Introducción a Data Science

• Antecedentes de la Ciencia de Datos (de dónde viene y porqué es tan popular)
• ¿Para qué sirve la Ciencia de Datos?
• Puestos y responsabilidades relacionados a la Ciencia de Datos.
• ¿Qué es un científico de datos?

• ¿Qué trabajo hace un científico de datos?
• Niveles de implementación de la Ciencia de Datos en una organización.
• Las herramientas digitales utilizadas en analítica.

• Introducción al método científico y validación del conocimiento.
• Método científico en la industria.

• ¿Qué es la probabilidad y porque nos debe importar?
• ¿Qué es la probabilidad y porque nos debe importar?
• Eventos independientes, probabilidad de n eventos.
• Combinatorias, porque los eventos complejos son poco probables.
• Teorema de bayes, probabilidad condicional.
• Teorema de bayes, probabilidad condicional.
• Matriz de confusión, como evaluar e interpretar resultados.

• Introducción a la estadística (Población vs. muestra).
• Teorema de límite central.
• Medidas de tendencia central y Medidas de dispersión.
• Distribuciones de probabilidad.

• ¿Por qué necesitamos la validación experimental?
• Metodologías experimentales (medidas de control).
• Significancia y poder predictivo de la prueba.
• Tamaño de muestra vs significancia.
• Pruebas de hipótesis.

En IDESAA ofrecemos un servicio integral de formación y gestión de talento diseñado a la medida y necesidades de la empresa qie permita convertir la estrategia de negocio en resultados sostenibles.

• Para un grupo de personas

• Para alto volumen de colaboradores