Curso gratis de introducción a la minería de datos

La minería de datos, también conocida como descubrimiento de conocimiento en datos (KDD), es el proceso de descubrir patrones y otra información valiosa de grandes conjuntos de datos.

Dada la evolución de la tecnología de almacenamiento de datos y el crecimiento de big data, la adopción de técnicas de minería de datos se ha acelerado rápidamente en las últimas dos décadas, ayudando a las empresas a transformar sus datos sin procesar en conocimiento útil.

Sin embargo, a pesar de que esa tecnología evoluciona continuamente para manejar datos a gran escala, los líderes aún enfrentan desafíos con la escalabilidad y la automatización.

La minería de datos ha mejorado la toma de decisiones organizacionales a través de análisis de datos perspicaces. Las técnicas de minería de datos que sustentan estos análisis se pueden dividir en dos propósitos principales; pueden describir el conjunto de datos de destino o pueden predecir resultados mediante el uso de algoritmos de aprendizaje automático.

Estos métodos se utilizan para organizar y filtrar datos, mostrando la información más interesante, desde la detección de fraudes hasta comportamientos de usuarios, cuellos de botella e incluso brechas de seguridad.

Introducción a la Minería de Datos

En este curso, aprenderás de manera gradual y práctica los conceptos básicos de Minería de Datos, junto a los algoritmos más utilizados hoy en día.

Al finalizar el curso, serás capaz de entender la importancia de manejar la información y de explorar por ti mismo distintas bases de datos reales.

Este curso es el primer paso para convertirte en un/a profesional con habilidades básicas de un científico de datos o Data Scientist, de manera tal que puedas abrirle la puerta al futuro.

El curso gratuito de Introducción a la Minería de Datos está ofrecido por la Pontifica Universidad Católica de Chile y se realiza a través de la plataforma de cursos Coursera.

Aunque se trata de un curso gratis, una vez que lo completes podrás obtener un certificado, si lo deseas, pagando una pequeña cuota.

Este curso se realiza 100% online, y podrás organizarte para realizarlo a tu ritmo, sin fechas límite para completarlo por lo que resulta muy cómodo y es una gran ventaja con respecto a otros cursos.

Para poder completar este curso necesitarás dedicarle unas 78 horas aproximadamente. El curso se divide en una serie de secciones donde encontrarás los vídeos de las clases y ejercicios para poder poner en práctica lo que vas aprendiendo.

Las secciones de este curso son las siguientes:

1. Sección 1: Reglas de Asociación
   1. Motivación
   2. Aplicaciones en la Vida Real
   3. Reglas de Asociación
   4. Soporte, Confianza y Lift
   5. Algoritmo A-Priori: Parte I
   6. Algoritmo A-Priori: Parte II
   7. Algoritmo A-Priori: Parte III
   8. Ejemplo Algoritmo A-Priori
   9. ¿Qué es? ¿Para qué sirve?
   10. Implementación A-Priori
   11. Ejercicio de práctica
2. Sección 2: Algoritmos de Clasificación I
   1. ¿Qué es la clasificación?
   2. Representación de Objetos
   3. Vecinos Cercanos K-NN
   4. Variante Vecinos Cercanos I
   5. Variante Vecinos Cercanos II
   6. Ejemplo Vecinos Cercanos
   7. Ejercicio de práctica
3. Sección 3: Algoritmos de Clasificación II
   1. Árbol de decisión
   2. Entropía
   3. Ganancia de Información
   4. Árbol de decisión y Overfitting
   5. Variables Continuas en Árbol de decisión
   6. Ejemplo Árbol de Decisión
   7. Ejercicio de práctica
4. Sección 4: Métricas de Evaluación de Clasificación
   1. Motivación
   2. Evaluación de Clasificadores I
   3. Evaluación de Clasificadores II
   4. Implementación Vecinos Cercanos
   5. Implementación Árbol de decisión I
   6. Implementación Árbol de decisión II
   7. Ejercicio de práctica
5. Sección 5: Algoritmos de Clustering
   1. ¿Qué es clustering?
   2. Algoritmo K-Means I
   3. Algoritmo K-Means II
   4. Ejemplo Algoritmo K-Means
   5. Algoritmos Jerárquicos
   6. Algoritmo DBScan
   7. Ejercicio de práctica

Para ir al curso usa este enlace.