Curso completo Data science

Un curso muy práctico para capacitar a los auditores internos en la ciencia de datos, Machine Learning y sus aplicaciones prácticas. Adquirirás conocimientos sobre tipos, técnicas y algoritmos disponibles de Machine Learning y cómo medir e identificar los riesgos en la implementación de estas técnicas. Se incluyen medidas correctoras y buenas prácticas.

FECHAS, HORARIOS Y HORAS:

Bloque 1 – Fundamentos: Del 21 al 24 de febrero de 2023; de 10:00 h. a 12:00 h. 
Bloque 2 - Tipos de aprendizaje (I): Del 21 al 24 de marzo de 2023; de 10:00h. a 12:00h. 
Bloque 3 - Tipos de aprendizaje (II): Del 24 al 27 de abril de 2023; de 10:00 h. a 12:00 h.
Bloque 4 - Redes neuronales: Del 22 al 25 de mayo de 2023; de 10:00 h. a 12:00 h. 
Bloque 5 - Uso de Data Science: Del 19 al 22 de junio de 2023; 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 4 sesiones virtuales de 2 horas cada una con ponente: 40 horas en total.  

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 

Josep Curtó Díaz, 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:  

Podrás acceder al curso desde cualquier dispositivo, a través de tu cuenta en auditoresinternos.es, desde “Mi espacio” -> “Mis datos” -> “Campus virtual”.   
En el Campus encontrarás la documentación del curso, los datos para acceder a Zoom y cualquier otro material complementario relacionado.  
Una vez finalizado, podrás descargar el certificado también desde tu cuenta de usuario, “Mi espacio” -> “Mis datos” -> “Historial”.     

PRECIO:   

Socio corporativo: 1.945 € (21% IVA no incluido) 
Socio individual: 2.375 € (21% IVA no incluido) 
No socio: 2.795 €. (21% IVA no incluido)  

POLÍTICA DE CANCELACIÓN: 

La cancelación de inscripción podrá realizarse sin coste alguno siempre que se comunique con una antelación de 3 días hábiles previos al inicio del seminario.
En caso contrario, se deberá abonar el importe íntegro. El IAI de España no se hará cargo de los gastos incurridos por los asistentes derivados de cancelación o cambio de fechas, siempre y cuando el IAI lo haya notificado con 72 horas de antelación.  

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 [email protected], 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
21/02/2023 10:00 - 22/06/2023 12:00
Where
SPAIN
Registration is closed.
My registration status: Not registered

Sign In