Temario
1. Análisis de Datos con Python
• Estructuras de control y sintaxis
• Estructuras de datos
• Almacenamiento y manipulación de datos con Python
• Librería Numpy
• Pandas
• Matplotlib
• Técnicas de programación
• Casos prácticos
2. Recogida de datos
• Datos internos
Gestión de datos en el entorno empresarial
Ejercicios prácticos SQL
• Datos externos
Análisis en plataformas sociales
Análisis web
Análisis en Youtube e Instagram
3. Estructuras de Bases de datos
• Bases de datos tradicionales
Modelo Entidad-Relación
Modelo Relacional
Integridad Referencial
Programación SQL
• Nuevos tipos de bases de datos
Bases de datos nosql
MongoDB
Grafos
4. Análisis Estadístico
• Introducción, Probabilidad
• Variable aleatoria
• Inferencia
• Lenguaje R
Modelos estadísticos, Intervalos de confianza y Test de hipótesis, Regresión lineal y no lineal,
Modelos lineales generalizados
• Técnicas de muestreo
5. Machine Learning
• Aprendizaje supervisado vs no supervisado
• Reglas de clasificación, selección de variables y de modelos
• Algoritmos de clasificación. Redes neuronales
• Vecino más cercano
• NaiveBayes. K-means
• Métodos aplicados a la bioinformática
• Deep Learning
6. Técnicas de Big Data
• Fundamentos de Big Data
• Adquisición de Datos y Almacenamiento (Hadoop, MapReduce y YARN, Apache Spark y HIVE)
• Interfaces de Usuario (HUE, AMBARY, SQL-Developer,..)
• Opciones de despliegue de BigData (Introducción a los servicios Cloud, Amazon AWS, Cloudera, Oracle, Hortonworks,..)
7. Power BI
• Introducción a Power Bi desktop
• Conceptos y opciones al conectarse a los datos
• Análisis. Creación de vistas
• Campos calculados
• Formato de datos
• Creación de cuadros de mando interactivos
8. Gestión de proyectos y Visualización
• Análisis descriptivo
• Técnicas de visualización. Diseño basado en datos
• Phyton Matplotlib
• Gestión e implementación de proyectos de analítica avanzada con metodologías Ágiles