Alfredo B. Roisenzvit
Profesor
Economista, Harvard University. Co-founder, MoonQuant Capital.

Día 1:

  • Introducción: Paradigmas del enfoque estadístico
    o Big Data: Definiciones  
    o La nueva discusión entre correlación y causalidad      
    o  Ejemplos Prácticos
  • Distributed Networks and Map Reduce
  • Span científico de Data Science y potencialidad de la profesión
  • Business Intelligence: Aplicaciones a la resolución de problemas de la vida real
  • Big Data: Definición y determinantes
  • La ley de Moore
  • Quantum Computing: concepto
  • Data Points
  • Hadoop.  Data lakes

Día 2:

  • Las 4 V´s de Big Data
  • Los 4 poderes de Big data
  • Casos:
    o    Google Flu
    o    Cambridge analítica
  • Social Network Analysis
    o    Introducción y principales componentes
    o    Six Degrees: The Small World Experiment
    o    Six degrees en la era Facebook
    o    Componentes de un SN
    o    Ejercicio Práctico.  Construcción de un SN propio
    o    Medidas para SNA
    o    Huecos Estructurales
    o    La fortaleza de los lazos débiles

Día 3:

  • Modelos con Big Data: Pasos
    o    Clasificación, Estimación, Clustering, Profiling, Predicción
    o    Problemas supervisados y No Supervisados
  • Herramientas aplicadas de Big Data:
    o    Datafication
    o    Machine Learning:
    o    Data Mining
    o    Entropy – Information Gains
  • Aplicaciones de Big Data:
    o    Finanzas, Riesgos, Salud Pública, Deportes, Gobierno, Academia, Salud, Seguridad
  • Cierre y Conclusiones