Introducción a Data Science con Microsoft Tools

¿Qué se aprenderá?

En este seminario de dos días el participante aprenderá sobre las herramientas Microsoft para el análisis de datos, el contenido se desarrolla mediante ejemplos prácticos en los cuales se introduce el uso de las distintas opciones para el análisis de datos, desde las más básicas tales como Excel hasta especializadas tales como Azure Machine Learning y el uso de Lenguaje R en SQL Server 2016.

¿Qué se Incluye?

Certificado de participación
Refrigerios, almuerzo, parqueo
Materiales impresos
Scripts utilizados en el seminario

Registro

Zona 10

Guatemala
6 - 7 Ago.

2018
MVP

Data Platform
Gold Partner

Data Platform

Módulo 1. Introducción a la ciencia de datos y su aplicación empresarial

El análisis de datos y específicamente la ciencia de datos está tomando gran importancia en las empresas para poder lograr obtener valor a partir de la información, en este módulo veremos los conceptos principales de Data Science su definición interdisciplinaria y los beneficios de aplicación en las empresas.

Introducción a Data Science
Perfil del científico de datos
Aplicación del negocio del Data Science
Tareas principales del científico de datos.
Data Scientist Toolkit.

Módulo 2. Herramientas para Data Science

Para realizar un análisis de datos es necesario contar con herramientas que nos permitan realizar dichas tareas y que aceleren el proceso. En este módulo se describen las siguientes herramientas:

R Studio
Azure Machine Learning
Cortana Analytics
Microsoft Revolutions Analytics R Server
Data Science con SQL Server 2016

Módulo 3. Exploración de datos y análisis descriptivo

Para iniciar el análisis de datos es necesario entender los datos con los cuales vamos a trabajar, en este módulo veremos algunas técnicas exploratorias de datos y estadística descriptiva que nos permitan contar con una base para realizar un análisis más avanzado posteriormente.

Estadística descriptiva de datos
Exploración de datos con R
Exploración de datos con Azure Machine Learning
Estadística descriptiva con R

Módulo 4. Análisis de datos y predicción

La ciencia de datos necesita que lo datos estén preparado para realizar el análisis, en este módulo veremos el proceso de preparación de datos y las técnicas asociadas.

Método CRISP-DM
Definición de experimentos
Refinamiento de hipótesis
Conceptos de predictive analytics, data mining y machine learning

Módulo 5. Vistazo general de algoritmos más utilizados

El científico de datos cuenta con una serie de herramientas en las cuales se puede realizar el análisis de datos, sin embargo, la elección el algoritmo adecuado para el problema que deseo modelar es vital, en este módulo vemos algunos de los algoritmos más populares y en qué casos aplica su uso.

Módulo 6. Creación de modelos de análisis de datos

Una vez que tienen los datos preparados y se ha elegido alguno de los algoritmos para realizar el análisis, el siguiente paso es iniciar con la creación de experimentos y modelos, en este módulo vemos el uso de Azure Machine Learning para tal fin.

Preparación de datos, creación de modelos y validación de datos
Creación de modelos en Azure Machine Learning
Validación de modelos, verificación de la precisión y comparación de modelos
Integración de Machine Learning con sistemas de toma de decisiones
Uso de R en Azure Machine Learning
Creación de modelos basado en experimentos de Azure Machine Learning
- Modelos de Análisis de regresión
- Modelos de Análisis de clustering
- Modelos de recomendación
- Entrenamiento de modelos y afinamiento

Módulo 7. Creación de soluciones de Machine Learning

Después de crear un modelo, surge la necesidad de integrarlo con nuevas soluciones o con aplicaciones existentes, en este módulo vemos cómo integrar los modelos de Machine Learning con aplicaciones empresariales.

Creación de aplicaciones que consumen modelos de Azure Machine Learning
Creación de una aplicación en C# como cliente
Consumo de modelos de Machine Learning desde aplicaciones web

Módulo 8. Integración de herramientas de Data Science de Microsoft

La ciencia de datos agrega valor a las empresas cuando se puede transformar el análisis de datos y modelos en soluciones que pueden ayudar a tomar decisiones y conocer mejor el entorno de información de las empresas, en este módulo veremos cómo se pueden integrar distintas herramientas Microsoft para brindar soluciones a las empresas y nos enfocamos en estudio de casos en los cuales la ciencia de datos agrega valor al negocio.

Integración de PowerBI, Machine Learning y SQL Server
Estudio de casos de ciencia de datos aplicado en los negocios:
- Estimación de demanda
- Industria de retail
- Internet de las Cosas
- Mejora de la atención el cliente
- Análisis de Riesgos
- Segmentación de clientes
- Sistemas de Recomendación

Introducción a Data Science con Microsoft Tools

Zona 10

6 - 7 Ago.

MVP

Gold Partner

Módulo 1. Introducción a la ciencia de datos y su aplicación empresarial

Módulo 2. Herramientas para Data Science

Módulo 3. Exploración de datos y análisis descriptivo

Módulo 4. Análisis de datos y predicción

Módulo 5. Vistazo general de algoritmos más utilizados

Módulo 6. Creación de modelos de análisis de datos

Módulo 7. Creación de soluciones de Machine Learning

Módulo 8. Integración de herramientas de Data Science de Microsoft

Eduardo Castro

Super Early Bird

Early Bird

Entrada General

Información de contacto