CURSO VIRTUAL DATA SCIENCE CURSO COMPLETO 2021

Cada vez más el auditor interno va a ser un profesional dedicado a analizar e interpretar grandes bases de datos. El objetivo general de esta formación es capacitar a los auditores internos en que es la ciencia de los datos y en particular machine learning y sus posibilidades aplicadas.  En particular este curso persigue aumentar el conocimiento general en machine learning; proporcionar conocimiento sobre el amplio espectro de tipos, técnicas y algoritmos disponibles dentro de machine learning; identificar cómo medir el éxito y dar a conocer buenas prácticas y, por último, identificar riesgos en la implementación de este tipo de técnicas y medidas correctoras.

CURSO COMPLETO
 

FECHAS, HORARIOS Y HORAS
Bloque 1: Fundamentos Del 9 al 12 de febrero de 2021. De 10:00 h. a 12:00 h.
Bloque 2: Tipos de aprendizaje (I) Del 2 al 5 de marzo de 2021. De 10:00 h. a 12:00 h.
Bloque 3: Tipos de aprendizaje (II) Del 8 al 13 de abril de 2021. De 10:00 h. a 12:00 h.
Bloque 4: Redes neuronales Del 10 al 13 de mayo de 2021. De 10:00 h. a 12:00 h.
Bloque 5: Uso de data science Del 7 al 10 de junio de 2021. De 10:00 h. a 12:00 h.

TIPO DE FORMACIÓN

Virtual                       Presencial                   e-Learning                        Blended


HORAS CPE: 40
La distribución de horas es la siguiente, 5 bloques de 2 sesiones de 2 horas cada una, distribuidas en clases virtuales con ponente,
de 2 horas de duración.


LUGAR DE CELEBRACIÓN: Aula Virtual del IAI (Zoom)

TEMARIO
Los contenidos pueden variar a lo largo del curso si surgen novedades en este campo.

BLOQUE 1

1. Fundamentos matemáticos

(Matemáticas fundamentales para el análisis de datos).

Teoría de conjuntos y combinatoria.

Estadística: probabilidad, axiomas, teorema de Bayes, estadísticos, distribuciones.

Algebra Lineal: álgebra lineal, vectores, matrices y su relación con el cálculo.

Se revisarán los aspectos fundamentales, y se recomendarán lecturas complementarias.

2. Data Science y Machine Learning (Qué problemas resuelve data science y machine learning).

Qué es Data Science y Machine Learning.

El ciclo analítico: Minería de datos vs Machine Learning, cómo funciona, como medir el éxito.

Tipos de aprendizaje (Supervised, Unsupervised, Semi-supervised, Reinforcement).

Clases de problemas (Regression, Classification, clustering, dimensionality reduction…).

Tipos de soluciones (algoritmos).

Ejemplos de aplicación.

BLOQUE 2

3. Algoritmos matemáticos: aprendizaje supervisado (qué solucionan, en qué se fundamentan, cuando usarlos, pros y contras, interpretación)

Clasificación: para qué sirve, tipos, técnicas, detalle de algunas de las técnicas.

Regresión: para qué sirve, tipos, técnicas, detalle de algunas de las técnicas.

4. Algoritmos matemáticos: aprendizaje no supervisado (qué solucionan, en qué se fundamentan, cuando usarlos, pros y contras, interpretación)

Clustering: para qué sirve, tipos, técnicas, detalle de algunas de las técnicas.

Reglas de asociación: para qué sirve, tipos, técnicas, detalle de algunas de las técnicas.

Reducción de la dimensionalidad: para qué sirve, tipos, técnicas, detalle de algunas de las técnicas.

BLOQUE 3

5. Algoritmos matemáticos: aprendizaje semi-supervisado (qué solucionan, en qué se fundamentan, cuando usarlos, pros y contras, interpretación)

Self-learning: para qué sirve, tipos, técnicas, detalle de algunas de las técnicas.

Transductive induction: para qué sirve, tipos, técnicas, detalle de algunas de las técnicas.

6. Algoritmos matemáticos: aprendizaje por refuerzo (qué solucionan, en qué se fundamentan, cuando usarlos, pros y contras, interpretación)

Indirect learning: para qué sirve, tipos, técnicas, detalle de algunas de las técnicas.

Direct learning: para qué sirve, tipos, técnicas, detalle de algunas de las técnicas.

BLOQUE 4

7. Algoritmos matemáticos: redes neuronales (I) (qué solucionan, en qué se fundamentan, cuando usarlos, pros y contras, interpretación)

Redes neuronales (incluyendo deep learning y capsule networks): para qué sirve, tipos, técnicas, detalle de algunas de las técnicas.

8. Algoritmos matemáticos: redes neuronales (II) (qué solucionan, en qué se fundamentan, cuando usarlos, pros y contras, interpretación)

Redes neuronales (incluyendo deep learning and capsule networks).

BLOQUE 5

9. Uso de resultados en Data Science (¿Cómo presentamos/ usamos los resultados del análisis?)

Visualización de datos: en qué consiste, qué aporta, principios de visualización.

Storytelling de datos: en qué consiste, qué aporta, principios de visualización

Embebiendo Data Science: opciones, AIOps.

Interpretabilidad de resultados y algoritmos.

10. Minería de procesos

Minería de procesos: en qué consiste, qué aporta.

Casos de uso de la minería de procesos.


PONENTE
José Curto Diaz, Director, AthenaCore; Director Académico y profesor asociado. 

DESTINATARIOS

Esta formación está dirigida principalmente a profesionales no técnicos que quieren conocer el mundo de la ciencia de los datos, en qué consiste
y cómo afecta a la propia organización.
Progresivamente se introducen conceptos de matemáticas, estadística e Informática necesarios en esta disciplina. El enfoque principal es la discusión
de negocio. Sólo la última
sesión se empieza a entrar en detalles técnicos (con herramientas como R o similares).

INFORMACIÓN ADICIONAL: Unos 3-4 días antes de que se celebre el curso se enviarán las claves y las indicaciones para acceder a las clases virtuales.
La documentación del curso se enviará de la siguiente manera (si procede): un día antes, la documentación de la que debe disponer de manera previa; durante el curso, la documentación que van a ver en este; y toda la documentación al completo al final del curso.

PRECIO* ITINERARIO COMPLETO (5 BLOQUES):
SOCIO CORPORATIVO: 2.195 € · SOCIO: 2.680 € · TARIFA NO SOCIO: 3.150 €. (21% IVA no incluido)
CLÁUSULA DE PROTECCIÓN DE DATOS
De conformidad con lo dispuesto en el Reglamento General de Protección de Datos se informa al interesado que el Instituto de Auditores Internos de España (en adelante, IAI), es Responsable del Tratamiento con relación a los datos personales recabados. El principio de licitud que legitima el tratamiento está basado en el consentimiento otorgado por su parte con el objeto de poder ejecutar las actividades oportunas que se derivan de la gestión de los cursos de IAI.?
Estos datos serán tratados de forma lícita, leal, transparente, adecuada, pertinente, limitada, exacta y actualizada, así como conservados durante el tiempo necesario para la atención de la solicitud, así como las obligaciones legales que se deriven.? El interesado queda informado sobre la posibilidad de ejercitar los derechos que le asisten en materia de protección de datos mediante el envío de correo electrónico a la dirección dpd@iai.es, adjuntando copia de su DNI o pasaporte. Al tiempo se le informa que puede recabar la tutela de la Agencia Española de Protección de Datos para atender las reclamaciones en el ejercicio de sus derechos.?
Por último, le informamos que, con el objeto de dar cumplimiento al requisito formalizado por la FUNDAE en cuanto a la posibilidad de evidenciar la impartición del curso, se procederá a la grabación de la sesión formativa, siendo de obligado cumplimiento la activación de la cámara de los asistentes que vayan a aplicar dicha bonificación de la FUNDAE, acreditando con ello su presencia.?

 

 


 

 
When
02/03/2020 9:30 - 05/06/2020 14:00
Where
SEDE SOCIAL DEL IAI SANTA CRUZ DE MARCENADO, 33 1 PL 28015 MADRID SPAIN
When
09/02/2021 10:00 - 10/06/2021 12:00
Where
AULA VIRTUAL DEL IAI (ZOOM) MADRID SPAIN
Sign in or create an account to register Registration ends 09/02/2021 0:00 (Romance Standard Time)
My registration status: Not registered

Sign In