Curso - Análisis de datos para todos

1. Las posibilidades de la ciencia de los datos en las organizaciones y el contexto empresarial actual:

• Repaso a los términos más frecuentes: machine learning, big-data,
  deep-learning, IA, Internet of Things y otros conceptos.
• Posibilidades y sesgos de la estadística aplicada.
• Ejemplos de aplicación de la Estadística descriptiva e inferencial en las distintas áreas de gestión.

2. El proceso de trabajo en un estudio basado en ciencia de datos

• Pasos clave en un estudio: hipótesis, indicadores, datos, métodos, y
  resultados.
• Ámbitos y ejemplos de aplicación en las organizaciones: Finanzas,
  Ventas y experiencia de clientes, Marketing, Recursos Humanos,
  Supply chain, Operaciones y Calidad.

3. Exploración y preparación de los datos

• Obtención y limpieza de los datos.
• Empleo de muestras representativas.
• Determinación y tipos de variables.

4. Tipos de análisis y contenido

• Familiarizarse con los conceptos más habituales de la estadística y la probabilidad (distribución de probabilidad, intervalos de confianza, medidas de agrupación y dispersión).
• Diferenciar el análisis descriptivo, exploratorio y confirmatorio.
• Saber plantear los principales contrastes de hipótesis: test de proporción y de la media, diferencias de medias y proporciones.
• Correlación, ANOVA, test Chi2 y regresiones.

5. Visualización de resultados:

• Ordenar la información en función del destinatario.
• Principales visualizaciones y su utilidad.
• Cómo contar una historia con datos.

6. Otros métodos de ciencia de datos, supervisados y no supervisados

• Modelo e supervivencia, distribuciones espaciales, árboles de decisión y modelos machine learning.

7. Principales software y herramientas para el análisis de datos

8. Tendencias de ciencia de datos en la sociedad y sectores económicos: redes neuronales y la IA, análisis de redes, sentiment analysis.