40HORAS |
Diseñado y producido por Smartmind
Contenidos
Objetivo. Adquirir una base sólida acerca de los conceptos fundamentales de la minería de datos y la preparación de datos, definir y estructurar proyectos de minería de datos, seleccionar y explorar datos de diversas fuentes, y aplicar técnicas avanzadas de limpieza y transformación de datos. Teleformación: Duración de las tutorías presenciales: 0 horas Conocimientos / Capacidades cognitivas y prácticas
Adquisición de conceptos fundamentales sobre Ciencia de Datos y Minería de Datos
Introducción al rol del científico de datos en Azure.
Comprensión de herramientas específicas de Azure Machine Learning (Azure ML) para el manejo de datos.
Implementación de Proyectos de Ciencia de Datos con Azure
Uso de Azure Machine Learning para definición de objetivos y creación de experimentos.
Análisis de costes y optimización de recursos en entornos Azure.
Selección y Exploración de Datos en Azure
Conexión a diversas fuentes de datos en Azure: Azure Blob Storage, Azure Data Lake, SQL Azure.
Implementación de análisis exploratorio de datos (EDA) utilizando Azure ML y Python SDK.
Preparación y Transformación de Datos
Uso de Data Wrangling en Azure Machine Learning.
Limpieza y preparación de datos con Dataflow y Databricks.
Uso de Azure Data Factory para automatización de procesos de transformación.
Objetivo. Profundizar en las técnicas avanzadas de análisis y modelado de datos, así como en sus aplicaciones prácticas, aprendiendo a implementar y evaluar modelos predictivos y descriptivos, a interpretar resultados complejos, y a aplicar estas técnicas en casos de uso reales en marketing, finanzas, y sostenibilidad. Teleformación: Duración de las tutorías presenciales: 0 horas Conocimientos / Capacidades cognitivas y prácticas
Comprensión del modelado predictivo con Azure Machine Learning
Creación de modelos de regresión utilizando Designer de Azure ML.
Implementación de aprendizaje profundo con frameworks integrados (TensorFlow y PyTorch).
Optimización de modelos mediante AutoML.
Clasificación y Segmentación Avanzadas
Implementación de clustering con Azure ML y Databricks.
Uso de algoritmos preconfigurados en Azure para análisis de redes sociales.
Desarrollo de pipelines automatizados para detección de fraude.
Evaluación e Interpretabilidad de Modelos
Uso de herramientas integradas en Azure ML para métricas de evaluación.
Implementación de interpretabilidad con Azure Responsible Al Toolkit.
Creación de dashboards interactivos en Power BI conectados a Azure ML.
Conocimiento de aplicaciones prácticas con Azure
Creación de sistemas de recomendación personalizados en Azure ML.
Desarrollo de soluciones de análisis de sentimientos utilizando Azure Cognitive Services.
Predicción de churn utilizando pipelines en Azure Machine Learning.
Acercamiento a conceptos sobre la sostenibilidad.
Optimización del consumo energético mediante la gestión eficiente de recursos.
Uso de herramientas de monitorización para identificar y reducir el consumo innecesario de recursos.
