Data Mining y Big Data .ar

"Data Mining y Big Data" Presentaci?n y objetivos: La ciencia de datos trata sobre la explotaci?n de datos con el fin de realizar an?lisis descriptivos y/o predictivos a partir de ella. En el mundo de hoy, donde se generan una enorme cantidad de datos en forma continua (Big Data), el an?lisis de esta informaci?n mediante t?cnicas de Miner?a de Datos (Data Mining) y Aprendizaje Estad?stico (tambi?n llamado Machine Learning) juega un papel crucial en los mas variados campos y disciplinas: investigaci?n m?dica y bioqu?mica, an?lisis de redes sociales, finanzas, operaciones comerciales y de producci?n, pron?sticos meteorol?gicos, reconocimiento de im?genes, etc. El objetivo de esta curso es presentar los fundamentos de Data Mining y de Aprendizaje Estad?stico (Machine Learning), sus t?cnicas y algoritmos, utilizando para ello los Lenguajes de programaci?n R y Python. ce. A su vez se presentar?n conceptos de arquitecturas de Big Data como sistemas distribuidos y escalablas de almacenamiento, frameworks Hadoop y Spark.

Docente a Cargo: Ing. Carlos Arana

EGIDE- Facultad de Ingenier?a - UBA - Ciencia de Datos y Data Mining? Ing. Carlos Arana ? 2019

Contenido:

Preliminares de Matem?tica, R y Python Preliminares Prob/Estad, ?lgebra y C?lculo Diferencial Introducci?n a Lenguajes de Programaci?n R y Python

Modelos de Regresi?n Regresi?n Lineal Simple y M?ltiple Regresi?n Polinomial, No Lineal y por Splines Selecci?n del mejor modelo (Stepwise): Base, Forward, Backwards Regulaci?n: Ridge y Lasso (L1 y L2)

Modelos de Clasificaci?n KNN, Regresi?n Log?stica Cross Validation K-CV Naive Bayes y Precision-Recall Trade-off ?rboles de Decisi?n Matriz de Costo-Beneficio Bagging Random Forests Boosting Adaboost

M?quinas de Vectores de Soporte (SVM) Tipos de SVM Kernels

Aprendizaje No Supervisado An?lisis de Componentes Principales Clustering K-Means y Jerarquizado

Redes Neuronales y Aprendizaje Profundo Tipos, Funcion de activaci?n sigmoidea Perceptr?n Multicapa Funciones de activaci?n Tanh y ReLU Frameworks H20 y Tensorflow

Big Data Cloud Services Arquitecturas de Big Data GFS y Map Reduce Hadoop y Spark

EGIDE- Facultad de Ingenier?a - UBA - Ciencia de Datos y Data Mining? Ing. Carlos Arana ? 2019

Condiciones De Ingreso: ? Ser egresado de una carrera universitaria en cualquier especialidad. ? Conocimientos b?sicos de Probablidad y Estad?stica, ?lgebra Lineal y C?lculo Diferencial ? Fundamentos de programaci?n Duraci?n del Curso: 12 clases de 3.5 hs (42 hs) Fecha de Inicio: 1 de Abril de 2019 D?a y Horario: Lunes de 18 a 21.30 Formato y Condiciones de Cursada: Presencial. Asistencia m?nima: 75% de las clases Aprobaci?n: Trabajos pr?ctico integrador Arancel: Importe Total del Curso: $ 18.000.Financiamiento: Matr?cula $6000 y 3 cuotas de $4000 Apto Cr?dito Fiscal Para Capacitaci?n: Somos UCAP La "Escuela de Graduados Ingenier?a de Direcci?n Empresaria" de la Facultad de Ingenier?a (UBA) es una Unidad Capacitadora, de manera que los cursos que dictamos pueden canalizarse a trav?s del R?gimen de Cr?dito Fiscal para Capacitaci?n. Informes e Inscripci?n: Secretar?a de la Escuela de Graduados en Ingenier?a de Direcci?n Empresaria ? Av. Paseo Col?n 850 3er Piso - Buenos Aires De Lunes a Viernes de 16:00 a 20:00 hs. Tel.: 5285-0864 / 5285-0865 e-mail: egide@fi.uba.ar

EGIDE- Facultad de Ingenier?a - UBA - Ciencia de Datos y Data Mining? Ing. Carlos Arana ? 2019

 ................
................

In order to avoid copyright disputes, this page is only a partial summary.

Google Online Preview   Download