La ciencia de los datos en la práctica
Introducción
Ya sea para luchar contra el fraude, detectar el cáncer o predecir un huracán, se necesitan datos e IA. Únete a una nueva oleada de profesionales expertos en datos con acceso a millones de empleos disponibles en el mercado.
IBM SkillsBuild para el mundo académico
Curso autodidáctico
Se trata de un curso de estudio en el que se expone al alumno a la metodología de la ciencia de datos, con el fin de abordar problemas empresariales de la vida real.
¿Busca trabajo?
Obtén un nuevo conjunto de habilidades de análisis de datos, compleméntalas con tecnologías de bajo código impulsadas por IA y tu conocimiento de la industria, para ponerte en camino a unirte a un equipo de ciencia de datos, como parte de una nueva raza de profesionales expertos en datos con acceso a millones de puestos de trabajo disponibles en el mercado.
¿Buscas un trabajo mejor?
Si ya tiene un trabajo e incluso algo de experiencia con el análisis de datos, utilice este curso para seleccionar una especialización y avanzar en su carrera.
Objetivos
Desempeña diferentes funciones dentro de un equipo de Data Science, resuelve retos reales dentro de la empresa y aprovecha las tecnologías impulsadas por IA.
Alcance
- Funciones del equipo de ciencia de datos
- Método de la ciencia de datos
- Herramientas de análisis de datos
- Casos reales
Resultados del aprendizaje:
- Comprender la composición y el funcionamiento de un equipo de ciencia de datos, incluidas las diferentes funciones, procesos y herramientas.
- Conceptos y métodos estadísticos esenciales para encontrar estructuras en los datos y hacer predicciones.
- Interiorizar la metodología de la ciencia de datos aprendiendo a: (a) Caracterizar un problema de negocio; (b) Formular una hipótesis; (c) Demostrar el uso de metodologías en el ciclo analítico; (d) Planificar la ejecución.
- Construir conjuntos de datos utilizables identificando y recopilando los datos necesarios, y manipulando, transformando y limpiando los datos; demostrar la capacidad de tratar anomalías en los datos, como valores omitidos, valores atípicos, datos desequilibrados y normalización de datos.
- Experiencia práctica con IBM Watson Studio, Data Refinery Spark, Jupyter Notebooks y bibliotecas Python.
- Visualizar análisis estadísticos, identificar patrones y comunicar eficazmente los resultados a los patrocinadores ejecutivos para la toma de decisiones orientadas a los negocios.
Experiencia del curso
Sobre este curso
Este curso se divide en tres niveles prácticos. Cada nivel abarca temas más avanzados y se basa en los conceptos, la práctica y las habilidades abordados en los niveles de práctica anteriores.
Nivel 1 - Método de la ciencia de datos
Explore las personas, los procesos y las herramientas necesarios para crear un equipo científico de datos eficaz.
- 1. Panorama de la ciencia de datos
- 2. Ciencia de datos en la nube
- 3. Metodología de la ciencia de datos
Nivel 2 - Gestión de datos
Aplicar técnicas de manipulación de datos para identificar patrones y extraer información.
- 1. Explorar y preparar los datos
- 2. Explorar los datos de las reclamaciones de seguros (estudio de caso interactivo)
- 3. Representar y transformar datos
- 4. Descubrir patrones en el fraude de siniestros (estudio de caso interactivo)
Nivel 3 - Apoyo a la toma de decisiones
Aprovechar las técnicas de visualización para proporcionar análisis de impacto empresarial y apoyo.
- 1. Visualización y presentación de datos
- 2. Análisis diagnóstico del fraude (estudio de caso interactivo)
Requisitos previos
Conocimientos que deberá poseer antes de incorporarse a esta oferta de cursos:
Complete el curso Introducción a la ciencia de datos empresarial de la serie Data Science Practitioner.
Alternativamente, necesitará conocimientos previos de los siguientes temas:
- La relevancia de los proyectos de ciencia de datos para apoyar la transformación digital de las empresas en múltiples sectores.
- Conjunto de competencias transversales de la ciencia de datos que se encuentran en la intersección de la estadística, la programación informática y los conocimientos especializados.
- Funciones de un equipo de Data Science: Científico de datos, Ingeniero de datos, Analista de datos y Desarrollador de IA.
- Plataformas de colaboración de ciencia de datos en la nube, incluidos IBM Watson Studio y Data Refinery
- Introducción y manipulación de datos a partir de un conjunto de datos CSV.
Credencial digital
Intermedio
Ciencia de Datos Empresarial en la Práctica
Ver placaSobre esta Insignia
Esta persona ha completado todas las actividades de aprendizaje incluidas en esta experiencia de aprendizaje en línea, incluidos laboratorios prácticos, conceptos, métodos y herramientas relacionados con la metodología de la ciencia de datos. Demostrarán sus habilidades y comprensión de la metodología de la ciencia de datos participando en situaciones reales y representando los procesos/herramientas utilizados por un equipo de ciencia de datos; ejemplo de aprendizaje: Un escenario de la industria de seguros que aprovecha los enfoques y tecnologías de análisis de fraude de vanguardia.
Habilidades
Analista de datos, Ingeniero de datos, Refinería de datos, Ciencia de datos, Visualización de datos, Gestión de datos, Fraude en seguros, Cuadernos Jupyter, PixieDust, Bibliotecas Python, Watson Studio.
Criterios
- Debe asistir a una sesión de formación en una institución de educación superior que aplique el programa IBM Skills Academy.
- Debe haber completado las actividades del curso en línea a su propio ritmo y las comprobaciones de conocimientos que validan la comprensión de los temas tratados.