Desarrolla tus habilidades como ingeniero informático en Data Science y la Minería de Datos” 

En este Diplomado se analizarán las bases teóricas que ayudan a los ingenieros informáticos a desarrollar conocimiento avanzado sobre las diferentes técnicas de preparación de datos existentes para la limpieza, normalización y transformación de datos. Asimismo, presentará las herramientas necesarias para evaluar distintas metodologías en búsqueda de errores que puedan ocasionar problemas en el entorno laboral. 

Todo el programa está compuesto por una serie de casos prácticos que favorecerán el aprendizaje de los estudiantes que buscan seguir avanzando en sus carreras profesionales y retándose a sí mismos para alcanzar la excelencia. 

Todo esto, será tangible gracias a un programa 100% online, que se adapta a las necesidades diarias de los estudiantes, solo será necesario contar con un dispositivo con conexión a internet para empezar a trabajar por un perfil profesional completo y con proyección internacional. 

Evalúa las distintas metodologías presentadas e identificar ventajas e inconvenientes” 

Este Diplomado en Procesamiento y Transformación en Minería de Datos contiene el programa educativo más completo y actualizado del mercado. Las características más destacadas de la capacitación son:

• El desarrollo de casos prácticos presentados por expertos en Ingeniería enfocada en el análisis del dato 
• Los contenidos gráficos, esquemáticos y eminentemente prácticos con los que está concebido recogen una información científica y práctica sobre aquellas disciplinas indispensables para el ejercicio profesional  
• Los ejercicios prácticos donde realizar el proceso de autoevaluación para mejorar el aprendizaje  
• Su especial hincapié en metodologías innovadoras   
• Las lecciones teóricas, preguntas al experto, foros de discusión de temas controvertidos y trabajos de reflexión individual  
• La disponibilidad de acceso a los contenidos desde cualquier dispositivo fijo o portátil con conexión a internet 

Desarrolla las habilidades necesarias para la identificación, preparación y transformación de datos” 

El programa incluye, en su cuadro docente, a profesionales del sector que vierten en esta capacitación la experiencia de su trabajo, además de reconocidos especialistas de sociedades de referencia y universidades de prestigio.
  
Su contenido multimedia, elaborado con la última tecnología educativa, permitirá al profesional un aprendizaje situado y contextual, es decir, un entorno simulado que proporcionará una capacitación inmersiva programada para entrenarse ante situaciones reales.   

El diseño de este programa se centra en el Aprendizaje Basado en Problemas, mediante el cual el profesional deberá tratar de resolver las distintas situaciones de práctica profesional que se le planteen a lo largo del programa académico. Para ello, contará con la ayuda de un novedoso sistema de vídeos interactivos realizados por reconocidos expertos, con gran experiencia en Procesamiento y Transformación en Minería de Datos. 

Concreta procedimientos eficaces y eficientes para el tratamiento de datos según el tipo de problema presentado"

Dale un giro a tu carrera profesional y comienza a desarrollar estrategias de mejora en una empresa"

Los módulos de este programa ofrecen una perspectiva teórica y práctica para examinar las técnicas de limpieza de datos más avanzadas, la transformación, la reducción de la dimensionalidad, así como la selección de características y de instancias. De esta manera, se cumplen los objetivos del programa en capacitar ingenieros profesionales, integrales y de gran prestigio.  

Desarrolla conocimiento avanzado sobre las diferentes técnicas de preparación de datos existentes para la limpieza, normalización y transformación de datos” 

Módulo 1. Minería de Datos. Selección, preprocesamiento y transformación

1.1. La inferencia estadística 

1.1.1. Estadística descriptiva vs. Inferencia estadística 
1.1.2. Procedimientos paramétricos 
1.1.3. Procedimientos no paramétricos 

1.2. Análisis exploratorio 

1.2.1. Análisis descriptivo 
1.2.2. Visualización 
1.2.3. Preparación de datos 

1.3. Preparación de datos 

1.3.1. Integración y limpieza de datos 
1.3.2. Normalización de datos 
1.3.3. Transformando atributos 

1.4. Los valores perdidos 

1.4.1. Tratamiento de valores perdidos 
1.4.2. Métodos de imputación de máxima verosimilitud 
1.4.3. Imputación de valores perdidos usando aprendizaje automático 

1.5. El ruido en los datos 

1.5.1. Clases de ruido y atributos 
1.5.2. Filtrado de ruido 
1.5.3. El efecto del ruido 

1.6. La maldición de la dimensionalidad 

1.6.1. Oversampling 
1.6.2. Undersampling 
1.6.3. Reducción de datos multidimensionales 

1.7. De atributos continuos a discretos 

1.7.1. Datos continuos versus discretos 
1.7.2. Proceso de discretización 

1.8. Los datos 

1.8.1. Selección de datos  
1.8.2. Perspectivas y criterios de selección
1.8.3. Métodos de selección  

1.9. Selección de instancias 

1.9.1. Métodos para la selección de instancias 
1.9.2. Selección de prototipos 
1.9.3. Métodos avanzados para la selección de instancias 

1.10 Preprocesamiento de datos en entornos Big Data 

1.10.1. Big Data 
1.10.2. Preprocesamiento “clásico” versus masivo 
1.10.3. Smart Data 

Completar este programa les permitirá a los estudiantes comprender mejor los métodos de selección de datos”