Inteligencia de Negocios

Introducción

La Ciencia de Datos es un área de conocimiento de reciente creación y que esta en constante cambio. Sus aplicaciones pueden ser muy diversas. Es en este contexto, en el que se espera implementar el conjunto de herramientas disponibles dentro de la Ciencia de datos para poder agregar valor a un negocio.

Objetivo

Que el alumno obtenga los conocimientos y habilidades necesarios para poder implementar las diversas herramientas que existen en el ámbito de la Ciencia de Datos para generar valor en el Negocio y dar soporte a la toma de decisiones.

Estructura del curso

Evaluación

30% Proyecto de propuesta de negocio

- Seleccionar una base de datos (Kraggle, o la fuente que gusten previa autorización)
- Explicar el objetivo de análisis
- Explicar las variables seleccionadas
- Metodología usada para el análisis
- Principales hallazgos
- Conclusiones

30% DataCamp (2 certificaciones)

20% Examen final

20% Kahoots

Absentismo

Es obligatorio atender a todas las sesiones.

En caso de alguna situación extraordinaria se deberá platicarlo con el profesor.

Temario

1. Introducción al Pensamiento Analítico de Datos

    1.1 Historia dela Ciencia de Datos
    1.2 Ecosistema de herramientas en la Ciencia de Datos
    1.3 Casos de uso de la ciencia de datos

2. Problemas de Negocio y Soluciones de Ciencia de Datos

    2.1 Ciencia de datos en el mercado de servicios
            2.1.1 Telecomunicaciones
            2.1.2 IT
            2.1.3 Entretenimiento
            2.1.4 Transporte
    2.2 Ciencia de datos en el mercado manufacturero
            2.2.1 Automotriz
            2.2.2 Electrodomésticos
    2.3 Internet de las Cosas (IoT)

3. Introducción al Análisis de Datos

    3.1 Introducción a los tipos de datos.
            3.1.1 Datos Estructurados
            3.1.2 Datos No Estructurados
    3.2 Introducción a R/Python
    3.3 Introducción a los dataframes
    3.4 Funciones básicas de un dataframe
    3.5 Limpieza de Datos
    3.6 Tipos de Visualización
    3.7 Visualización en R/Python

4. Herramientas de Inteligencia de Negocios.

    4.1 Gobernanza de Datos
    4.2 Ciclo de vida del dato

5. Herramientas de análisis de datos (Python, ML)

6. Herramientas de visualización de datos

7. Proyecto de Inteligencia de Negocios (Todo el curso)

Libro de Texto

“Learning Python”, Mark Lutz, O’Reilly, 2009, 4 ed., Beijing • Cambridge • Farnham • Köln • Sebastopol • Taipei • Tokyo

“Python crash course”, Eric Mattes, No starch press, 2016, 9th ed., San Francisco.

“Practical Programming”, Paul Gries, The Pragmatic Bookshelf, 2017, 1st ed., North Carolina,

Material requerido para la clase

Computadora con Python instalado