Data mining business intelligence

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.

• 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.

• 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