El objetivo del curso es lograr que los estudiantes apliquen los principios básicos, las características de la Analítica y ciencias de datos así como las etapas en el proceso de desarrollo de un proyecto de análisis de datos. Los estudiantes también se familiarizarán con el preprocesamiento de datos y serán capaces de manejar a, nivel práctico, las principales técnicas componentes de este, como el análisis de faltantes, la detección de outliers, las técnicas de normalización, discretización y reducción dimensional.
Esta sección presenta los conceptos esenciales para poder desarrollar el curso con éxito. Te invitamos a revisarlo todas las veces que lo consideres necesario.
What's included
24 videos1 reading5 assignments
Show info about module content
24 videos•Total 115 minutes
Bienvenida al curso•1 minute
Data Science, Big Data y Data Analytics•12 minutes
Definición de Business Analytics•5 minutes
Objetivos de un proyecto•6 minutes
Definición de los objetivos comunes y sus tipos•5 minutes
El objetivo de clasificación o agrupamiento•5 minutes
El objetivo de estimación o predicción•3 minutes
Video de resumen de la Lección 1 y temas próximos•2 minutes
Presentación Módulo 2•3 minutes
¿Qué es el aprendizaje en Business Analytics?•5 minutes
El aprendizaje supervisado•6 minutes
El aprendizaje no supervisado•5 minutes
El aprendizaje por refuerzo•5 minutes
La base de datos: punto de partida•7 minutes
La base de datos de entrenamiento•5 minutes
Base de datos de evaluación•5 minutes
Las etapas de un proyecto de Business Analytics•2 minutes
Etapa 1 y herramientas•5 minutes
Etapa 2 y herramientas•5 minutes
Etapa 3 y herramientas•5 minutes
Etapa 4 y herramientas•5 minutes
Etapa 5 y herramientas•5 minutes
Etapa 6 y herramientas•5 minutes
Resumen de la Lección 2 y temas próximos•2 minutes
1 reading•Total 10 minutes
Silabo•10 minutes
5 assignments•Total 150 minutes
Conceptos básicos de Business Analytics•30 minutes
Objetivos de un proyecto de Analítica y ciencia de datos•30 minutes
Tipos de proyecto•30 minutes
Estructura y división de datos•30 minutes
Etapas de un proyecto•30 minutes
MÓDULO 1 CONCEPTOS GENERALES
Module 2•4 hours to complete
Module details
En este módulo, presentaré las principales técnicas de business analytics, a partir de una revisión general del universo de técnicas de analítica de datos y cuáles son la s más comúnmente usadas en los modelos de analítica aplicados en negocios.
What's included
20 videos2 readings4 assignments
Show info about module content
20 videos•Total 105 minutes
Video de presentación del Módulo 1•4 minutes
Casos más comunes donde se usa la analítica de datos•11 minutes
Presentación de casos más comunes para aplicar análisis de negocio•4 minutes
El analista de datos y sus funciones•5 minutes
Habilidades del analista de datos•5 minutes
Softwares recomendados que el analista de datos debe conocer•2 minutes
Otros roles del analista de negocio•5 minutes
Resumen de la lección 1 •1 minute
Revisión de la web en R program•6 minutes
Los paquetes de R y la documentación en línea•9 minutes
Instalar el programa R•5 minutes
Proceso de instalación y ejecución de paquetes•7 minutes
Funciones en R•6 minutes
Ejemplo de carga de datos con Rcmdr•6 minutes
Ejemplo de generación de gráficos con Rcmdr•6 minutes
Ejemplo de análisis descriptivo con Rcmdr•5 minutes
Ejemplo de análisis de modelos con Rcmdr•7 minutes
Revisión de la web de R studio y proceso de instalación•6 minutes
El entorno R studio•6 minutes
Resumen de la Lección Instalación en R program•1 minute
2 readings•Total 20 minutes
Cuaderno de ejercicio Módulo 1•10 minutes
Solucionario Módulo 1•10 minutes
4 assignments•Total 120 minutes
Modelos comúnmente empleados en las bases de datos•30 minutes
Casos de aplicación del análisis para negocios•30 minutes
El analista de datos y sus funciones•30 minutes
Examen final del módulo•30 minutes
MÓDULO 2 PREPROCESAMIENTO DE DATOS (1): Datos faltantes
Module 3•5 hours to complete
Module details
En este Módulo se desarrolla el preprocesamiento de datos que corresponde a la etapa más compleja y de mayor duración de tiempo dentro de un proyecto de analítica de negocios. En particular, abordaremos todo lo referente al problema de los datos faltantes y las opciones de tratamiento frente a dicho problema.
What's included
19 videos2 readings6 assignments
Show info about module content
19 videos•Total 97 minutes
Video de presentación del Módulo 2
•3 minutes
¿En que consiste el preprocesamiento de datos?•5 minutes
¿Cuáles son las principales técnicas aplicar en el preprocesamiento de datos?•5 minutes
¿En qué orden se aplican estas técnicas?•5 minutes
Resumen Lección 1, módulo 2•1 minute
Los datos faltantes•5 minutes
Causas y consecuencias de los datos faltantes•5 minutes
Impacto del nivel de faltabilidad•5 minutes
Mecanismos de los datos faltantes•10 minutes
Tratamiento de los datos faltantes•5 minutes
¿Cuáles son las técnicas de imputación?•5 minutes
Resumen de la lección 2, módulo 2•1 minute
Aplicación en R de los datos faltantes•5 minutes
Código en R para medir los niveles de faltabilidad en un base de datos•5 minutes
Borrado de observaciones•4 minutes
Borrado de variables•6 minutes
Imputación por medidas de tendencia central•10 minutes
Imputación por valor estimado a partir de un modelo•10 minutes
Resumen de Lección 3, Módulo 2•1 minute
2 readings•Total 20 minutes
Cuaderno de trabajo Módulo 2•10 minutes
Solucionario Módulo 2•10 minutes
6 assignments•Total 180 minutes
Preprocesamiento de datos•30 minutes
Técnicas para el preprocesamiento de datos•30 minutes
Datos faltantes•30 minutes
Casos de datos faltantes•30 minutes
Técnicas de corrección•30 minutes
Técnicas para realizar el completado de datos faltantes•30 minutes
MÓDULO 3 PREPROCESAMIENTO DE DATOS (2): Detección de outliers
Module 4•3 hours to complete
Module details
En este módulo, continuaremos aprendiendo sobre la etapa del preprocesamiento, pero ahora nos enfocaremos en la detección y el tratamiento de los valores atípicos o extremos, llamados también outliers.
What's included
13 videos2 readings3 assignments
Show info about module content
13 videos•Total 62 minutes
Presentación del módulo 3•2 minutes
Outliers univariados•5 minutes
Outliers multivariados•5 minutes
Métodos de detección de outliers multivariados•5 minutes
Efectos de la eliminación de outliers•6 minutes
Resumen de la lección 1, Módulo 3•2 minutes
Aplicación en R de los valores atípicos o outliers•5 minutes
Código para outliers bivariados•5 minutes
Código para outliers multivariados•5 minutes
Test de outliers•5 minutes
Paquete outlier•8 minutes
Tratamiento de los outliers•6 minutes
Resumen de la lección 2, Módulo 3•2 minutes
2 readings•Total 20 minutes
Cuaderno de trabajo Módulo 3•10 minutes
Solucionario Módulo 3•10 minutes
3 assignments•Total 90 minutes
Outlier•30 minutes
Detección y eliminación de outliers•30 minutes
Examen final Módulo 3•30 minutes
MÓDULO 4 PREPROCESAMIENTO DE DATOS (3): Normalización, Discretización y Reducción dimensional
Module 5•4 hours to complete
Module details
En este último módulo se continuará explicando la etapa del preprocesamiento, pero ahora nos enfocaremos en las técnicas de transformación y la reducción dimensional de datos.
What's included
23 videos3 readings3 assignments
Show info about module content
23 videos•Total 116 minutes
Presentación del módulo 4•3 minutes
Normalización Zcore•5 minutes
Normalización Box-Cox•5 minutes
Normalización Min-Max•5 minutes
Discretización•5 minutes
Clasificación de los métodos de discretización•5 minutes
Discretización por intervalos de igual longitud•5 minutes
Discretización por intervalos de igual frecuencia•5 minutes
Discretización 1R•5 minutes
Resumen de la lección 1, Módulo 4•2 minutes
Discretización Chi Merge•5 minutes
Reducción dimensional•5 minutes
Método de componentes principales•5 minutes
Aplicación en R para normalizacón, discretización y reducción dimensional•5 minutes
Código en R: normalización Box-Cox•5 minutes
Código en R: normalización Min-Max•5 minutes
Código en R: comparación de métodos de normalización•5 minutes
Código en R: discretización por intervalos de igual longitud•5 minutes
Código en R: discretización por intervalos de igual frecuencia•5 minutes
Código en R: discretización 1R•5 minutes
Código en R: discretización Chi Merge•5 minutes
Método de componentes principales•13 minutes
Resumen de la lección 2, Módulo 4•2 minutes
3 readings•Total 30 minutes
Cuaderno de trabajo Módulo 4•10 minutes
Solucionario Módulo 4•10 minutes
Selección de lecturas recomendadas•10 minutes
3 assignments•Total 90 minutes
¿En que consiste la normalización?•30 minutes
¿En que consiste la discretización?•30 minutes
Examen final del Módulo 4•30 minutes
Instructor
Instructor ratings
Instructor ratings
We asked all learners to give feedback on our instructors based on the quality of their teaching style.
Somos la universidad N° 13 en el Ranking QS Latinoamérica 2022, la única universidad peruana que lidera 17 especialidades en el Ranking QS by Subject Latinoamérica 2022 y N°1 en transformación digital para la enseñanza virtual en Perú (Ipsos, 2020).
Promovemos la investigación, innovación y creación a través de nuestros diversos programas de pregrado, posgrado y formación continua.
OK
Why people choose Coursera for their career
Felipe M.
Learner since 2018
"To be able to take courses at my own pace and rhythm has been an amazing experience. I can learn whenever it fits my schedule and mood."
Jennifer J.
Learner since 2020
"I directly applied the concepts and skills I learned from my courses to an exciting new project at work."
Larry W.
Learner since 2021
"When I need courses on topics that my university doesn't offer, Coursera is one of the best places to go."
Chaitanya A.
"Learning isn't just about being better at your job: it's so much more than that. Coursera allows me to learn without limits."
Learner reviews
4.3
65 reviews
5 stars
60%
4 stars
23.07%
3 stars
6.15%
2 stars
4.61%
1 star
6.15%
Showing 3 of 65
F
FR
4·
Reviewed on Oct 4, 2024
Faltan más ejercicios personalizados para que pueda realizar el estudiante por su cuenta. Además la gran mayoria de los videos del modulo 4 se ven mal, y es dificil comparar la respuesta.
E
EA
5·
Reviewed on Feb 24, 2024
Sumamente valioso este curso para los que comenzamos en R, muchas gracias por compartirlo.
W
WG
5·
Reviewed on Jul 13, 2023
Esta excelente, la información que se brinda tiene mucho valor
When will I have access to the lectures and assignments?
To access the course materials, assignments and to earn a Certificate, you will need to purchase the Certificate experience when you enroll in a course. You can try a Free Trial instead, or apply for Financial Aid. The course may offer 'Full Course, No Certificate' instead. This option lets you see all course materials, submit required assessments, and get a final grade. This also means that you will not be able to purchase a Certificate experience.
What will I get if I purchase the Certificate?
When you purchase a Certificate you get access to all course materials, including graded assignments. Upon completing the course, your electronic Certificate will be added to your Accomplishments page - from there, you can print your Certificate or add it to your LinkedIn profile.
Is financial aid available?
Yes. In select learning programs, you can apply for financial aid or a scholarship if you can’t afford the enrollment fee. If fin aid or scholarship is available for your learning program selection, you’ll find a link to apply on the description page.