Visualización de datos y Dashboards – Introducción a Power BI 14 Horas
2.7. Introducción a Machine Learning en Python 16 Horas
2.8. OPCIONAL: Desarrollo de soluciones con Servicios cognitivos (PaaS) 16 Horas
2.9. Machine Learning en Python 52 Horas
3. Científico de datos en R (horas obligatorias 174, horas sugeridas 220, horas opcionales 284).
El Científico de datos en R estará en la capacidad de modelar y analizar datos para la toma de decisiones, gracias a la identificación y generación de nuevas alternativas de modelos y herramientas matemáticas, probabilísticas y estadísticas.
3.1. Matemáticas básicas para analítica 22 Horas
3.2. Fundamentos de Probabilidad 16 Horas
3.3. Elementos básicos de programación en R 16 Horas
3.4. Introducción al análisis exploratorio de datos en Excel 20 Horas
3.5. Analítica Descriptiva para Toma de Decisiones Empresariales 20 Horas
3.6. Opcional: Herramientas y Métodos de Simulación 16 Horas
3.7. Opcional: Introducción a las Series Temporales 16 Horas
3.8. Opcional: Creación de Gráficos Avanzados y Reportes Técnicos RMarkdown 16 Horas
3.9. Técnicas Robustas y No Paramétricas 20 Horas
3.10. Métodos Avanzados de Regresión Lineal 20 Horas
3.11. Machine Learning I: Aprendizaje Supervisado 20 Horas
3.12. Machine Learning II: Aprendizaje No Supervisado 20 Horas
3.13. Línea 2: Análisis Exploratorio de Datos Funcionales 16 Horas
3.14. Línea 2: Analítica para Datos Funcionales 16 Horas
3.15. OPCIONAL: Métodos Avanzados de Clasificación y Cluster Funcional 16 Horas
3.16. OPCIONAL: Modelos Estadísticos para Series Temporales 16 Horas
1. Analista de datos para el negocio (Business Data Analyst).
El analista de datos para el negocio tiene la capacidad de identificar el problema de la organización para direccionar y enmarcar los esfuerzos del equipo, para mejorar el desempeño y tomar mejores decisiones basadas en los datos.
1.1. Introducción al análisis de datos (roles y metodología) e industria 4.0
4 Horas
1.2. Introducción al análisis exploratorio de datos en Excel
20 Horas
1.3. Análisis de datos con SQL
14 Horas
1.4. Visualización de datos y Dashboards – Introducción a Power BI
14 Horas
1.5. Data Storytelling – presentaciones efectivas
6 Horas
2. Científico de datos en Python (horas obligatorias 162, horas opcionales 30).
El científico de datos en python identifica casos de uso, determina conjuntos de datos y los algoritmos apropiados para crear modelos de Inteligencia Artificial, con el fin de realizar predicciones accionables para el futuro.
2.1. Matemáticas básicas para analítica
22 Horas
2.2. Introducción a la probabilidad y la estadística
22 Horas
2.3. Análisis de datos con SQL
14 Horas
2.4. Introducción a Python
16 Horas
2.5. Ciencia de datos en Python
20 Horas
2.6. OPCIONAL: Visualización de datos y Dashboards – Introducción a Power BI
14 Horas
2.7. Introducción a Machine Learning en Python
16 Horas
2.8. OPCIONAL: Desarrollo de soluciones con Servicios cognitivos (PaaS)
16 Horas
2.9. Machine Learning en Python
52 Horas
3. Científico de datos en R (horas obligatorias 174, horas sugeridas 220, horas opcionales 284).
El Científico de datos en R estará en la capacidad de modelar y analizar datos para la toma de decisiones, gracias a la identificación y generación de nuevas alternativas de modelos y herramientas matemáticas, probabilísticas y estadísticas.
3.1. Matemáticas básicas para analítica
22 Horas
3.2. Fundamentos de Probabilidad
16 Horas
3.3. Elementos básicos de programación en R
16 Horas
3.4. Introducción al análisis exploratorio de datos en Excel
20 Horas
3.5. Analítica Descriptiva para Toma de Decisiones Empresariales
20 Horas
3.6. Opcional: Herramientas y Métodos de Simulación
16 Horas
3.7. Opcional: Introducción a las Series Temporales
16 Horas
3.8. Opcional: Creación de Gráficos Avanzados y Reportes Técnicos RMarkdown
16 Horas
3.9. Técnicas Robustas y No Paramétricas
20 Horas
3.10. Métodos Avanzados de Regresión Lineal
20 Horas
3.11. Machine Learning I: Aprendizaje Supervisado
20 Horas
3.12. Machine Learning II: Aprendizaje No Supervisado
20 Horas
3.13. Línea 2: Análisis Exploratorio de Datos Funcionales
16 Horas
3.14. Línea 2: Analítica para Datos Funcionales
16 Horas
3.15. OPCIONAL: Métodos Avanzados de Clasificación y Cluster Funcional
16 Horas
3.16. OPCIONAL: Modelos Estadísticos para Series Temporales
16 Horas
Habilidades
|
|
Beneficios
Crea tu propio plan de carrera enfocado en tu rol actual o deseado.
Adquiere agilidad y flexibilidad durante tu proceso de formación.
Certifica un perfil laboral con Educación Continua EAFIT.
Insignias Digitales
Al realizar cada nivel, dentro del perfil deseado, y al finalizar el mismo, tendrás la posibilidad de alcanzar insignias digitales. Para esto, debes cumplir con el 80% de la asistencia y aprobar el proyecto integrador para ser calificado por tus docentes. Así, al terminar la Ruta de Aprendizaje, tendrás un portafolio completo y aprobado para obtener un diploma digital.
