DIPLOMADO EN INGENIERÍA DE DATOS

Inicio: 21 de abril
Duración: 6 meses
Frecuencia: Lunes y viernes (7:00 p.m. – 10:00 p.m.) hora peruana

Un ingeniero de datos o un ingeniero de datos es responsable de crear y mantener las estructuras de datos y las arquitectura técnica necesaria para ingerir, procesar e implementar aplicaciones de uso intensivo de datos a gran escala.

$169.00

Descripción

Descripción

MÉTODOS DE ALMACENAMIENTO DE INFORMACIÓN

  • Ficheros planos.
  • Bases de datos.
  • Bases de datos relacionales y SQL.
  • Casos de estudio.

NOSQL

  • Descripción y tipos de bases de datos NoSQL.
  • Historia e instalación de MongoDB.
  • Conceptos básicos en MongoDB.
  • Patrones de diseño en MongoDB.

TRATAMIENTO DE DATOS EN MONGODB

  • Inserción de datos.
  • Lecturas y consultas.
  • Actualización de datos.
  • Agregación.

GESTIÓN DE MONGODB

  • Migración de base de datos.
  • Rendimiento y Sharding.
  • Seguridad.

INTRODUCCIÓN

  • Aproximación a los conceptos inteligencia artificial, aprendizaje automático y minería de datos. Interés y aplicaciones.
  • Definición de aprendizaje, tareas básicas y ejemplos.
  • Etapas en el descubrimiento de conocimiento.
  • Referencias bibliográficas.

PYTHON PARA LA IMPLEMENTACIÓN DE TÉCNICAS DE INTELIGENCIA ARTIFICIAL

  • El lenguaje Python: conceptos básicos e instalación.
  • La sintaxis de Python.
  • Listas, tuplas, conjuntos y diccionarios.
  • Librerías útiles para el análisis de datos.
  • La librería NumPy para el manejo de datos.
  • Importación de datos.
  • Introducción a machine learning con librerías en Python.

ÁRBOLES DE DECISIÓN

  • Representación del conocimiento mediante árboles de decisión.
  • Algoritmo básico de aprendizaje de árboles de decisión: ID3.
  • Espacio de búsqueda y bias inductivo.
  • Métodos de selección de atributos.
  • Sobreajuste y poda de árboles.
  • Medidas de precisión de la clasificación. Curva ROC.
  • Simplificación de árboles de decisión mediante poda: algoritmo C4.5.

REGLAS

  • Reglas de clasificación y reglas de asociación.
  • Algoritmos de aprendizaje de reglas de clasificación
  • Algoritmos de aprendizaje de reglas de asociación.

REDES NEURONALES ARTIFICIALES

  • Fundamento biológico.
  • La neurona artificial. El perceptrón.
  • Redes neuronales multicapa.
  • Redes neuronales recurrentes. Redes Hopfield.

INTRODUCCIÓN A LAS TECNOLOGÍAS BIG DATA

  • Introducción y objetivos.
  • La sociedad interconectada: la era del cliente.
  • Definición de las tecnologías big data.
  • Origen de las tecnologías big data.

HADOOP HDFS Y MAPREDUCE

  • Introducción y objetivos.
  • Introducción a HDFS.
  • Arquitectura de HDFS.
  • Comandos de HDFS más frecuentes.
  • Programación distribuida y MapReduce.

SPARK I

  • Introducción y objetivos.
  • Apache Spark.
  • Componentes de Spark.
  • Arquitectura de Spark.
  • Resilient distributed datasets (RDD).
  • Transformaciones y acciones.
  • Jobs, stages y tasks.
  • Ejemplo completo con RDD.

SPARK II

  • DataFrames en Spark.
  • API estructurada de Spark: lectura y escritura de DataFrames.
  • API estructurada de Spark: manipulación de DataFrames.
  • Ejemplo de uso de API estructurada.
  • Spark SQL.

SPARK III

  • Spark MLlib.
  • Spark Structured Streaming.

APACHE KAFKA

  • Mensajería publicación/suscripción.
  • Introducción a Apache Kafka.
  • Casos de uso típicos de Kafka.
  • Conceptos fundamentales.
  • Implementación de productores Kafka.
  • Implementación de consumidores Kafka.

INTRODUCCIÓN AL POWER BI

  • Instalación y configuración de Power BI Desktop.
  • Entorno PowerBI.
  • Importación de datos de diferentes fuentes existentes.
  • Buenas prácticas a la hora de trabajar con Power BI.

POWER BI FOR ETL

  • Query Editor (Proceso de ETL).
  • Combinar y anexar consultas.
  • Solución de errores frecuentes.
  • Modelamiento de datos.
  • Inteligencia de tiempo.
  • Creación de Medidas.
  • Funciones ALL, Filter y Calculate.

POWER BI FOR BIG DATA

  • Creación de Dashboards.
  • User Interface.
  • Actualización y publicación del Proyecto.

POWER BI FOR BUSINESS INTELLIGENCE

  • Creación de Dashboards GERENCIALES.
  • User Xperience.
  • Creación de tooltips.
  • Creación de Bookmarks.
  • Dar formato de Sistema de Reportería a nuestro proyecto.
  • Storytelling.
  • Conceptos de Web Scraping.
  • Procesos con API (Wikipedia, Facebook y Twitter).
  • Procesos con URL. Conociendo sobre HTML. Aprendiendo sobre XPATH.
  • Web Scraping estático y dinámico.
  • Web drivers (selenium).
  • Gestión automática, envíos y ejecución automática.
  • Gestión de archivos (dejando huella en la web).
  • Automatización robótica de procesos (RPA).

CLOUD COMPUTING I

  • Introducción a cloud computing.
  • Ventajas del cloud computing.
  • Tipos de nube y servicios en la nube.
  • Casos de uso de los servicios en la nube.
  • Microsoft Azure.

CLOUD COMPUTING II

  • Amazon Web Services.
  • Regiones y availability zones (AZ).
  • Servicios transversales: seguridad y gestión.
  • Servicios de computación.
  • Servicios de red.
  • Servicios de almacenamiento.
  • Bases de datos.
  • Servicios de big data y analítica.
  • Machine learning e inteligencia artificial.

CLOUD COMPUTING III

  • Google Cloud Platform.
  • Regiones y zonas.
  • Servicios transversales: seguridad y gestión.
  • Servicios de computación.
  • Servicios de red.
  • Servicios de almacenamiento.
  • Bases de datos.
  • Servicios de big data y analítica.
  • Machine learning e inteligencia artificial.

DOCENTES:

Econ. Alexis Adonai Morales Alberto. (Docente del Centro Gem Training & Consulting Service S.A.C.) Economista especializado en Modelamiento Econométrico de la UNAM, Investigación Económica y Análisis de Indicadores para la toma de decisiones. Con experiencia en investigación económica y financiera, asesoramiento de tesis a nivel de pregrado y en uso de análisis estadís – ticos y econométricos aplicados con Stata, SPSS, Eviews, Matlab, Python y R Studio.

Ing. Carlos Esteban Godínez Delgado. Ingeniero de sistemas por la Universidad de San Carlos de Guatemala. Laboró en el banco G&T Continental en el área de análisis y diseño de sistemas financieros, Forza Delivery como programador e Icon Americans cumpliendo la función de desarrollador, entre otras entidades privadas. Actualmente se desempeña como docente universitario en la Universidad de San Carlos de Guatemala.

Econ. Alvin Sulca Vega. Economista especializado en investigación económica con amplio dominio en aplicaciones de algoritmos de Machine Learning y Deep Learning, ha laborado en el área de investigación de Proinversión, fue como asistente de investigación en la universidad ESAN. Actualmente se desempeña como científicos de datos construyendo reportes automatizados con PowerBI y Azure en una importante entidad privada.

Mg (c) Andres Antonio Campaña Acuña
Economista por la Universidad Nacional del Callao (UNAC). Laboró como científico de datos en INDECOPI, especialista en bioestadística en el Instituto Nacional Materno Perinatal (INMP), especialista en inteligencia artificial en Gigimentore y automatizador de procesos en la Superintendencia Nacional de Educación Universitaria (Sunedu). Actualmente está laborando en el Observatorio del Comercio Internacional como investigador.

Certificación: 8 certificados

Certificado como especialista en Ingeniería de Datos a nombre de la consultoría GEM EDUCA y otro a nombre de la Escuela Nacional de Formación Publica y Empresarial (ENFOPE) y el Colegio de Economistas del Perú (EN FISICO).

  • Clases 100% en vivo.
  • Material Adicional para que practiques.
  • Talleres gratuitos.
  • Plana docente de calidad.

Precio

 

Precio normal

Precio promoción

Precio comunidad gem

Precio corporativo

Perú

s/ 900

s/540

S/500

S/470

Otro países

$281 USD

$169 USD

$157 USD

$147 USD

Cuotas sin intereses

 

PROMOCION

COMUNIDAD GEM

CORPORATIVO

CUOTA 1

S/180 O

$57 USD

S/167 O $53 USD

S/157 O $49 USD

CUOTA 2

S/180 O

$56 USD

S/167 O $52 USD

S/157 O $49 USD

CUOTA 3

S/180 O

$56 USD

S/166 O $52 USDS/156 O $49 USD
Carrito de la compra
Tienda
Lista de deseos
0 elementos Carro
Mi cuenta