Curso Data Science y Big Data: Decisiones basadas en Datos
Este curso está diseñado para científicos y analistas de datos, además de para profesionales que buscan convertir grandes volúmenes de datos en información procesable. Dado que la información es un campo amplio por naturaleza, el curso se adapta tanto a profesionales que están dando sus primeros pasos como a mánager sénior. No se trata de un curso de introducción y, por ello, el claustro recomienda encarecidamente que los participantes ya se sientan cómodos trabajando con técnicas de estadística y cálculo de datos o con métodos cuantitativos de investigación.
- Aplicar técnicas de ciencia de datos para enfrentar el reto que supone la gestión de datos en la empresa.
- Identificar y evitar los errores comunes en el análisis de big data.
- Implementar algoritmos de machine learning para minar datos.
- Interpretar modelos analíticos para tomar mejores decisiones de negocio.
- Convertir conjuntos de datos en modelos mediante el análisis predictivo.
- Comprender los desafíos asociados a escalar algoritmos de big data.
- La importancia de decidir cómo representar datos al hacer predicciones.
En este curso estudiarás conceptos clave de la ciencia de datos, el análisis y machine learning que pueden aplicarse a grandes conjuntos de datos reales. Las matemáticas son un elemento crucial en machine learning. Por ello, en algunos módulos se asume que el participante tiene nociones básicas de algunos conceptos matemáticos clave.
Notación matemática. Los participantes deberían sentirse cómodos al trabajar con variables, sumatorios y fórmulas matemáticas generales utilizadas para describir cantidades.
Probabilidad. Lo más idóneo es que los participantes tengan nociones básicas de los conceptos fundamentales de la probabilidad, incluida la definición de distribución, expectativa, varianza y desviación estándar.
Álgebra lineal. Si bien no es completamente necesario, es recomendable que los participantes tengan nociones básicas de vectores y matrices y de cómo estos se pueden usar para representar datos numéricos.
Programación. No se requieren conocimientos previos de programación para aprobar, pero son aconsejables. Todos los estudios de casos evaluables tienen tutoriales dirigidos a participantes que nunca han codificado antes. Algunos de los estudios de caso opcionales hacen posible que los participantes trabajen directamente con conjuntos de datos reales, pero requieren algunos conocimientos previos de lenguajes de procesamiento de datos como Python, R o MATLAB.
Necesitarás Python 2.7 o 3.6 para resolver los dos estudios de caso obligatorios (no necesitas saber cómo codificar para poder resolver los estudios de caso; se proporcionarán guías básicas y avanzadas).
Este curso incluye una serie de actividades evaluables de estudios de caso. Solo se requieren dos y para ambas usará Python. No necesitas ser un experto en Python para realizarlas: tendrás disponible una guía e instrucciones de codificación. De los estudios de caso opcionales, la mayoría requieren Python y/o R. Para algunos estudios de ellos no necesitarás Matlab. Si bien no necesitas saber codificar, interactuar con el material del curso opcional te resultará más sencillo si estás familiarizado con Python, R y Matlab.
Para acceder al curso es necesario estar conectado a internet, ya que los vídeos solo están disponibles en streaming y no pueden descargarse para su visionado sin conexión. Ten en cuenta las restricciones establecidas por tu empresa respecto al visionado de contenido y/o la configuración del firewall.
También es imprescindible saber descargar y leer PDF.
Nuestro software educativo funciona mejor con las versiones actuales de Google Chrome, Firefox o Safari. Para obtener la mejor experiencia posible, te recomendamos cambiar a una versión actualizada de Chrome o Firefox. Si no tienes instalado Chrome, puedes obtenerlo de forma gratuita aquí: http://www.google.com/chrome/browser/.
En este momento, no podemos permitir el acceso completo desde dispositivos móviles. Aunque muchos elementos de los cursos funcionarán en un dispositivo móvil, puede haber otros que no lo hagan.
Si trabajas desde una máquina o red segura, es probable que haya restricciones respecto al tipo de contenido que puedes descargar, publicar o compartir. Cuando te matricules en un curso online, ten en cuenta y cumple con tus políticas locales de TI. En el pasado, las empresas que limitan el uso de Chrome han concedido exenciones especiales para los participantes de los cursos de MIT o los participantes han decidido utilizar sus ordenadores personales.
Este curso incluye una serie de actividades evaluables de estudios de caso. Solo se requieren dos y para ambas usará Python. No necesitas ser un experto en Python para realizarlas, tendrás disponible una guía e instrucciones para la codificación.
De los estudios de caso opcionales, la mayoría requieren Python y/o R. Para algunos estudios de caso opcionales no necesitarás Matlab. Si bien no necesitas saber codificar, interactuar con el material opcional del curso te resultará más sencillo si estás familiarizado con Python, R y Matlab.
El curso Data Science y Big Data: Decisiones basadas en datos cuesta $899 USD. No hay becas ni ayudas disponibles.
No se requiere ningún material ni bibliografía adicional para completar este curso.
Preguntas y estudios de caso prácticos y evaluables. El contenido se muestra en vídeos.
El curso dura siete semanas. Las sesiones se graban previamente y puedes seguirlas cuando te resulte conveniente, siempre y cuando completes las actividades evaluables antes de la fecha de entrega. Puedes completarlas antes, sin embargo, quizá te resulte más útil programar un horario semanal que te ayude a mantenerte al día respecto a los foros de discusión. Excepcionalmente, hay dos estudios de caso evaluables, uno en la Semana 5 y otro en la Semana 7.
Los cursos de MIT xPRO están diseñados para adaptarse a los horarios de profesionales. Deberías dedicar unas 4 o 5 horas a la semana a visionar los vídeos, leer el contenido, realizar las actividades evaluables (incluidos los ejercicios escritos y los basados en software) y observar la valoración del trabajo de otros participantes.
Cada módulo de vídeo se graba previamente, lo que permite visionarlo en cualquier momento. Aunque puedes completar casi todo el curso tan rápido como quieras, la mayoría de los participantes consideran mejor programar un horario semanal e intervenir en el foro de discusión online mientras tanto.
Una media mínima de 60% en las siguientes actividades:
- Casos prácticos a resolver por el participante.
- Tests de autoevaluación.
- Actividades evaluadas por compañeros.
- Actividades prácticas.
Simplemente, haz clic en «Progreso» en la parte superior del menú.
Los participantes del curso que completen con éxito todos los requisitos recibirán 1,8 MIT CEU.
Los CEU son créditos reconocidos a nivel nacional en Estados Unidos para garantizar la validez de aquella formación no orientada a la obtención de créditos de un título. Muchos empresarios, oficinas de licencias y asociaciones profesionales reconocen los créditos CEU como prueba de un firme compromiso con el desarrollo de competencias profesionales. Los CEU equivalen a horas de aprendizaje. Por ejemplo, 1 MIT CEU = 10 h.
Importante: los CEU no pueden aplicarse a ningún curso de MIT para universitarios o estudiantes de posgrado.