Big Data y Analítica Predictiva: cómo aplicarlo

Modalidad

Presencial

Duración

8 horas

Horario

De 9:30 a 14:30 y de 16.00 a 19:00 hs

Fecha límite de inscripción

Lugar

Sede Feuga (Santiago de Compostela)

Importe

375,00 €

Descuentos

Socios y CEDE FEUGA: 10% en todos los cursos 
Demás interesados: 10% tercera inscripción y sucesivas para el mismo curso de la misma empresa
5% inscripciones anticipadas (hasta 15 días antes de la fecha de inicio)

• Directores Generales
• Gerentes
• Jefes de Departamento
• Responsables de Área
• Mandos Intermedios
• Personal de IT
• Emprendedores

INTRODUCCIÓN A BIG DATA Y ANALÍTICA PREDICTIVA
Transformación Digital & Big Data:
– El papel de la tecnología en una compañía actualmente
– Factores clave en la era digital
– ¿Qué es Big Data? ¿por qué nace? ¿Para qué sirve?
– ¿Qué significa ser una compañía “orientada al dato”?

Analítica Predictiva y Ciencia de Datos:
– Analítica predictiva vs. business intelligence tradicional
– ¿Qué son el machine learning y la ciencia de datos?
– Flujo de trabajo end-to-end de un proyecto de ciencia de datos
– Modelos supervisados y modelos no supervisados

Infraestructuras Big Data
– ¿Cuáles son las implicaciones de big data para el mundo IT?

Casos de Uso:
– Ejemplos de casos de usos reales de analítica predictiva en diferentes ámbitos

BIG DATA EN LA PRÁCTICA
Introducción a Lenguaje de Programación en R
– ¿Qué es R y para qué se usa?
– Conceptos básicos de R

Taller Guiado: Segmentación de Clientes (Modelo No-Supervisado)
– Taller guiado en R en el que se desarrollará un algoritmo capaz de segmentar una base de datos de clientes en función de diferentes variables

Taller Guiado: Optimización Logística (Modelo de Optimización)
– Taller guiado en R en el que se desarrollará un algoritmo capaz de determinar la ubicación óptima de un conjunto de almacenes con el fin de minimizar los
costes de transporte logísticos

Taller Guiado: Clasificación de Defectos (Modelo Supervisado)
– Taller guiado en R en el que se desarrollará un algoritmo de machine learning capaz de predecir

 

• Profundizar en la transformación digital de la sociedad y las compañías.
• Saber qué es una compañía “orientada al dato” y cómo poder llegar a serlo.
• Entender qué es el Big Data, la Analítica Predictiva, la Ciencia de Datos, el Machine Learning y qué significa “aplicar ciencia a los datos”.
• Aprender a identificar procesos de negocio, dónde aplicar estas técnicas, para así anticiparse a situaciones futuras y poder tomar las decisiones antes de que ocurran, influyendo sobre ellas de antemano.
• Conocer la metodología y flujo de trabajo que se sigue en un proyecto de ciencia de datos.
• Desarrollar en R (de forma guiada) un ejemplo de cada uno de los tres modelos matemáticos principales que existen en el campo de ciencia de datos (modelos
de optimización, modelos supervisados y modelos no-supervisados).

BERT OTTE