Salta al contenido principal
Para continuar usando este sitio web, debe aceptar nuestras políticas:
fdsfs
Continuar
x
Modelo de Análisis de datos y minería de datos
0%
El modo de enfoque está ACTIVADO. Haz clic en "X" en la parte inferior derecha para cerrarlo.
Anterior
Datos del curso
Semana 1: Fundamentos y proceso de minería de datos
Sección de bienvenida
Foro Semana 1: Debate inicial — Etapas del proceso de minería de datos
Diagnóstico inicial: Estadística, Programación y Minería de Datos
Guía de inicio - Fundamentos
Introducción al flujo de trabajo en minería de datos (Interactivo)
Glosario del curso: Minería de Datos y Visualización
Semana 2: Análisis exploratorio de datos (EDA) — limpieza y transformación
Foro Semana 2: Retos en limpieza y transformación de datasets
Laboratorio EDA: Limpieza, detección de atípicos y transformaciones — Entrega
Cuestionario 2: Técnicas de limpieza, imputación y transformaciones básicas
Semana 3: Visualización de datos y herramientas
Foro Semana 3: Buenas prácticas en visualización y selección de gráficos
Práctica de visualización: visualizaciones con Python/R y propuesta de dashboard conceptual
Cuestionario 3: Visualización, interpretación y herramientas
Semana 4: Algoritmos de clasificación I (Árboles de decisión, KNN, regresión logística)
Foro Semana 4: Debate sobre selección de algoritmos de clasificación
Laboratorio clasificación I: Árboles de decisión, KNN y Regresión Logística
Cuestionario 4: Funcionamiento, ventajas y limitaciones de algoritmos
Semana 5: Regresión (lineal, múltiple y regularizada)
Foro Ejemplo
Laboratorio: Regresión lineal, múltiple y regularizada
Cuestionario 5: Modelos de regresión y regularización
Semana 6: Clustering (K-means, DBSCAN, jerárquico)
Foro Semana 6: Elección de métodos de clustering y evaluación de resultados
Laboratorio: Clustering y comparación de K-means, DBSCAN y jerárquico
Cuestionario 6: Clustering, selección de k y métricas internas
Semana 7: Evaluación y validación de modelos
Foro Semana 7: Métricas y riesgos de sobreajuste (clasificación y regresión)
Práctica de validación: cross-validation, ROC/PR, matrices de confusión y ajuste de hiperparámetros
Cuestionario 7: Validación, métricas y técnicas para evitar overfitting
Semana 8: Ingeniería de características y selección de variables
Foro Semana 8: Estrategias de feature engineering en contextos reales
Actividad: Ingeniería de características, encoding y selección para mejora de modelos
Cuestionario 8: Técnicas de selección y transformación de variables
Semana 9: Interpretabilidad de modelos, ética y privacidad
Foro Semana 9: Análisis de riesgos éticos y sesgos en proyectos de minería de datos
Tarea: Evaluación de sesgos e interpretabilidad (SHAP / LIME)
Cuestionario 9: Interpretabilidad, privacidad y consideraciones éticas
Semana 10: Visualización avanzada y dashboards interactivos
Foro Semana 10: Intercambio de decisiones de diseño en dashboards para distintos públicos
Práctica: Diseño y documentación de dashboard operativo
Cuestionario 10: Mejores prácticas y evaluación de dashboards
Siguiente
Panel lateral
Categorías
Todas las categorías
Moodle Moot Colombia
Posgrados Demo
Categoría 1
Categoría 2
Matemáticas
Historia
Informática
Idiomas
Ciencias
Capacitaciones
LEGISLACION COMUNAL
Hemerson
IA
Programa Técnico Profesional en Dibujo Arquitectónico y Decoración
Programación
Testing Creador de cursos
Plantillas
Webinar
Webinar Rol Creador
Primer sesión
Capacitación
Página Principal
Español - Internacional (es)
English (en)
Español - Internacional (es)
Español - México (es_mx)
Acceder
Nombre de usuario
Nombre de usuario
Contraseña
Contraseña
¿Olvidó su contraseña?
Acceder
Categorías
Colapsar
Expandir
Todas las categorías
Moodle Moot Colombia
Posgrados Demo
Categoría 1
Categoría 2
Matemáticas
Historia
Informática
Idiomas
Ciencias
Capacitaciones
LEGISLACION COMUNAL
Hemerson
IA
Programa Técnico Profesional en Dibujo Arquitectónico y Decoración
Programación
Testing Creador de cursos
Plantillas
Webinar
Webinar Rol Creador
Primer sesión
Capacitación
Página Principal
Información del curso
Modelo de Análisis de datos y minería de datos
Profesor:
Ramiro Puentes
Skill Level
:
Beginner
