Imagem "network"
Conviértete en científico de datos y aprende a construir modelos estadísticos, resolver problemas y expandir la estrategia comercial basada en algoritmos de Machine Learning y Big Data. Crea tus primeros proyectos e inicia tu carrera en uno de los mercados de mayor crecimiento.

Curso online de

Profesión: Científico de Datos

Inscríbete al curso
Inicio:
Quedan:
...
9 lugares
Formación completa
12x de
$ 1,042 MXN
2 cursos en 11 meses con más de 42 horas de videolecciones
Online
Estudia a tu ritmo, donde quieras y cuando quieras
Aprende con práctica
Actividades prácticas y feedback personalizado
Proyecto profesional
Desarrollar un caso de aplicación personal o profesional con Python y las herramientas vistas
(a meses sin intereses con tarjeta de crédito)
hasta 5 de janeiro
-50%

Presentación del curso

El científico de datos crea modelos predictivos utilizando algoritmos de aprendizaje automático y redes neuronales, lo que ayuda a las empresas a encontrar patrones ocultos, predecir tendencias y optimizar los procesos comerciales para obtener mejores resultados.

¿Por qué aprender Data Science?

Sueldos altos
ponto
Gracias a que es una profesión con más demanda que oferta, es una de las disciplinas mejor pagadas en el mercado laboral
Los datos son valorados en diferentes sectores
ponto
El análisis de datos se aplica en varios sectores como medicina, banca, negocios privados, supermercados, grandes escuelas, etc
Profesión en crecimiento
ponto
Se encuentra dentro del top 10 de empleos emergentes; Hay un crecimiento anual del 47% según un estudio anual de Linkedin

Importantes empresas buscan científicos de datos

Logotipo Nestle
Logotipo Bimbo
Logotipo Walmart
Logotipo Coppel
Logotipo Uber
Logotipo Rappi
Logotipo Kantar
Logotipo Santander
Logotipo BBVA
Logotipo konfio
Data Science SR
*Salario en la CDMX según Talent y Glassdoor
$ 1,160,000 /año
Data Science MID
$ 787,000 /año
Data Science JR
$ 480,000 /año

¿Cuánto gana un Científico de Datos?

¿A quién va dirigido este curso?

Principiantes o en transición de carrera
Analistas
Programadores y desarrolladores
Personas que quieran empezar su carrera en ciencia de datos y sin experiencia previa en tecnología o matemáticas. Con interés en Machine Learning, Python, programación, análisis de datos y cálculos avanzados.
Profesionales que buscan resolver problemas a través de datos y quieran aplicar sus habilidades de programación en una carrera con diferentes enfoques lógicos para visualizar y procesar datos con Machine Learning. El curso proporciona una base para pasar de la programación a la ciencia de datos y el análisis de big data.
Expertos con intención de aprovechar al máximo las capacidades del big data para probar hipótesis y hacer predicciones de manera rápida y eficiente. Podrán mejorar sus habilidades de análisis de datos, matemáticas y codificación para impulsar su portafolio con proyectos a la altura de la demanda laboral en México y el mundo.
imagem computador
imagem computador e documentos
4 computadores e documentos
lâmpada
No todos tenemos habilidades analíticas previas, así que es posible dominar la ciencia de datos. Solo necesitas seguir el curso paso a paso para lograr una evolución. En caso de que no tengas conocimientos básicos de Python o SQL, en EBAC te ofrecemos cursos de bonificación gratuitos para análisis de datos como parte de este programa.
Sin experiencia previa

¿Qué aprenderás?

Enriquece tu portafolio con un caso de aplicación personal o profesional que cubra los siguientes puntos:
Recibe el certificado de EBAC al finalizar el curso
certificado
ponto
Visualización de datos
Aprenderás a usar las bibliotecas Pandas, Matplotlib y Seaborn para visualizar análisis de datos
ponto
Amplia visión empresarial
Dominarás las principales herramientas y metodologías más utilizadas por los científicos de datos y aprenderás a aplicarlas para obtener información y resolver problemas
ponto
Árboles de decisión
Descubrirás las ventajas de este algoritmo para procesar, organizar y tomar decisiones más inteligentes basadas en grandes volúmenes de datos
ponto
Python
Aprenderás a hacer análisis de datos con Python, uno de los lenguajes de programación más versátiles y accesibles de la ciencia de datos
ponto
SQL
Conseguirás usar el lenguaje de programación SQL para comunicarte, manipular y extraer diferentes tipos de datos desde una base de datos
ponto
Estandarizaciones
Utilizarás estándares intersectoriales para planificar y desarrollar soluciones basadas en análisis de datos
figura geometrica
Big Data y Machine Learning
Trabajarás con diferentes algoritmos y recursos de big data y machine learning para resolver problemas de acuerdo a cada necesidad
figura geometrica
Portafolio
Desarrollarás proyectos con diferentes niveles de complejidad utilizando los recursos del curso para conseguir tus primeros trabajos como científico de datos
Introducción al problema de negocio
1.
Adquisición, limpieza y preparación de datos
2.
Análisis exploratorio de datos
3.
Aplicación de la metodología al problema
4.
Discusión de resultados
5.
Conclusiones
6.

Profesor

José Raúl Castro Esparza
El Dr. Castro tiene experiencia profesional como consultor en Ciencia de Datos para importantes empresas como Novartis, Syngenta, Pemex, Volkswagen, Caterpillar, Banca Mifel, Agrifood, Energy Transfer, Baker Hughes, US Census Bureau y Palisade Company entre otras.

Comparte sus conocimientos impartiendo clases, en las áreas de Administración, Finanzas y Ciencia de Datos tanto a nivel licenciatura, maestría y doctorado.

Asimismo, ha participado como ponente en congresos nacionales e internacionales, con publicaciones de artículos de investigación tanto a nivel nacional como en el extranjero.

Desde 2014 trabaja en Palisade, una empresa de software en Nueva York, USA.
Data Scientist en Palisade
Logotipo Novartis
Lodotipo Volkswagen
Logotipo Caterpillar
Lodotipo Pemex
Logotipo syngenta
Logotipo Banca Mifel
Lodotipo Energy Transfer
Logotipo Baker Hughes
La profesión online de Científico de Datos se divide en 42 módulos. Tendrás acceso ilimitado para que estudies cuando quieras y donde quieras.

Contenido del curso

Curso Introdutório Bonus: Python para Análisis de Datos
• Introducción a la programación Python
• Python básico
• Python intermedio
• Python avanzado
Parte 1. Programación en Python para Ciencia de Datos
Aprende el lenguaje de programación Python, con las instrucciones más usadas en las aplicaciones de la Ciencia de Datos.

• Introducción a la programación: Entornos de ejecución
• Estructuras y tipos de datos en Python: Cadenas, listas, tuplas
• Instrucciones de control: Álgebra booleana y condicionales
• Ciclos: For y While
• Funciones: Motivación, parámetros, recursividad
• Programación orientada a objetos: Objetos y clases
• Pandas: Dataframes, lectura y exportación de archivos
• Numpy: Operaciones con arreglos y matrices
• Visualización de datos con Python con Matplotlib y Seaborn

Actividades
- Desarrollar programas con dataframes, combinación de clases, programación con matrices.
- Elaborar programas con gráficos de Matplotlib y Seaborn.
Parte 2. Concepto de la disciplina de Ciencia de Datos
Introducción a la ciencia de datos, sus antecedentes, historia y contexto actual, así como la aplicación de la misma en el análisis de los datos para la solución de problemas de negocio.

• Historia y contexto de la ciencia de datos.
• Definiciones básicas
• Analítica descriptiva, predictiva y prescriptiva
• El surgimiento de la ciencia de datos en las organizaciones
• Problema de negocio y soluciones basadas en ciencia de datos
• Matriz de problemas de Canvas
• Contexto actual de la ciencia de datos
• Analítica y la ciencia de datos

Actividades
- Desarrollar una matriz de problemas de Canvas para establecer un problema de negocio que pueda ser abordado por la Ciencia de Datos.
- Proponer un modelo de machine learning que le convenga desarrollar a una empresa en particular.
Parte 3. Minería de datos
Conoce las características principales de la minería de datos, metodologías, herramientas y entornos de trabajo.

• Introducción a la minería de datos
• El ciclo de la ciencia de datos
• El proceso KDD
• El modelo CRISP-DM
• El proceso TDSP
• El entorno BSPF
• Agile Data Science

Actividades:
- Utilizar de una base de datos real proveniente de kaggle.com para un análisis supervisado en "Orange''.
- Identificar los objetivos y fases del modelo CRISP-DM para un caso de estudio y aplicar las metodologías: TDSP, BSPF y Agile.
Parte 4. Aprendizaje de máquina no supervisado
Fundamentos de métodos de agrupamiento, descubrimiento de patrones y reducción de dimensiones para emplearlos en la identificación de escenarios de aplicación del aprendizaje sin supervisión.

• Reducción de dimensiones I : PCA
• Reducción de dimensiones II : SVD
• K Vecinos más cercanos
• K Medias
• Clustering jerárquico

Actividades:
Programar los algoritmos PCA, SVD, KNN, K-means y el de clustering jerárquico para aplicarlos a la resolución e interpretación de un problema.
Parte 5. Aprendizaje de máquina supervisado
Métodos de clasificación así como el proceso de generación, evaluación y selección de modelos para aplicarlos en la solución de problemas prácticos.

• Introducción al aprendizaje supervisado: Regresión lineal simple
• Regresión regularizada: Ridge y Lasso
• El algoritmo KNN (K vecinos más cercanos)
• Máquinas de soporte vectorial
• Árboles de decisión
• Ensambles
• Regresión logística

Actividades:
Programar el algoritmo KNN, SVM, árboles de decisión, ensambles y regresión para aplicarlos a la resolución e interpretación de un problema.
Parte 6. Modelos de regresión lineal y series de tiempo
Domina la modelación predictiva con las técnicas de regresión y series de tiempo.

• El modelo de regresión lineal múltiple: Notación y uso matricial
• Pruebas de hipótesis para coeficientes de regresión
• Supuestos detrás del modelo de regresión
• Nomenclatura y componentes de las series de tiempo
• Preparación preliminar de series de tiempo
• Introducción a los modelos Box-Jenkins (ARIMA)

Actividades:
- Resolver un problema de regresión lineal múltiple y determinar el conjunto de variables significativas verificando los supuestos de un modelo de regresión.
- Aplicar el método de descomposición y ARIMA para una serie de tiempo.
Parte 7. Análisis de datos con SQL
Aprende el lenguaje de consulta SQL (Structured Query Language) para un mejor análisis de datos.

• Introducción a la programación en SQL: Sentencias básicas
• Consultas más comunes con SQL
• Acceso a SQL mediante Python
• Tópicos avanzados

Actividades:
Hacer ejercicios de aplicación de sentencias básicas y JOIN en SQL mediante MySQL y SQL, así como ejercicios de consulta con SQL y Python y resolución de problemas avanzados.
Parte 8. Storytelling y casos de éxito
Utiliza diversos mecanismos y técnicas para contar historias que faciliten la explicación de resultados en un proyecto de ciencia de datos basados en casos exitosos de aplicación.

• Storytelling
• Casos de éxito en la industria

Actividades:
Haz un ejercicio práctico de storytelling asistido por Python.
Curso Bonus: SQL para análisis de datos
• Introducción a la programación SQL
• Descripción de datos con SQL
• Manipulación de datos con SQL
• SQL avanzado
• Análisis de datos exploratorios con Pandas y Seaborn

Metodología del curso

Clases en video
Pon tu aprendizaje en práctica
Proyecto final
Tendrás acceso a todo el material del curso en la plataforma digital
El curso tiene actividades que puedes hacer a tu ritmo
Recibe corrección y retroalimentación del tutor sobre tus proyectos
Desarrolla un proyecto profesional para enriquecer tu portafolio
1
2
3
4
Atención personalizada
visão do infinito
Entra al contenido del curso las veces que quieras por tiempo ilimitado
Acceso de por vida
Muchos de nuestros alumnos obtienen oportunidades laborales durante el curso o poco tiempo después de terminarlo

Alcanza tus objetivos profesionales con nuestro Centro de Carreras

Orientación en procesos de selección y entrevistas
Ayuda para identificar fortalezas y preferencias profesionales
Información sobre el mercado laboral actual
Asesoría para crear el currículum y perfil en LinkedIn
instrumentos
cronograma
instrumentos
in

Así se verá tu currículum

$480.000/año*
Sueldo
Habilidades principales
Tu nombre
Científico de Datos JR
*Ref. OCC y Glassdoor CDMX
Herramientas digitales
certificado
Certificado de EBAC
Matplotlib
Logotipo Matplotlib
Seaborn
Logotipo Seaborn
SQL
Logotipo SQL
Python
Logotipo Python
ponto
Dominio de lenguajes de programación (Python y SQL)
ponto
Agilidad y creatividad en la resolución de problemas
ponto
Big Data y aprendizaje automático
ponto
Estadística y cálculo de probabilidad
ponto
Machine Learning
Inicio:
Quedan:
...
9 lugares
¿Comenzamos?

Inversión

Precio con descuento
$ 12,499 MXN
12x de
$ 1,042 MXN
(a meses sin intereses en la tarjeta de crédito)
Estás a un paso de impulsar tu carrera profesional
Garantía de reembolso de 7 días
Consigue 50% de descuento por tiempo limitado
Precio sin descuento
$ 24,999 MXN
hasta 5 de janeiro
-50%
logo de ebac
La Escuela Británica de Artes Creativas y Tecnología (EBAC) es una institución innovadora de educación superior en Artes Creativas y Tecnología que ofrece cursos y programas de especialización en línea.
graduaciones internacionales validadas por la Universidad de Hertfordshire (Reino Unido)
alumnos estudiando con nuestros cursos online
de los profesores y coordinadores son expertos y referentes en el mercado laboral
empresas colaboran en el desarrollo de cursos, proyectos reales y programas de prácticas
06
100%
+50,000
+40

Preguntas frecuentes

¿Por qué debería tomar este curso?
Hoy en día, las empresas necesitan cada vez más expertos que sepan recopilar y analizar rápidamente grandes cantidades de datos. Esta habilidad es fundamental para garantizar el éxito empresarial, a través de nuevas estrategias y enfoques para obtener mejores resultados.
Nunca he trabajado con ciencia de datos, ¿podré entender las clases?
¡Claro! El curso está creado para que puedas trabajar desde la primera actividad hasta el proyecto final.
En cada módulo aprenderás las diferentes fases para desarrollar tu proyecto profesional. Podrás aplicar los conocimientos adquiridos con feedback de los tutores.
¿Hay actividades en grupo?
El curso se desarrolló teniendo en cuenta una evolución individual. Por ello, contamos con un equipo de tutores, para corregir y dar feedback sobre las actividades realizadas por cada alumno. También puedes hablar con otros estudiantes y hacer cualquier pregunta sobre el contenido de las clases al tutor en el Foro.
¿Es posible omitir módulos?
No, al final de cada módulo hay una tarea práctica y una vez que hayas resuelto esta tarea, se te dará acceso al siguiente módulo. Esta metodología es con el fin de motivarte a seguir estudiando y te garantiza completar las el curso.
¿Cómo es la carga de tiempo? ¿Podrá ajustarse a mi trabajo?
La metodología del curso ha sido diseñada para adaptarse a diferentes ritmos de vida. Tendrás tutorías y feedback durante 2 años (24 meses) a partir de la fecha de registro al curso y acceso ilimitado a las clases, así podrás avanzar a tu propio ritmo.
¿Puedo ver los módulos en desorden?
Los módulos se publican semanalmente dependiendo del avance del alumno durante el curso. Esto significa que debes estudiar los módulos en orden y realizar las actividades propuestas por el profesor, antes de pasar al siguiente módulo.
¿Cuántas horas a la semana debería dedicarle al curso?
Te sugerimos que completes un módulo por semana, te llevará dos horas aproximadamente entre asistir a clases y realizar las actividades Pero no te preocupes, este plazo es sólo una sugerencia. Recuerda que puedes avanzar a tu propio ritmo, tomar descansos para integrar el contenido y verlo de nuevo las veces que quieras antes de continuar.
¿A quién puedo preguntar si tengo dudas?
Dentro de la plataforma tendrás un tutor que resolverá tus dudas, comentará tus tareas y te dará consejos. Tendrás la oportunidad de aprender de profesores líderes que son grandes referentes en su sector y aprovechar todos sus conocimientos y habilidades de vida.