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...

Descripción completa

Detalles Bibliográficos
Autores: Alcántara Gavidia, Luis Alberto, Barboza Coronado, Jose Carlos, Benavides Vidal, Diego Armando, Ramírez Sologuren, Guillermo Antonio Enrique
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).