Documentos de Académico
Documentos de Profesional
Documentos de Cultura
PROGRAMA
DE ESPECIALIZACIÓN
EN DATA SCIENCE
ANALÍTICA APLICADA
INICIO DE CLASES
24 DE FEBRERO
DURACIÓN
147 HRS LECTIVAS
7 CURSOS DE 21 HORAS LECTIVAS
HORARIO
SÁB. Y DOM. DE 1000 A.M. A 100 P.M.
OBJETIVOS GENERALES
Brindar al estudiante las herramientas de programación en el software
Python aplicando la librería Keras y sistema Tensorflow, de manera local
y en Google Colab.
Uso intensivo de bases de datos de empresas de Retail, Consumo,
Supply, Financieras y Servicios Públicos.
DIRIGIDO A
Estudiantes y/o egresados de Economía, Ingeniería, Estadística y
profesionales interesados en aplicaciones de Data Science a los
negocios, Economía y finanzas.
REQUISITOS
Conocimiento básico de R o Python.
CERTIFICACIÓN
Se otorgará un certificado de 147 horas lectivas por la participación en
el Programa de Especialización en Data Science. Adicionalmente, se
otorgará un certificado modular por la participación en cada uno de los
cursos y un certificado de aprobación (previa evaluación opcional).
Objetivo
El curso tiene como objetivo proporcionar al estudiante los conceptos de
base de datos estructurados y no estructurados. Capacitarlos en la creación
y manejo de bases de datos con Structured Query Language – SQL y su
extensión el lenguaje Transact-SQL de Microsoft para la programación de
Stored Procedures y Triggers. Y revisar con el estudiante los procedimientos
para realizar consultas y subconsultas, y el seguimiento y corrección de
errores.
Dirigido a
Estudiantes de Economía o Ingenierías sin previa experiencia en el manejo de
bases de datos y/o rofesionales con interés en iniciarse en el mundo de Data
Science con aplicaciones a los negocios, economía y finanzas.
Requisito
El participante debe tener conocimiento de Microsoft Excel a nivel
intermedio.
Certificación
Se otorgará un certificado a nombre de la institución por la participación en el
curso. Además, de un trabajo integrador opcional para la emisión de un
certificado de aprobación a nombre de la institución.
Tema 02
Creación y modificación de tablas
- Creación de tablas
- Tipos de datos. Especificación de los tipos de datos en una columna
- Creación de tipos definidos por el usuario
- Especificación de los valores predeterminados en una columna
- Modificación y eliminación de tablas en SQL
Tema 03
Implementación de integridad de datos
- Entendiendo restricciones de integridad
- Uso de restricciones. Tipos: Primary Key, Foreing Key,
- Check, Default. Create, Alter, Drop.
Tema 04
Creación de Vistas
- Añadiendo vistas a la base de datos
- Creación de vistas actualizables
- Eliminación de vistas de la base de datos
Tema 06
Funciones y expresiones de valor
- Funciones de valor: cadena, numéricas, estadísticas y fechas
- Funciones Set (Agrupadas): SUM, AVG, MIN, MAX, COUNT
Tema 07
Acceder a múltiples tablas
- Realizar operaciones básicas “join”
- Unir tablas con nombres de columna compartidos
- Utilizar el método “join” de condición
- Realizar operaciones de unión
Tema 08
Subconsultas
- Crear subconsultas que arrojen múltiples filas
- Crear subconsultas que arrojen un solo valor
- Trabajar con subconsultas correlacionadas
- Utilizar subconsultas anidadas
Tema 02
Crear activadores
- Crear activadores SQL.
- Crear activadores de inserción.
- Crear activadores de actualización.
- Crear activadores de eliminación.
Tema 03
Utilizar cursores SQL
- Entender los cursores SQL. Declarar un cursor.
- Abrir y cerrar un cursor.
- Recuperar datos desde un cursor.
- Utilizar instrucciones UPDATE y DELETE posicionadas
Tema 04
Manejar transacciones SQL
- Configurar las propiedades de la transacción
- Iniciar una transacción
- Determinar el aplazamiento de una restricción
- Crear puntos de recuperación en una transacción
Tema 06
Conexiones
- Conexión SQL a Stata.
- Conexión SQL a PowerBI.
- Conexión SQL a R
- Conexión SQL a Python
BUSINESS ANALYTICS
Horario y duración
El curso se desarrollará los fines de semana, sábados y domingos de 1000 a.m.
a 100 p.m. y cuenta con una duración de 21 horas lectivas. Un solo módulo.
Objetivo
Business Analytics es un conjunto de habilidades, tecnologías y
metodologías para la exploración de datos, desarrollo de nuevos insigths y
entendimiento de los negocios basados en datos y métodos estadísticos. En
este curso se estudiarán las técnicas de la analítica de negocios aplicados a la
segmentación de clientes, modelos de retención de clientes, market basked
analysis, visualización de insights, entre otros aplicados a diferentes tipos de
negocios como el retail sales, marketing, pricing & financial analytics. Para el de-
sarrollo de las aplicaciones de Business Analytics se utilizará, principalmente,
Python y/o R.
Dirigido a
Estudiantes y/o egresados de Economía, Ingeniería, Estadística y profesionales
interesados en aplicaciones de Data Science a los negocios, economía y
finanzas
Requisito
Conocimiento básico de Python o R.
Certificación
Se otorgará un certificado a nombre de la institución por la participación en el
curso. Además, de un trabajo integrador opcional para la emisión de un
certificado de aprobación a nombre de la institución.
Tema 02
Marketing Analytics
� Identificación y construcción de métricas / KPIs
� Segmentación de clientes: Análisis factorial
� Segmentación de clientes: Análisis clúster (K-means)
� Segmentación de clientes: Análisis RFM
� Customer Lifetime Value (CLV)
� Análisis de retención de clientes
� Generación de campañas: selección de muestra y medición del impacto
Tema 03
Retail Analytics
� Reglas de asociación de productos: Market Basked Analysis.
� Sistemas de recomendación: Next Best Product.
� Planificación de la demanda: Series de tiempo.
� Planificación y optimización del stock
Tema 04
Pricing & Financial Analytics
� Análisis de elasticidad y sensibilidad de precios.
� Modelos de volatilidad.
� Introducción a los modelos estocásticos financieros.
Horario y duración
El curso se desarrollará los fines de semana, sábados y domingos de 1000
a.m. a 100 p.m. y cuenta con una duración de 21 horas lectivas. Un solo
módulo.
Objetivo
Proporcionar al estudiante los fundamentos básicos-intermedios de Business
Intelligence en los software Microsoft Excel y Power BI. Programación y
manejo de base de datos y dashboards en los softwares Excel y Power BI.
Asimismo, se hará uso intensivo de bases de datos como de empresas
Retail, Financieras, Servicios Públicos y de internet (mínimo 1000000 de
casos), haciendo énfasis en la generación de insights de negocio a partir del
desarrollo de dashboards.
Dirigido a
Estudiantes de Economía o Ingenierías sin previa experiencia en el manejo de
bases de datos y/o rofesionales con interés en iniciarse en el mundo de Data
Science con aplicaciones a los negocios, economía y finanzas.
Requisito
Conocimiento básico de Python o R.
Certificación
Se otorgará un certificado a nombre de la institución por la participación en el
curso. Además, de un trabajo integrador opcional para la emisión de un
certificado de aprobación a nombre de la institución.
Tema 02
Power BI Business Intelligence I
� Power BI orientación Desktop
� Entorno Power BI Desktop
� Creación de un Escritorio de Power BI
� Consultas, merge y normalización
� Archivos de Plantilla JSON
Tema 03
Power BI Business Intelligence II
� Power BI orientación online service
� Bases de datos de la nube
� Actualización en tiempo real
� Gateway
� KPIS
Tema 04
Power BI Business Intelligence III � Funciones de Tabla
� Data Analysis Expression (DAX) y métricas � Funciones de Creación de
� Funciones avanzadas en diseño de Tablas
Dashboads � Creación de reportes con
� Funciones de cálculo y funciones lógicas mapas y gráficos personalizados
Horario y duración
El curso se desarrollará los fines de semana, sábados y domingos de 1000
a.m. a 100 p.m. y cuenta con una duración de 21 horas lectivas. Un solo
módulo.
Objetivo
El alumno adquirirá los conocimientos necesarios para afrontar un problema
de explotación de los datos utilizando las diferentes técnicas de Machine
Learning. Este curso cubre los principales algoritmos de Machine Learning,
así como el uso de las herramientas más populares para la Ciencia de Datos
R y Python
Dirigido a
El curso está dirigido a estudiantes de Economía, Economistas o personas
interesados en formarse en la materia de machine learning con el fin de intro-
ducir los conocimientos adquiridos y la práctica en la tarea diaria de la
empresa en la que trabajan.
Requisito
Conocimientos en cálculo, estadística y programación a nivel básico en R y
Python
Certificación
Se otorgará un certificado a nombre de la institución por la participación en el
curso.
Tema 02
Métodos de validación de Modelos y Métricas de Evaluación
� Resustitución, Validación Cruzada y Train Test: Ventajas y Desventajas
� Modelos Clasificación: Matriz de Confusión, Gini, Accuracy, f1-score, recall,
otros.
Tema 03
Feature Engineer y Componentes Principales
� Transformación de Variables
� Reducción de la dimensionalidad
Tema 04
Modelo de regresión Lineal y Modelo Logístico
� Aspectos Teóricos
� Lógica del Modelo
� Aplicación
Tema 05
Técnicas de Balanceo de Datos � Undersampling
� Problema y consecuencias � Oversampling
Tema 07
Modelo Random Forest y Gradient Boosting
� Aspectos Teóricos
� Lógica del Modelo
� Aplicación
Tema 08
Modelo de Redes Neuronales
� Aspectos Teóricos
� Lógica del Modelo
� Aplicación
Más información →
Objetivos específicos
� Proporcionar al estudiante aplicaciones de Social Media & Web Analytics y
Text Mining en los negocios y economía.
Requisito
Conocimiento básico de R o Python.
Certificación
Se otorgará un certificado a nombre de la institución por la participación en el
curso.
Tema 01
Social Media & Web Analytics
� Inteligencia de negocios vs Analítica de negocios.
� Identificación de fuentes web.
� Métodos de extracción de datos web estáticos.
� Métodos de extracción de datos web dinámicos.
� Uso de APIs sin autenticación y con autenticación.
� Análisis de datos web.
� Aplicaciones a Negocios y Economía.
Tema 02
Natural Language Processing
� Procesamiento de Lenguaje Natural (o NLP).
� Segmentación y Tokenización.
� POST, Parse Trees y Clasificación de textos.
� Detección de entidades y detección de relaciones.
� Análisis de sentimiento.
� Analítica de texto (Text Analytics o Text Mining).
� Aplicaciones a Negocios y Economía.
Tema 03
Visual Analytics
� Presentaciones de la información.
� Componentes de un Shiny y Arquitectura: server y ui.
� Construcción de dashboards con Shiny, Bokeh y Dash.
� Visualización de dashboards personalizados.
Objetivo
Deep Learning utiliza modelos computacionales inspirados en la estructura y
comportamiento del cerebro (principalmente el referido a las neuronas y sus
conexiones) para crear sistemas que ayuden o tomen decisiones inteligentes
de manera automatizada y eficiente, basados en experiencia y datos reales.
Así, el Deep Learning en los negocios toma la forma de chatbots, asistentes vir-
tuales, analítica predictiva y reconocimiento de patrones con uso intensivo de
las Redes Neuronales Artificiales, campo muy importante dentro de la Inteli-
gencia Artificial. Por eso, este curso desarrollará los diferentes tipos de algorit-
mos de redes neuronales artificiales, redes neuronales convolucionales y redes
neuronales recurrentes para transformar datos en conocimiento que permita
generar valor en las organizaciones.
Objetivos específicos
� Proporcionar al estudiante aplicaciones prácticas de las técnicas de Deep
Learning en predictive analytics, reconocimiento de patrones, targeting de
publicidad online, entre otros.
Requisitos
Conocimiento básico de Python
Certificación
Se otorgará un certificado a nombre de la institución por la participación en el
curso. Además, de un trabajo integrador opcional para la emisión de un certifi-
cado de aprobación a nombre de la institución.
Tema 01
Introducción a los negocios con Deep Learning
� Conceptualización y evolución de Deep Learning
� Deep Learning y Machine Learning: Características, enfoques y casos de
uso
� Redes neuronales clásicas
� Redes neuronales artificiales
� Introducción a Keras y Tensorflow.
Más información →
Tema 03
Redes Neuronales Convolucionales
� Capas convolucionales, capas densas
� Regularización (Weight regularization, Batch normalization, Dropout)
� Optimización
� Transfer Learning
� Arquitecturas: LeNet-5, Alexnet, VGG, ResNet.
� Aplicación en problemas de regresión y clasificación en economía y retail
Tema 04
Redes Neuronales Recurrentes
� Redes recurrentes simples (RNN)
� Long Short Term Memory (LSTM)
� Gated Recurrent Units (GRU)
� Aplicaciones en supply y finanzas
Tema 05
Deep Learning e Inteligencia Artificial
� Introducción y evolución de la Inteligencia Artificial
� Deep Learning a gran escala
� Principales aplicaciones en Computer Vision y Procesamiento de Lenguaje
Natural
@grupolambdaperu
@grupolambdaperu