courseraАнализ данных

Analítica y ciencia de datos para negocios

Курс от Pontificia Universidad Católica del Perú

Начальный≈ 20.4 чИспанский

О курсе

El objetivo del curso es lograr que los estudiantes apliquen los principios básicos, las características de la Analítica y ciencias de datos así como las etapas en el proceso de desarrollo de un proyecto de análisis de datos. Los estudiantes también se familiarizarán con el preprocesamiento de datos y serán capaces de manejar a, nivel práctico, las principales técnicas componentes de este, como el análisis de faltantes, la detección de outliers, las técnicas de normalización, discretización y reducción dimensional.

Навыки, которые вы освоите

Data Preprocessing Anomaly Detection Data Cleansing Business Analytics Supervised Learning Data Quality Data Transformation Dimensionality Reduction Project Management Life Cycle Analytics Databases Data Analysis Big Data R (Software)R Programming Data Processing

Программа курса

5 модулей · 130 учебных материалов

01INTRODUCCIÓN30 материалов

Introducción Lección 1.1 Conceptos básicos de Business Analytics

Bienvenida al cursoВидео SilaboЧтение Data Science, Big Data y Data AnalyticsВидео Definición de Business AnalyticsВидео

Учитесь у экспертов

Eduardo Carbajal López

Magíster en Estadística

Analítica y ciencia de datos para negocios

О курсе

Навыки, которые вы освоите

Программа курса

Introducción Lección 1.1 Conceptos básicos de Business Analytics

Учитесь у экспертов

Eduardo Carbajal López

Introducción Lección 1.2 Objetivos de un proyecto de Analítica y ciencia de datos para negocios

Introducción Lección 2.1 Tipos de proyecto de Analítica de Negocios

Introducción Lección 2.2 Estructura y División de la base de datos

Introducción Lección 2.3 Etapas de un proyecto

Módulo 1 Lección 1.1 Técnicas para la Analítica de Negocios

Módulo 1 Lección 1.2 Aplicaciones para el negocio

Módulo 1 Lección 1.3 Perfil del analista de Análisis de Negocio

Módulo 1 Lección 2.1 Instalación y recursos en R para la Analítica de Negocios

Cuaderno de trabajo Módulo 1

Examen final del Módulo 1

Módulo 2 Lección 1.1 Preprocesamiento de datos

Módulo 2 Lección 2.1 Problema de los datos faltantes

Módulo 2 Lección 3.1 Detección de datos faltantes

Cuaderno de ejercicio Módulo 2

Examen final del módulo 2

Módulo 3 Lección 1.1 Detección de outliers

Módulo 3 Lección 2.1 Outliers unidimensionales, multidimensionales y tratamiento de datos faltantes

Cuaderno de trabajo Módulo 3

Examen final del Módulo 3

Módulo 4 Lección 1.1 Normalización de datos

Módulo 4 Lección 1.2 Discretización de datos

Módulo 4 Lección 2.1 Aplicar R para normalización, discretización y reducción dimensional

Cuaderno de trabajo Módulo 4

Examen final del Módulo 54y del curso

Lecturas recomendadas