Data Science II - Analyst - AP315 - 202102
Descripción del Articulo
El curso Data Science II Analyst es de carácter teórico-práctico dirigido a los estudiantes de noveno ciclo de las carreras de la Facultad de Negocios. En este curso explorará algunos de los aspectos básicos de las técnicas de minería de datos y aprendizaje automático que se utilizan para analizar d...
Autores: | , , , |
---|---|
Formato: | informe técnico |
Fecha de Publicación: | 2021 |
Institución: | Universidad Peruana de Ciencias Aplicadas |
Repositorio: | UPC-Institucional |
Lenguaje: | español |
OAI Identifier: | oai:repositorioacademico.upc.edu.pe:10757/662376 |
Enlace del recurso: | http://hdl.handle.net/10757/662376 |
Nivel de acceso: | acceso abierto |
Materia: | AP315 |
id |
UUPC_7b1b04c284d72da7ece07627f6bd47cd |
---|---|
oai_identifier_str |
oai:repositorioacademico.upc.edu.pe:10757/662376 |
network_acronym_str |
UUPC |
network_name_str |
UPC-Institucional |
repository_id_str |
2670 |
spelling |
10396fd21c6c6afb0ad53625e301b053500http://orcid.org/0000-0001-8072-34763fd889dcad1b65f1758ee28d601c2164500307871197b40b177415b34b82f63f25eb228e1dda7f962c95b382a98309a2a0c500Alcántara Gavidia, Luis AlbertoBarboza Coronado, Jose CarlosBenavides Vidal, Diego ArmandoRamírez Sologuren, Guillermo Antonio Enrique2022-11-06T00:18:47Z2022-11-06T00:18:47Z2021-08http://hdl.handle.net/10757/662376El curso Data Science II Analyst es de carácter teórico-práctico dirigido a los estudiantes de noveno ciclo de las carreras de la Facultad de Negocios. En este curso explorará algunos de los aspectos básicos de las técnicas de minería de datos y aprendizaje automático que se utilizan para analizar datos, y verá algunos ejemplos de aplicaciones a situaciones reales en el ámbito de los negocios. Se abordará la estadística descriptiva y su utilidad para alcanzar metas comerciales, visualizar datos y determinar qué pueden significar las correlaciones en datos para metas comerciales determinadas. Utilizará la regresión lineal para predecir resultados en situaciones reales del ámbito de los negocios. También tendrá la oportunidad de ver cómo usar Python para aplicar una regresión lineal a un conjunto de datos. Examinará los algoritmos de aprendizaje automático que pueden predecir la clase de una variable categórica. Explorará la aplicación de técnicas de aprendizaje automático no supervisado. Tendrá la oportunidad de examinar los datos y considerar cómo aplicar técnicas de aprendizaje automático para alcanzar metas comerciales específicas. El curso promueve el desarrollo de las competencias generales de Pensamiento Crítico y Manejo de la información en nivel 3. Tiene como pre-requisito el curso Data Science Foundations AP259.application/pdfspaUniversidad Peruana de Ciencias Aplicadas (UPC)info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Universidad Peruana de Ciencias Aplicadas (UPC)Repositorio Académico - UPCreponame:UPC-Institucionalinstname:Universidad Peruana de Ciencias Aplicadasinstacron:UPCAP315Data Science II - Analyst - AP315 - 202102info:eu-repo/semantics/report2022-11-06T00:18:47ZTHUMBNAILAP315_Data_Science_II_-_Analyst_202102.pdf.jpgAP315_Data_Science_II_-_Analyst_202102.pdf.jpgGenerated Thumbnailimage/jpeg53702https://repositorioacademico.upc.edu.pe/bitstream/10757/662376/3/AP315_Data_Science_II_-_Analyst_202102.pdf.jpgde28a81b7daa14bad4e2a50698b3b1f3MD53falseTEXTAP315_Data_Science_II_-_Analyst_202102.pdf.txtAP315_Data_Science_II_-_Analyst_202102.pdf.txtExtracted texttext/plain10478https://repositorioacademico.upc.edu.pe/bitstream/10757/662376/2/AP315_Data_Science_II_-_Analyst_202102.pdf.txtba4182fbae9b6b0802016ce966669bacMD52falseORIGINALAP315_Data_Science_II_-_Analyst_202102.pdfapplication/pdf14440https://repositorioacademico.upc.edu.pe/bitstream/10757/662376/1/AP315_Data_Science_II_-_Analyst_202102.pdf41c197107b0f0ea9749c63f443eca984MD51true10757/662376oai:repositorioacademico.upc.edu.pe:10757/6623762022-11-06 03:15:13.71Repositorio académico upcupc@openrepository.com |
dc.title.none.fl_str_mv |
Data Science II - Analyst - AP315 - 202102 |
title |
Data Science II - Analyst - AP315 - 202102 |
spellingShingle |
Data Science II - Analyst - AP315 - 202102 Alcántara Gavidia, Luis Alberto AP315 |
title_short |
Data Science II - Analyst - AP315 - 202102 |
title_full |
Data Science II - Analyst - AP315 - 202102 |
title_fullStr |
Data Science II - Analyst - AP315 - 202102 |
title_full_unstemmed |
Data Science II - Analyst - AP315 - 202102 |
title_sort |
Data Science II - Analyst - AP315 - 202102 |
author |
Alcántara Gavidia, Luis Alberto |
author_facet |
Alcántara Gavidia, Luis Alberto Barboza Coronado, Jose Carlos Benavides Vidal, Diego Armando Ramírez Sologuren, Guillermo Antonio Enrique |
author_role |
author |
author2 |
Barboza Coronado, Jose Carlos Benavides Vidal, Diego Armando Ramírez Sologuren, Guillermo Antonio Enrique |
author2_role |
author author author |
dc.contributor.author.fl_str_mv |
Alcántara Gavidia, Luis Alberto Barboza Coronado, Jose Carlos Benavides Vidal, Diego Armando Ramírez Sologuren, Guillermo Antonio Enrique |
dc.subject.none.fl_str_mv |
AP315 |
topic |
AP315 |
description |
El curso Data Science II Analyst es de carácter teórico-práctico dirigido a los estudiantes de noveno ciclo de las carreras de la Facultad de Negocios. En este curso explorará algunos de los aspectos básicos de las técnicas de minería de datos y aprendizaje automático que se utilizan para analizar datos, y verá algunos ejemplos de aplicaciones a situaciones reales en el ámbito de los negocios. Se abordará la estadística descriptiva y su utilidad para alcanzar metas comerciales, visualizar datos y determinar qué pueden significar las correlaciones en datos para metas comerciales determinadas. Utilizará la regresión lineal para predecir resultados en situaciones reales del ámbito de los negocios. También tendrá la oportunidad de ver cómo usar Python para aplicar una regresión lineal a un conjunto de datos. Examinará los algoritmos de aprendizaje automático que pueden predecir la clase de una variable categórica. Explorará la aplicación de técnicas de aprendizaje automático no supervisado. Tendrá la oportunidad de examinar los datos y considerar cómo aplicar técnicas de aprendizaje automático para alcanzar metas comerciales específicas. El curso promueve el desarrollo de las competencias generales de Pensamiento Crítico y Manejo de la información en nivel 3. Tiene como pre-requisito el curso Data Science Foundations AP259. |
publishDate |
2021 |
dc.date.accessioned.none.fl_str_mv |
2022-11-06T00:18:47Z |
dc.date.available.none.fl_str_mv |
2022-11-06T00:18:47Z |
dc.date.issued.fl_str_mv |
2021-08 |
dc.type.es_PE.fl_str_mv |
info:eu-repo/semantics/report |
format |
report |
dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/10757/662376 |
url |
http://hdl.handle.net/10757/662376 |
dc.language.iso.es_PE.fl_str_mv |
spa |
language |
spa |
dc.rights.es_PE.fl_str_mv |
info:eu-repo/semantics/openAccess |
dc.rights.uri.es_PE.fl_str_mv |
http://creativecommons.org/licenses/by-nc-sa/4.0/ |
eu_rights_str_mv |
openAccess |
rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-sa/4.0/ |
dc.format.es_PE.fl_str_mv |
application/pdf |
dc.publisher.es_PE.fl_str_mv |
Universidad Peruana de Ciencias Aplicadas (UPC) |
dc.source.es_PE.fl_str_mv |
Universidad Peruana de Ciencias Aplicadas (UPC) Repositorio Académico - UPC |
dc.source.none.fl_str_mv |
reponame:UPC-Institucional instname:Universidad Peruana de Ciencias Aplicadas instacron:UPC |
instname_str |
Universidad Peruana de Ciencias Aplicadas |
instacron_str |
UPC |
institution |
UPC |
reponame_str |
UPC-Institucional |
collection |
UPC-Institucional |
bitstream.url.fl_str_mv |
https://repositorioacademico.upc.edu.pe/bitstream/10757/662376/3/AP315_Data_Science_II_-_Analyst_202102.pdf.jpg https://repositorioacademico.upc.edu.pe/bitstream/10757/662376/2/AP315_Data_Science_II_-_Analyst_202102.pdf.txt https://repositorioacademico.upc.edu.pe/bitstream/10757/662376/1/AP315_Data_Science_II_-_Analyst_202102.pdf |
bitstream.checksum.fl_str_mv |
de28a81b7daa14bad4e2a50698b3b1f3 ba4182fbae9b6b0802016ce966669bac 41c197107b0f0ea9749c63f443eca984 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositorio académico upc |
repository.mail.fl_str_mv |
upc@openrepository.com |
_version_ |
1845545704715452416 |
score |
13.836569 |
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).