Nicolás Casarino
Coordinador
MBA, UCEMA.
Contador Público, UBA

Contenidos

Data Science: Concepto. Tecnologías para data science. El proceso de data science. Etapas del proyecto. Nociones fundamentales de estadística. Estadística: definición y ramas. Tipos de datos: estructurados vs no estructurados y cualitativos vs cuantitativos. Los cuatro niveles de datos: nominal, ordinal, de intervalo y de ratio. Medidas de tendencia central, dispersión y sesgo. Probabilidad condicional. Nociones de inferencia estadística, muestreo e influencia del tamaño de muestra, estudios experimentales versus observacionales. Conceptos básicos de Álgebra lineal. Tópicos avanzados de Ciencia de Datos. Clustering: K-Means - Mean-Shift - DBSCAN - Hierarchical Clustering. Clasificación y Regresión Básica: Regresión Linear - Regression logística - Naive Bayes - K-Nearest Neighbours. Clasificación y Regresión Avanzadas: Árboles de decisión, Redes neuronales, Ensambles. Procesamiento de Lenguaje Natural. Procesamiento de Audio, de Video y de fuentes mixtas.