Curso en línea – especialización profesional certificada en análisis de datos con Python de Google, Universidad de Colorado Boulder

Únase a cursos que enfatizan las habilidades en tecnologías de datos y análisis de datos. Obtenga un conocimiento profundo que lo preparará para los desafíos del mundo real del análisis de datos.

Suggested by: Coursera (What is Coursera?)

Start your Coursera.com free trial today
Curso en línea - especialización profesional certificada en análisis de datos con Python de Google, Universidad de Colorado Boulder

Professional Certificate

nivel intermedio

No prior knowledge required

Time to complete the course

7-day free trial

No unnecessary risks

Skills you will acquire in the course

  • Clasificación
  • regresión
  • Agrupación
  • Reducción de la dimensionalidad de los datos.
  • Reglas de asociación
  • aprendizaje controlado
  • aprendizaje no supervisado
  • Detección de excepciones

What you will learn in the course

Courses for which the course is suitable

  • analista de datos
  • científico de datos
  • Desarrollador de algoritmos
  • Responsable de proyectos en el campo de los datos.
  • Consultor de análisis de datos.
  • Experto en modelado de datos.
  • analista de sistemas de informacion
  • Desarrollador de soluciones de inteligencia de negocios
  • investigador de datos
  • Director de Investigación y Análisis

Prácticas: una serie de 5 cursos.

Especializarse en análisis de datos proporcionará una descripción completa de diversas técnicas de análisis de datos. Los cursos cubrirán una amplia gama de temas, que incluyen:

  • Clasificación
  • regresión
  • Agrupación
  • Reducción de la dimensionalidad de los datos.
  • Reglas de asociación

Los cursos serán muy prácticos e incluirán ejemplos de la vida real y estudios de casos, que ayudarán a los estudiantes a desarrollar una comprensión más profunda de los conceptos y técnicas de análisis de datos. Los cursos finalizarán con un proyecto que demuestre el dominio del estudiante en las técnicas de análisis de datos.

Proyecto de aprendizaje aplicado

La asignatura «Proyecto de Análisis de Datos» permite al estudiante aplicar los conocimientos y habilidades adquiridos en esta especialización para realizar un proyecto práctico de análisis de datos acorde a su interés. Los participantes explorarán una variedad de direcciones en el análisis de datos, que incluyen:

  • aprendizaje controlado
  • aprendizaje no supervisado
  • regresión
  • Agrupación
  • Reducción de dimensiones
  • Reglas de asociación
  • Detección de excepciones

A lo largo de los módulos, los estudiantes aprenderán técnicas y metodologías esenciales de análisis de datos y se embarcarán en un viaje desde los datos sin procesar hasta el conocimiento y la inteligencia. Al completar el curso, los estudiantes dominarán el análisis de datos, serán capaces de aplicar su experiencia en diversos proyectos y tomar decisiones basadas en datos.

Details of the courses that make up the specialization

Análisis de clasificación

Curso 1 – 38 horas

¿Qué aprenderás?

  • Comprender el concepto y la importancia de la clasificación como uno de los métodos de aprendizaje gestionado.
  • Distinga y describa diferentes tipos de clasificadores y aplique cada clasificador para realizar tareas de clasificación binaria y multiclase en diversos conjuntos de datos.
  • Evaluar el desempeño de los clasificadores, seleccionar y refinar clasificadores en función de las características de la información y los requisitos de aprendizaje.

Las habilidades que adquirirás

  • Aprendizaje múltiple
  • Regresión lineal
  • validación cruzada
  • regresión
  • Scikit-Aprende

Análisis de regresión

Curso 2 – 40 horas

¿Qué aprenderás?

  • Comprender los principios y la importancia del análisis de regresión en el aprendizaje supervisado.
  • Aplicar métodos de validación cruzada para evaluar el rendimiento del modelo y mejorar los parámetros.
  • Comprender los métodos de multiplicación (ensacado, potenciado, apilamiento) y su función para aumentar la precisión del modelo de regresión.

Las habilidades que adquirirás

  • Aprendizaje no supervisado
  • aprendizaje automático
  • Aprendizaje supervisado
  • planificación de proyectos
  • minería de datos

Análisis de conglomerados

Curso 3 – 37 horas

¿Qué aprenderás?

  • Comprender los principios y la importancia del aprendizaje no supervisado, especialmente la agrupación y la reducción de dimensionalidad.
  • Aplique técnicas de agrupamiento a diferentes conjuntos de datos para el descubrimiento de patrones y la exploración de datos.
  • Aplicar Análisis de Componentes Principales (PCA) para reducir la dimensionalidad de los datos e interpretar el espacio reducido.

Las habilidades que adquirirás

  • Algoritmos para clusters de datos
  • Reducción de dimensiones
  • Agrupación de K-medias
  • Análisis de Componentes Principales (PCA)
  • Dbscan

Análisis de reglas de asociación.

Curso 4 – 22 horas

¿Qué aprenderás?

  • Comprender los principios y la importancia de los métodos de aprendizaje no supervisados, especialmente las reglas de asociación y la detección de anomalías.
  • Relacionar los conceptos y aplicaciones de patrones frecuentes y reglas de asociación para descubrir relaciones interesantes entre elementos.
  • Aplique una variedad de métodos de detección de anomalías, incluidos métodos estadísticos e intradistancia para identificar puntos de datos anómalos.

Las habilidades que adquirirás

  • Reglas de asociación de aprendizaje
  • excepcional
  • A priori
  • Patrones frecuentes
  • Crecimiento de la PF

Proyecto de análisis de datos con Python.

Curso 5 – 18 horas

¿Qué aprenderás?

  • Especificar el alcance y la dirección del proyecto de análisis de datos, identificar técnicas y modelos adecuados para alcanzar los objetivos del proyecto.
  • Aplique una variedad de algoritmos de clasificación y regresión y aplique múltiples técnicas de validación para mejorar el rendimiento del modelo.
  • Aplique algoritmos de agrupación, reducción de dimensionalidad, minería de reglas de asociación y detección de valores atípicos para modelos de aprendizaje no supervisados.

Las habilidades que adquirirás

  • Estadísticas bayesianas
  • Regresión logística
  • máquina de vectores de soporte (SVM)
  • Clasificación
  • árbol de decisiones

Productos relacionados