Embed Size (px)
Citation preview
A p p l i e d M a t h e m a t i c s a n d A c t u a r y T r a i n i n g
In ic iamos 17 de jul io 2021
I n t r o d u c c i ó n a l a
C i e n c i a d e
A p p l i e d M a t h e m a t i c s a n d A c t u a r y T r a i n i n g
El curso tiene como objetivo que el alumno tenga un entendimiento general de conceptos, técnicas, algoritmos y del proceso de desarrollo de proyectos de Ciencia de Datos.
Entenderá la diferencia entre Big Data, Machine Learning, Business Intelligence y Ciencia de Datos.
Todo lo anterior será cumplido mientras el alumno aprende las paqueterías y funciones más novedosas que se usan en R para Ciencia de Datos y las tecnologías que dan soporte a este software.
Objet ivo
I n t r o d u c c i ó n a l a
C i e n c i a d e
Se asume que el alumno tiene conocimientos generales de estadística, bases matemáticas y de programación básica en R.
Consideraciones / Requis i tos de cómputo
A p p l i e d M a t h e m a t i c s a n d A c t u a r y T r a i n i n g
I n t r o d u c c i ó n a l a
C i e n c i a d e
• Software R, versión mayor o igual a v.4.0.0
• RStudio versión mayor o igual a v.1.4.0
IntroducciónA
1. Ob je t i vo de la c i enc ia de dato s .
2. Lo que NO es c i enc ia de dato s .
3. T i p o s de tarea para la c i enc ia de dato s .
4. T i p o s de aprend i za je.
5. C i c l o de v i da de un proyec to de c i enc ia de dato s .
Transformación y manipulación de Estructura de datos
1. Lec tura de dato s en formato . t x t , . c s v y . x l s x .
2. Lec tura de dato s en formato . j s on .
3. Lec tura de dato s en formato . xm l .
4. Con su l ta s de dato s con t i dyver se.
B
A p p l i e d M a t h e m a t i c s a n d A c t u a r y T r a i n i n g
Temar io
I n t r o d u c c i ó n a l a
C i e n c i a d e
A p p l i e d M a t h e m a t i c s a n d A c t u a r y T r a i n i n g
I n t r o d u c c i ó n a l a
C i e n c i a d e
D Machine Learning: Conceptos básicos
1. S esgo v s var ianza .
2. P red i cc i ón v s i n ferenc ia .
3. Regres i ón v s c la s i f i cac i ón .
4. Super v i sado v s no super v i sado.
5. Tra in i ng, t es t i ng, KFCV.
6. Med ida s de error : MAE , MAPE , RMSE , R2 .
7. Med ida s de error : ACURRACY, RECALL , PRES I C ION .
8. Cur vas ROC y PR .
Análisis exploratorio y visualización C
1. Uso, dec i s i ón e imp lemen tac i ón de técn i ca s grá f i ca s .
2. Aná l i s i s exp lorator i o de dato s : EDA
3. Aná l i s i s exp lorator i o grá f i co de dato s : GEDA .
Temar io
A p p l i e d M a t h e m a t i c s a n d A c t u a r y T r a i n i n g
I n t r o d u c c i ó n a l a
C i e n c i a d e
F Machine Learning: Aprendizaje NO supervisado
1. C l u s t er : K - means .
2. C l u s t er : PAM.
3. DBSCAN .
4. C l u s t er : Jerárqu i co.
Machine Learning: Aprendizaje supervisado E
1. Regres i ón l i nea l s imp le y mú l t i p l e.
2. Regres i ón l og í s t i ca .
3. KNN .
4. Tree dec i s i on .
5. Bagg ing .
6. Random fores t .
7. Boo s t i ng .
Temar io
FECHA
17 - JULIO - 2021
HORARIOS
10:00 a 14:00 HRS.
IN I C IO
SÁBADOS
40 HRS.
DURAC IÓN
En trámite.
HECSE18 - SEPTIEMBRE - 2021
F INAL I ZA
A p p l i e d M a t h e m a t i c s a n d A c t u a r y T r a i n i n g
I n t r o d u c c i ó n a l a
C i e n c i a d e
100% Live
Streaming*
• Con u so de la me jor p lata forma a n i ve l mund ia l para t ran sm i s i ón en v i vo.
• C la ses tota lmen te en v i vo.
• Pregun ta s a l i n s t r uc tor en t i empo rea l .
• A l ta ca l i dad en aud io y v i deo.
• Conéc tate desde tab l e t , ce l u lar o la p top.
• Só l o requ ieres de una conex ión a in terne t .
A p p l i e d M a t h e m a t i c s a n d A c t u a r y T r a i n i n g
I n t r o d u c c i ó n a l a
C i e n c i a d e
Profesora que imparte
Act . L izette Gamboa
Formación Académica: • Eg r e s a d a d e l a Fa c u l t a d d e C i e n c i a s , U NAM ,
Maes t r ía en C i enc ia de Dato s , I TAM.
Experiencia Profesional: • E xper i enc ia en áreas de ana l í t i ca pred i c t i va , e
i n te l i genc ia de l negoc io, Lead Data Sc i en t i s t en con su l to r ía en d i feren tes proyec to s con empresa s de tecno log ía , re ta i l y de l sec tor a segurador y f i nanc i ero.
• E xper ta en en tend im i en to de negoc i o para la c o r r e c t a i m p l e m e n t a c i ó n d e a l g o r i t m o s d e i n te l i genc ia y exp lotac i ón de dato s .
• Bases de dato s , programac ión , mach ine l earn ing, aná l i s i s geoespac ia l y v i sua l i zac i ón .
A p p l i e d M a t h e m a t i c s a n d A c t u a r y T r a i n i n g
I n t r o d u c c i ó n a l a
C i e n c i a d e
Profesor que imparte
Act . Ar turo Br ingas
Formación Académica: • Egresado de la Facu l tad de C i enc ia s y Maes t r ía
en C i enc ia de Dato s , I TAM.
Experiencia Profesional: • E xper i enc ia en e l Depar tamen to de Inves t i gac i ón
A p l i c a d a y O p i n i ó n d e l a U N A M d i s e ñ a n d o m e t o d o l o g í a s e s t a d í s t i c a s p a r a e s t u d i o s d e p e rc ep c i ó n s o c i a l . C o n s u l t o r pa ra emp re s a s y organ i zac i ones como UNODC , E l Un i ver sa l , I NEG I , UNAM e I ZZ I . .
• A c t u a l m e n t e s e d e s e m p e ñ a e n d i f e r e n t e s proyec to s con t r i b uyendo a empresa s en temas de c i e n c i a d e d a t o s , e s t a d í s t i c a , p r o g r a m a c i ó n , v i s ua l i zac i ón de dato s y aná l i s i s geoespac ia l .
A p p l i e d M a t h e m a t i c s a n d A c t u a r y T r a i n i n g
I n t r o d u c c i ó n a l a
C i e n c i a d e
INVERSIÓN
$5,900Ex alumnos AMAT:
A p p l i e d M a t h e m a t i c s a n d A c t u a r y T r a i n i n g
I n t r o d u c c i ó n a l a
C i e n c i a d e
Público general:
$6,450
A p p l i e d M a t h e m a t i c s a n d A c t u a r y T r a i n i n g
A CONSIDERAR. . .
• En caso de requer i r fac tura , favor de comun i car te con nosot ro s y so l i c i t ar la a l i n i c i o de su i n s cr i pc i ón ya que so l o se podrá e fec tuar den t ro de l mes en que se rea l i zó e l pago. Fuera de ese t i empo, no se podrá em i t i r d i cha fac tura .
• S i e x i s t e c a n c e l a c i ó n d e l c u r s o p o r p a r t e d e A M AT, a l o s p a r t i c i p a n t e s q u e hayan rea l i z a d o a l g u na a p o r t a c i ó n , l e s e r á devue l ta su i nver s i ón , o b i en , se l es hará vá l i da la apor tac i ón para ot ro s cur so s .
• E l a l umno p odrá cance l a r su l ugar s i n pena l i zac i ón s i empre y cuando av i se con 1 mes de an t i c i pac i ón prev i o a l i n i c i o de l cur so. E n caso con t rar i o, l a pena l i zac i ón será equ i va l en te a un 50% de l mon to que haya depos i t ado. Una vez i n i c i ado e l cur so la pena l i zac i ón por cance lac i ón de cur so será de l 90% de l va lor depos i t ado has ta ese momen to y no podrá ser u t i l i zado para e l pago o apar tado de ot ro cur so.
I n t r o d u c c i ó n a l a
C i e n c i a d e
CONTÁCTANOS Para inscr ib ir te
Con tác tanos v ía Facebook
amat.mexico
V i s i t a nues t ro s i t i o web
www.amat.mx
Env íanos un correo a :
L l amar o env iar What sApp
+52 55 55 44 07 51
A p p l i e d M a t h e m a t i c s a n d A c t u a r y T r a i n i n g
I n t r o d u c c i ó n a l a
C i e n c i a d e
