• Duración:
    4 semanas
  • Dedicación:
    3–5 horas por semana
  • Precio:

    GRATIS
    Agregar un Certificado Verificado por $49 USD

  • Institución
  • Tema:
  • Nivel:
    Intermediate
  • Idioma:
    Español
  • Transcripción de video:
    Español
  • Tipo de curso:
    A tu ritmo

Programas asociados:

Prerrequisitos

Conocimientos sobre lenguajes de programación (deseable "R" o "Python") y estadística.

Sobre este curso

Omitir Sobre este curso

El futuro pertenece a la ciencia de datos y a quienes la entiendan. Al igual que el petróleo y el gas impulsaron las economías de los siglos XX y XXI, los datos impulsan cada vez mas la innovación y la economía global a medida que avanzamos hacia una nueva era denominada la revolución digital.

Las empresas que están cambiando a una mentalidad de datos van a obtener primero una enorme ventaja competitiva.

Esto se ha convertido en una verdad universal: las empresas modernas se están inundando de big data. El año pasado, McKinsey estimó que las iniciativas de Big Data en el sistema de salud de los Estados Unidos, "podrían representar de $300 mil millones a $450 mil millones en gastos de salud reducidos o del 12 al 17 por ciento de la línea de base de $2.6 billones en costos de salud de los Estados Unidos". Por otro lado, sin embargo se estima que los datos erróneos le cuestan a los Estados Unidos apróximadamente $3.1 trillones de dólares al año.

Aunque la ciencia de datos representará ventajas puntuales para las empresas como mitigar el riesgo y/o el fraude; entregar al cliente productos relevantes y tener experiencias personalizadas al mismo, es sin embargo, importante notar que la ciencia de datos podrá agregar un valor a cuaquier negocio, siempre y cuando pueda usar bien sus datos. El análisis de la información y la inteligencia de negocios ayudan a las organizaciones a tomar decisiones inteligentes basadas en el análisis de datos.

Lo que aprenderás

Omitir Lo que aprenderás

- Introducir al alumno en los conceptos claves sobre la Ciencia de Datos y Big Data.

- Comprender la forma en la que se gesta un proyecto de Ciencia de Datos.

- Identificar los proyectos de esta disciplina que se pueden realizar en las diferentes áreas funcionales de una organización a través de casos de éxito en las diferentes industrias.

Conoce a tus instructores

Jesús Aguilar
Profesor
Tecnológico de Monterrey

Obtén un Certificado Verificado para destacar los conocimientos y las habilidades que adquieras
$49 USD

Ver un modelo de certificado de edX en PDF
  • Oficial y verificado

    Obtén un certificado con la firma del instructor y el logotipo de la institución para demostrar tus logros y aumentar las posibilidades de conseguir trabajo

  • Fácil de compartir

    Agrega el certificado a tu currículum o publícalo directamente en LinkedIn

  • Incentivo comprobado

    El certificado te da un motivo más para completar el curso

  • Apoya nuestra labor

    edX, una organización sin fines de lucro, se sustenta con los certificados verificados para financiar la educación gratuita para todo el mundo

Preguntas frecuentes

¿Qué es Ciencia de Datos?

R= Es un campo interdisciplinario que involucra métodos científicos, procesos y sistemas para extraer conocimiento o un mejor entendimiento de datos en sus diferentes formas, ya sean estructurados o no estructurados.

¿Existe una metodología para aplicar ciencia de datos?

R= Existen varias metodologías para desarrollar proyectos de ciencia de datos, entre los que destacan CRISP-DM (Cross-industry standard process for data mining) o TDSP (Team Data Science Process)

¿Qué conocimientos se requieren para la Ciencia de Datos?

R= Para desarrollarse en el ámbito de la ciencia de datos es necesario contar con conocimientos en el área de estadística; manejar un lenguaje de programación (R o Python) y ser experto en el área de dominio (finanzas, mercadotecnia, ventas, etc.)

¿Cuáles son las herramientas mas utilizables?

R= Actualmente se ha disparado el mercado de herramientas para la aplicación de la ciencia de datos, teniendo como opciones comerciales a SAS, Watson de IBM, Oracle Analytics Cloud, SAP Cloud Analytics, DataRobot, etc., pero también en el área de Open Source: Anaconda, Spark, Scikit-learn, TensorFlow, etc.