Ruta: analítica de datos

2. Científico de datos en Python (horas obligatorias 162, horas opcionales 30).

El científico de datos en python identifica casos de uso, determina conjuntos de datos y los algoritmos apropiados para crear modelos de Inteligencia Artificial, con el fin de realizar predicciones accionables para el futuro.
2.1. Matemáticas básicas para analítica                                                                                                                                                                                                 22 Horas

2.2. Introducción a la probabilidad y la estadística                                                                                                                                                                                22 Horas

2.3. Análisis de datos con SQL                                                                                                                                                                                                                 14 Horas

2.4. Introducción a Python                                                                                                                                                                                                                        16 Horas

2.5. Ciencia de datos en Python                                                                                                                                                                                                               20 Horas

2.6. OPCIONAL: Visualización de datos y Dashboards – Introducción a Power BI                                                                                                                            14 Horas

2.7. Introducción a Machine Learning en Python                                                                                                                                                                                   16 Horas

2.8. OPCIONAL: Desarrollo de soluciones con Servicios cognitivos (PaaS)                                                                                                                                       16 Horas

2.9. Machine Learning en Python                                                                                                                                                                                                             52 Horas"

3. Científico de datos en R (horas obligatorias 174, horas sugeridas 220, horas opcionales 284).

El Científico de datos en R estará en la capacidad de modelar y analizar datos para la toma de decisiones, gracias a la identificación y generación de nuevas alternativas de modelos y herramientas matemáticas, probabilísticas y estadísticas.
3.1. Matemáticas básicas para analítica                                                                                                                                                                                                 22 Horas

3.2. Fundamentos de Probabilidad                                                                                                                                                                                                           16 Horas

3.3. Elementos básicos de programación en R                                                                                                                                                                                       16 Horas

3.4. Introducción al análisis exploratorio de datos en Excel                                                                                                                                                                 20 Horas

3.5. Analítica Descriptiva para Toma de Decisiones Empresariales                                                                                                                                                     20 Horas

3.6. Opcional: Herramientas y Métodos de Simulación                                                                                                                                                                         16 Horas

3.7. Opcional: Introducción a las Series Temporales                                                                                                                                                                             16 Horas

3.8. Opcional: Creación de Gráficos Avanzados y Reportes Técnicos RMarkdown                                                                                                                            16 Horas

3.9. Técnicas Robustas y No Paramétricas                                                                                                                                                                                             20 Horas

3.10. Métodos Avanzados de Regresión Lineal                                                                                                                                                                                      20 Horas

3.11. Machine Learning I: Aprendizaje Supervisado                                                                                                                                                                              20 Horas

3.12. Machine Learning II: Aprendizaje No Supervisado                                                                                                                                                                       20 Horas

3.13. Línea 2: Análisis Exploratorio de Datos Funcionales                                                                                                                                                                   16 Horas

3.14. Línea 2: Analítica para Datos Funcionales                                                                                                                                                                                    16 Horas

3.15. OPCIONAL: Métodos Avanzados de Clasificación y Cluster Funcional                                                                                                                                     16 Horas

3.16. OPCIONAL: Modelos Estadísticos para Series Temporales                                                                                                                                                        16 Horas

Habilidades

Análisis datos.
Toma de decisiones de mejora.
Identificación de tendencias.
Identificación de patrones.
Extracción de información de datos de múltiples fuentes y volúmenes.
Procesamiento de datos del histórico.
Predicciones.
Toma de decisiones basado en información de datos históricos.
Aplicación de modelos para analizar datos.

Beneficios

Crea tu propio plan de carrera enfocado en tu rol actual o deseado.

Adquiere agilidad y flexibilidad durante tu proceso de formación.

Certifica un perfil laboral con Educación Continua EAFIT.

Al realizar cada nivel, dentro del perfil deseado, y al finalizar el mismo, tendrás la posibilidad de alcanzar insignias digitales. Para esto, debes cumplir con el 80% de la asistencia y aprobar el proyecto integrador para ser calificado por tus docentes. Así, al terminar la Ruta de Aprendizaje, tendrás un portafolio completo y aprobado para obtener un diploma digital.