Inicia en el apasionante mundo de la ciencia de datos de la mano de expertos
Ponte en contacto con nosotros para más información sobre nuestros programas
info@promidat.com
Próximas Aperturas
Inscríbete, evoluciona y compite. Matrícula abierta, Cupos limitados.
“No enseñamos teoría aislada.
Enseñamos ejecución.”
Aperturas de los programas, 2026
22 de enero, 2026
Descubra cómo el Programa de Experto en Ciencia de Datos con R puede transformar su carrera y llevar su organización al siguiente nivel. Este programa fue diseñado con el objetivo de empoderar a los profesionales como usted para que sean capaces de aprovechar al máximo los datos y desencadenar su verdadero potencial.
27 de enero, 2026
El Programa de Experto en Inteligencia Artificial con Python pretende formar profesionales capaces de aprovechar los datos de su propia organización o empresa con el fin de tomar decisiones basados en procesos de análisis de estos.
19 de junio, 2026
Máster Ejecutivo en Ciencia de Datos e Inteligencia Artificial está diseñado para capacitar a profesionales en técnicas avanzadas de ciencia de datos y “deep learning”. Los participantes aprenderán a aplicar estas habilidades en el análisis de datos, desarrollo de modelos predictivos y optimización de procesos en sus organizaciones. Este programa incluye desde fundamentos matemático-estadísticos de métodos supervisados y no supervisados hasta técnicas avanzadas en deep learning y un proyecto final de tesina.
Cursos "Ciencia de Datos con R"
26 de febrero, 2026
En este curso se presentarán los principales métodos en Minería de Datos, especialmente enfocados en métodos predictivos, conocidos también como métodos de aprendizaje supervisado. El énfasis principal del curso será examinar dichos métodos desde un punto de vista algorítmico y de sus aplicaciones en casos reales. Se le dará especial importancia al uso de los conceptos de minería de datos en aplicaciones reales con bases de datos de gran tamaño, para esto se utilizarán los programas especializados en Minería de Datos, como son la plataforma de desarrollo R y el paquete predictoR.
9 de marzo, 2026
En este curso se presentan desde los elementos básicos hasta la elaboración de un proyecto del proceso de manipulación, visualización de datos y la elaboración de reportes para resolver un problema de Ciencia de Datos en R.
3 de febrero, 2026
En este curso el estudiante desarrollará de principio a fin, siguiendo las buenas prácticas de gestión de proyectos en Minería de Datos, su propio proyecto con datos de la empresa en donde trabaja o datos en los cuales está particularmente interesado(a).
Cursos "Inteligencia Artificial con Python"
13 de noviembre, 2025
En este curso el estudiante desarrollará de principio a fin, siguiendo las buenas prácticas de gestión de proyectos en Machine Learning, su propio proyecto con datos de la empresa en donde trabaja o datos en los cuales está particularmente interesado(a).
3 de marzo, 2026
El presente curso aborda los fundamentos teóricos y prácticos del Machine Learning, con énfasis en los métodos no supervisados. Se estudiarán técnicas clave orientadas a la exploración de datos, reducción de dimensionalidad y análisis de agrupamientos (clustering). El desarrollo de los contenidos integra el uso del lenguaje de programación Python y bibliotecas especializadas, permitiendo al estudiante aplicar los conceptos en entornos reales de análisis de datos.
6 de febrero, 2026
Cada vez más es necesario utilizar modelos basados en Deep Learning para resolver problemas, esto debido a que ahora es más comun ver problemas que no provienen de una tabla como lo son las imágenes y sonidos. Por tanto, en este curso se presentarán métodos en Machine Learning enfocados en métodos de “Deep Learning”.
Cursos "Máster Ciencia Datos e Inteligencia Artificial
19 de junio, 2026
Hora: 7 pm CR
La programación paralela es esencial en la ciencia de datos y el aprendizaje automático para el manejo eficiente de grandes volúmenes de datos y la ejecución de modelos computacionalmente intensivos. Este curso explora el uso de herramientas en R y Python para implementar programación paralela y optimizar el rendimiento de algoritmos. Se abordarán paquetes específicos como Snow en R y Joblib en Python, y se explorarán ejemplos prácticos de paralelización de tareas usando scikit-learn y Dask.