PROGRAMA

BUSINESS ANALYTICS
CON PYTHON

Inicio
16 de agosto

[Link]
 Business Analytics
con Python

PROGRAMA
BUSINESS ANALYTICS CON PYTHON
Este programa está dirigido para todas las personas que quieran aprender el tratamiento de datos para el
campo de Business Analytics con Machine Learning y Python. Empezaremos con los conceptos básicos,
desarrollando ejemplos simples. Cada capítulo tiene un enfoque práctico con proyectos que te permitirán
desarrollar un portafolio. Si siempre quisiste utilizar técnicas de Machine Learning, esta es una oportunidad
para hacerlo.

Inicio de clases Duración Lunes y miércoles

16 de agosto 30 hrs. 19:00 - 22:00 20:00 - 23:00 21:00 - 24:00

METODOLOGÍA REQUERIMIENTOS
DEL PROGRAMA Conocimientos básicos de SQL.

Una laptop o computadora de al menos 4

El 100% de nuestras clases son en vivo. GB de RAM.
50

40

30
Todo el contenido del programa son desde
lo básico hasta un nivel avanzado.
20

10

0
Item 1 Item 2 Item 3 Item 4 Item 5

Podrás revisar todo nuestro contenido en CERTIFICADOS

cualquier momento que desees.
Certificación en
Sesiones prácticas.
Business Analytics con Python
Construir juntos un portafolio de proyectos.

Asesoría permanente de los docentes del

programa.
John Doe
30

Profesores reconocidos internacionalmente.

Business Analytics con Python
Aprende con los mejores.
Jesús Méndez
Agosto, 2021 Director Académico
Business Analytics
con Python

DOCENTES DEL PROGRAMA

Dennis Barreda
Lead Data Scientist en RIMAC Seguros

Candidato a MsC en Estadística Aplicada por la UNALM y egresado en

Ciencias de la Computación por la Universidad Católica San Pablo.
Actualmente, genera propuestas de valor como líder de un equipo de
científicos de datos aplicando analítica avanzada en RIMAC Seguros,
compañía parte del Grupo BRECA: conglomerado empresarial con más de
130 años y operaciones en Perú y otros países de Latinoamérica.
Asimismo, cuenta con publicaciones en congresos nacionales e
internacionales sobre Procesamiento de Lenguaje Natural, Clasificación,
Clustering, Bioinformática, entre otros.

[Link]/in/dbarreda
Business Analytics
con Python

CURRÍCULA

MÓDULO 1 Introducción a Machine Learning

Aprendizaje supervisado y no supervisado.
Clasificación y regresión.
Conjuntos de entrenamiento, validación, y prueba (train,
validation, test).
Bias y varianza. Overfitting.
Interpretabilidad vs Complejidad.

MÓDULO 2 Procesamiento y feature engineering

Análisis exploratorio con Pandas, Matplotlib y Seaborn.
Tratamiento de valores nulos y atípicos: imputación por valores
promedio y KNN.
Variables categóricas: labeling, one-hot encoding y tipo de
dato category.
Feature engineering: creación de nuevas variables.
Information Value y Weight of Evidence.
Limpieza de correlaciones.
Reducción de dimensionalidad.

MÓDULO 3 Regresión Lineal y Logística

Ecuación de la recta: pendiente e intercepto.
Regresión Lineal Simple. Función de Costo.
Regresión Lineal Múltiple. Betas.
Estandarización de variables e importancia de los betas.
Regularización: Regresión Ridge y Lasso.
Función sigmoidal. Regresión Logística.
Selección de parámetros en modelos de regresión.
Business Analytics
con Python

MÓDULO 4 Árboles de decisión y regresión

Árboles de decisión. Nodos, hojas.
Funciones de grado de mezcla: Gini y entropía.
Parámetros de entrenamiento de un árbol.
Regression trees. R-cuadrado.
Poda de árboles de decisión.
Grillas de parámetros. Grid search.

MÓDULO 5 Otros algoritmos de clasificación

Modelos de vecinos más cercanos.
Support Vector Machines. Kernel trick.
Comparación de modelos de clasificación.
Reporte de clasificación.

MÓDULO 6 Modelos ensamblados

¿Cuál es el objetivo de los modelos ensamblados?
Bagging, Boosting y Stacking.
Bagging: Random Forest.
Boosting: AdaBoost, XGBoost, LightGBM, CatBoost.
Early stopping para evitar overfitting.
Optimización bayesiana de algoritmos ensamblados.

MÓDULO 7 Clustering
Aprendizaje no supervisado.
Clustering basado en centroides: K-means.
Selección de número óptimo de clusters con método del codo.
Análisis descriptivo de clusteres generados.
Evaluación de clustering.
Clustering Aglomerativo. Dendogramas.
Business Analytics
con Python

MÓDULO 8 Otras aplicaciones de Machine

Learning
Creación de bundles de productos con Market Basket
Analysis.
Sistemas de recomendación.
Análisis de sentimiento. Detección de spam en correos o
mensajes.

MÓDULO 9 Capstone Project

Tú pones el talento y asumes el reto de construir una solución
basada en datos diseñando e implementando una arquitectura
end-to-end para que sea presentado a un equipo técnico que
evaluará su madurez. Además, deberás mostrar el aporte de tu
solución a la empresa y su viabilidad a nivel financiero.
Business Analytics
con Python

CURSOS GRATUITOS ADICIONALES

(modalidad on-demand)

CURSO 1 Introducción a Python

a) Introducción a Google Colab
- Notebooks.
- Datasets.
- Celdas, títulos y comentarios.

b) Tipos de variables
- Variables numéricas.
- Booleanas.
- Strings.

c) Listas, Tuplas, Sets y Diccionarios

- Definición, propiedades y operaciones con listas, tuplas, sets y diccionarios.
- Inmutabilidad.

d) Estructura de control de flujos y bucles

- Introducción al control de flujo.
- Estructuras if, if-else, if-elif-else.
- Bucles while y for.

e) Funciones
- Definición de funciones.
- Variables locales y globales.
- Funciones lambda. Funciones map, filter y reduce.

f) Arreglos y matrices con Numpy

- Introducción a Numpy.
- Definición y operaciones con Arrays y arreglos multidimensionales.

g) Análisis de datos con Pandas

- Introducción a Pandas.
- Dataframes y Series.
- Lectura de fuentes de datos.
- Operaciones con Dataframes.
- Gráficos con Pandas.
Business Analytics
con Python

CURSO 2 Análisis de datos con Python

a) Fuentes de datos
- Pandas.
- Generación de Dataframes, atributos, columnas.
- Lectura de datos: CVS, XLS, JSON, SQL, HTML.

b) Joins de Dataframes
- Append.
- Concat.
- Merge.

c) Análisis exploratorio de datos (EDA)

- Introducción al análisis de datos.
- Tabulaciones y percentiles.
- Medidas de tendencia central y de dispersión, y correlación.
- Introducción a Seaborn.
- Gráficos estadísticos: boxplot, histograma, heatmap, pairplot.

d) Manipulación de Dataframes
- Filtros: masks, queries, comparaciones, .
- Indexación: loc y iloc.
- Operaciones con columnas.
- Valores duplicados y nulos.
- Pivot tables y groupby.

e) Pandas para Big Data

- Pandas dtypes y category.
- Lectura por chunks y por columnas.
- for, apply y vectorize.
- Introducción a Dask.
Business Analytics
con Python

INVERSIÓN 240 dólares

Págalo al contado con 180 dólares
Método de pago: 2 cuotas de 120 dólares

MODALIDAD DE PAGO DESCUENTO

Transferencia a la cuenta de la empresa COMUNIDAD
Disruptive Training EIRL - 20605859624 DATAHACK
Tarjeta de crédito o débito:
Si eres estudiante de pregrado de
universidad o de instituto, paga
solo

60%
Transferencias bancarias:

N.° DE CUENTA SOLES: 041-3002240629

C. INTERBANCARIO: 003-041-003002240629-19 de la primera cuota*
N.° DE CUENTA DÓLARES: 041-3002240636
C. INTERBANCARIO: 003-041-003002240636-14 Este descuento aplica también para
grupos de 3 a más personas.

N.° DE CUENTA DÓLARES: 466006577333

CONSULTA POR LOS PRÓXIMOS PROGRAMAS

+1 561 614 2322

hola@[Link]

Conócenos:

@Datahack Formation [Link]