Objetivos:

Al finalizar el curso, el estudiante será capaz de:

• Comprender la importancia del uso de modelos, algoritmos y herramientas especializadas para un análisis riguroso y eficiente de datos.

• Diferenciar conceptualmente la estadística, el análisis de datos, la recuperación de información, el Machine Learning, la minería de datos y la Ciencia de Datos.

• Identificar y aplicar los principales modelos, técnicas y algoritmos asociados a métodos no supervisados.

• Desarrollar análisis exploratorio de datos utilizando Python.

• Implementar técnicas no supervisadas en Python, tales como Análisis de Componentes Principales (PCA), Clustering Jerárquico y K-medias, entre otras.

Metodología:

El curso se desarrolla bajo un enfoque teórico-práctico, promoviendo la aplicación directa de los conceptos estudiados mediante ejercicios y casos prácticos.

Para su ejecución se contará con los siguientes recursos:

• Una videoconferencia semanal, disponible posteriormente en grabación para su consulta.

• Trabajos prácticos semanales orientados a fortalecer el aprendizaje aplicado.

• Foros de discusión disponibles 24/7 para consultas académicas e interacción entre estudiantes y tutor.

• Aula virtual en Moodle con materiales didácticos, recursos complementarios y actividades evaluativas.