Bit - loader
Bit - Data Science for Microsoft Developer

Data Science for Microsoft Developer


Introducción a: Data Science for Microsoft Developer

El objetivo del ProCamp es presentar a los alumnos los conocimientos necesarios para trabajar con las diferentes herramientas, lenguajes y técnicas que todo científico de datos debería de conocer. Durante el curso se verán fundamentos de estadística, técnicas de obtención, tratamiento y consumo de datos, aplicables a las funciones de Data Science. El ProCamp podrá ser seguido con el lenguaje de programación R o con Python


Objetivos

Al finalizar este curso los alumnos podrán:

  • Explorar y transformar datos
  • Utilizar R o Python para obtener, transformar y explotar datos
  • Obtener y modificar datos con Transact-SQL
  • Analizar y visualizar datos con Microsoft PowerBI
  • Utilizar los principales componentes de Machine Learning

Perfil de los alumnos

Desarrolladores

Analistas

Profesionales de datos


Requisitos previos

Conocimientos básicos de programación


Profesorado

Contamos con un equipo de instructores altamente cualificados que combinan la actividad formativa con el desarrollo de su actividad profesional como expertos en el campo de las TIC. Profesionales certificados por los principales fabricantes del sector capaces de transferir de forma amena y entendedora los conceptos técnicos más abstractos.


Documentación

Cada alumno recibirá un ejemplar de la Documentación acorde a los contenidos del curso.


Contenidos del Data Science for Microsoft Developer

  1. Orientación a la ciencia de datos (Data Science)
    • Fundamentos de Data Science
    • El rol de los científicos de datos
      • Necesidades
      • Habilidades
      • Trabajo
    • Primeros pasos con datos
      • Explorar datos
      • Visualizar datos
      • Particionar datos (Slicing / Dicing)
  1. Fundamentos de estadística
    • Varianza
    • Tendencias
    • Funciones y herramientas estadísticas en Excel
    • Correlación
    • Pruebas e hipótesis
    • T-Tests
    • Regresión
  2. Consulta de datos de SQL Server
    • Transact-SQL
    • Consultar datos de tablas con SELECT
      • Borrado de duplicados
      • Ordenación
      • Filtrado
    • Consultar varias tablas con JOINS
      • INNER JOIN
      • OUTER JOIN
      • CROSS JOIN
      • SELF JOIN
    • Operadores de conjuntos
      • UNION y UNION ALL
      • INTERSECT y EXCEPT
    • Uso de funciones y agregado de datos
      • Funciones escalares
      • Funciones lógicas
      • Funciones de ventana (Window)
      • Funciones de agregado
      • Agrupar datos
    • Subconsultas y APPLY
    • Utilizar expresiones de tabla
    • Conjuntos de agrupado y pivotado de datos
  3. Modificación de datos SQL Server
    • Modificar datos
      • INSERT
      • UPDATE
      • DELETE
    • Programación
      • Batches
      • Comentarios
      • Ramificaciones
      • Bucles
      • Procedimientos almacenados
    • Gestión de errores
      • TRY-CATCH
      • Capturar errores
      • Lanzar errores
    • Transacciones
      • Implementar transacciones
  1. Analizar y visualizar datos
    • PowerBI
    • Modelado de datos
      • Relaciones
      • Columnas calculadas
      • Métricas
      • Jerarquías
    • Visualizaciones
    • Power BI Service
    • Conectar con Excel
    • Colaboración y seguridad de informes
  2. Programación con R
    • Conceptos básicos de R
    • Vectores
    • Matrices
    • Factores
    • Listas y Data frames
    • Leer datos
      • Desde ficheros de texto
      • Desde bases de datos SQL
    • Trabajar y manipular datos
    • Crear modelos
      • De simulación
      • Lineales
    • Gráficos
      • ggplot2
      • ggmap
  1. Programación con Python
    • Conceptos básicos de Python
    • Listas
    • Funciones y paquetes
    • Trabajar con datos
      • Explorar
      • Transformar
      • Modelado
      • Evaluar datos
    • Numpy
    • Plotting con Matplotlib
    • Flujo de control y Pandas
  2. Machine Learning – Clasificación
    • Introducción a la clasificación
      • Funciones de pérdida
      • Teoría de aprendizaje
      • Regresión
    • Construir modelos de clasificación
      • Clasificadores
      • Datos no balanceados
  1. Machine Learning – Regresión
    • Introducción a la regresión
      • Regresión lineal
      • Regresión lineal múltiple
      • Evaluar modelos de regresión
    • Crear modelos de regresión
      • Construcción con Azure ML
      • Gestión de datos aislados
  1. Machine Learning – Mejorar los modelos de Machine Learning
    • Principios de mejora
      • Regularización
      • Características
    • Técnicas de mejora
      • Intercambio de parámetros
      • Validación cruzada
  1. Machine Learning – Árboles y métodos de unión
    • Árboles de decisión
    • Métodos de unión
      • Impulso (boosting)
      • Descenso coordinado
      • Bosques de decisión
  1. Machine Learning – Métodos de optimización
    • Redes neuronales
    • Máquinas de vectores de soporte (SVM)
  2. Machine Learning – Agrupación (Clustering) y recomendaciones
    • Clustering
      • K-Means
      • Jerárquico
      • Simulación
    • Recomendadores
      • Factorización en matrices
      • Crear y evaluar un recomendador
  1. Machine Learning – Agrupación (Clustering) y recomendaciones
    • Clustering
      • K-Means
      • Jerárquico
      • Simulación
    • Recomendadores
      • Factorización en matrices
      • Crear y evaluar un recomendador

 

 

 


Metodología

Curso presencial, activo y participativo. El docente introducirá los contenidos haciendo uso del método demostrativo, los participantes asimilarán los conocimientos mediante las prácticas de aplicación real.


Cursos relacionados
Nuestro sitio utiliza cookies para análisis. Si no estás seguro de ello, echa un vistazo a nuestra política de privacidad.