MANUAL DEL PARTICIPANTE

OBJETIVO DEL MANUAL

Describir el contenido del módulo a cursar, la forma de evaluación y una breve descripción de actividades
a realizar.

Te pedimos que leas con atención todos los puntos.

Recuerda que si tienes alguna duda podrás solicitar apoyo a tu instructor en las sesiones programadas.

PROGRAMA:
Big Data y Estrategia de Negocio

MÓDULO 3:
Machine Learning

PROFESOR:
Dr. Ramón Marín Solís. MANUAL DEL PARTICIPANTE
FECHA DEL CURSO:
6 de marzo al 2 de abril de 2022
A. OBJETIVO:

Analizar las herramientas de Machine Learning como

apoyo a la analítica de grandes volúmenes de
información.
B. CONTENDIDO:

I. BI, Analítica y aprendizaje de máquina

como apoyo a la solución de problemas
de negocio.
II. Metodología para el aprendizaje de
máquina.
III. Métodos de aprendizaje: Supervisado
y No Supervisado.
IV. Plataformas de apoyo analítico: SQL,
Tableau, Power BI.
V. Plataformas para aprendizaje de
máquina: R, Azure, Phyton, Weka,
SPSS, Alterix, Knime.
VI. Solución de problemas tipo a través
de las metodologías de aprendizaje
de máquina.
VII. Interpretación de resultados bajo un
marco aplicativo accionable.

C. EVALUACIÓN:

1.- Examen 50%

2.- Examen práctico de evaluación: Clusters 50%
 DESCRIPCIÓN DE ACTIVIDADES
El total de las actividades
deben realizarse en la
plataforma.
Solo se tomarán en cuenta
las actividades y trabajos
recibidos hasta el:
2 de abril de 2022.
1.- VISUALIZACIÓN DE MATERIAL EN PLATAFORMA
(VIDEOS)
El módulo se impartirá en varias cápsulas, dando un
total de 2 horas, además de los archivos adicionales
del módulo. Es indispensable ver el 100% de las
cápsulas.
Se considera completado el módulo cuando el alumno
conteste las encuestas de calidad.
2.- EXAMEN TEÓRICO
Realiza el examen, encontrarás respuestas de opción
múltiple tienes 2 oportunidades de contestarlo, se
evaluará automáticamente
3.- EXAMEN PRÁCTICO DE EVALUACIÓN: CLUSTERS
Realiza el ejercicio que se te solicita, y realizarás el
examen correspondiente, tienes hasta la fecha límite
para realizarlo, en este examen solo tendrás un
intento.
 DESCRIPCIÓN DE ACTIVIDADES

4.- SESIÓNES PLENARIAS

 Videoconferencias, de seguimiento, en vivo con el profesor

titular del módulo, tienen una duración de 30 min.
 Las sesiones plenarias del módulo se realizarán los días
miércoles 9, 16, 23 y 30 de marzo del 2021 a las 19:00 horas

El total de las actividades

deben realizarse en la
plataforma.

Solo se tomarán en cuenta 5.- ENCUESTA DE CALIDAD

las actividades y exámenes
realizados hasta el:
2 de abril de 2022.
Encontrarás un par de encuestas, una en la plataforma y
otra se publicará el enlace en la plataforma.
Responde las preguntas según la experiencia que tuviste
durante el módulo.
Responder la encuesta de calidad es esencial para obtener
la calificación del módulo.
Será habilitada el 24 de marzo del 2022.
 6.- CALENDARIO DEL CURSO

FECHA DE IMPARTICIÓN
ACTIVIDADES Y EVALUACIONES
6 de marzo al 2 de abril de 2022
Es muy importante saber que la
fecha límite se programará en TEMA
la plataforma y esta cerrará de
forma automática al vencer la Machine Learning.
fecha de realización, por lo que ACCESO AL MATERIAL EN LA PLATAFORMA
no hay evaluaciones
extemporáneas. El profesor no
06 de marzo 2022
tiene control sobre ella.
Realiza las dos evaluaciones Último día para realizar actividades y evaluaciones
(exámenes) dentro del periodo
2 de abril de 2022
del módulo.
7.- REFERENCIAS SESIÓNES PLENARIAS CON EL PROFESOR
A. L’Heureux, K. Grolinger, H. F. Elyamany and
M. A. M. Capretz (2017). Machine Learning Miércoles 9, 16, 23 y 30 de marzo del 2021
With Big Data: Challenges and Approaches. a las 19:00 horas
IEEE Access, vol. 5, pp. 7776-7797, 2017, doi:
10.1109/ACCESS.2017.2696365.
https://ieeexplore.ieee.org/document/79065 VISUALIZACIÓN DE CALIFICACIONES EN PLATAFORMA
12
Azevedo, A. (2018). Data Mining and 12 de abril del 2021
Knowledge Discovery in Databases. In M.
Khosrow-Pour, D.B.A. (Ed.), Encyclopedia of
Information Science and Technology, Fourth
Edition (pp. 1907-1918). Hershey, PA: IGI
Global. doi:10.4018/978-1-5225-2255-
3.ch166
Gartner (2019). Top 10 Strategic Technology
Trends for 2019: Opportunities for Midsize
Enterprises to Exploit Augmented Analytics.
G00381512
Gartner (2019). The Future of Data and
Analytics Is Now
Gartner (2020). Modernize Your
Organization’s Data and Analytics Strategy to
Achieve Digital Business Success. G00729106
Grolemund,Garrett y Wickham, Hadley
(2018). R para ciencia de datos.
https://es.r4ds.hadley.nz/
Wickham et al., (2019). Welcome to the
tidyverse. Journal of Open Source Software,
4(43), 1686,
https://doi.org/10.21105/joss.01686
R Core Team (2020). R: A language and
environment for statistical computing. R
Foundation for Statistical Computing, Vienna,
Austria. URL https://www.R-project.org/