Menú
Microsoft Power BI, se está transformando gracias a la integración del aprendizaje automático (ML) y a la inteligencia artificial (IA), llevandola más allá de los informes tradicionales para ofrecer análisis más predictivos y prescriptivos.
Microsoft sigue incluyendo en todos sus productos tecnologías disruptivas que serán vistas en el curso y que incluyen:
Machine Learning Automatizado (AutoML) y visualizaciones de IA, permitiendo a usuarios sin amplios conocimientos de ciencia de datos crear, entrenar e implementar modelos de ML como previsión de ventas, predicción de la pérdida de clientes y la detección de fraudes, con ayuda tambien de visualizaciones de IA como Influenciadores Clave, Árbol de Descomposición y Detección de Anomalías.
Igualmente Power BI ofrece integración con Azure Cognitive Services (un conjunto de API de IA) que ayuda a incorporar funciones como el análisis de opiniones, la detección de idioma y la extracción de frases clave directamente en los informes, permitiendo obtener información detallada a partir de datos de texto no estructurados, como reseñas de clientes o comentarios en redes sociales.
Al aprovechar datos históricos y algoritmos de aprendizaje automático, Power BI ahora puede pronosticar con precisión resultados, tendencias y riesgos futuros. Esto es crucial para optimizar las operaciones, administrar el inventario y tomar decisiones proactivas.
El curso de especialización se brinda en la modalidad virtual y ofrece:
– Implementación de un caso de uso de Analítica Predictiva empleando las herramientas de Machine Learning e Inteligencia Artificial de Power BI.
– El caso de uso del curso se va revisando semana a semana por medio de ciclos de revisión (sprints). El estudiante debe completar ciertos entregables para poder continuar con los siguientes módulos lo que asegura una mejor absorción del conocimiento.
– Servidor real de MS PowerBI con licencias originales para uso del estudiante.
– Todas las lecciones quedan grabadas y a disposición del estudiante.
– Soporte en linea de especialistas.
– Acceso a la DB del curso con materiales de estudio multimediales.
DIRIGIDO A:
El curso está dirigido a Analistas, Investigadores en Análisis de Datos, profesionales de Ingeniería, Administración, Finanzas, Economía y carreras afines, Gerentes de Tecnología, Analistas de Sistemas, Administradores de Base de Datos, Analistas de Procesos y cualquier otro interesado en el análisis de la información y proceso de certificación.
REQUISITOS
Para participar en el presente diplomado de especialización se requiere:
DURACIÓN DEL PROGRAMA
El seminario de especialización tiene una duración de 7 (siete) sesiones de estudio, con un total de 21 horas académicas de videoconferencias con el especialista. El horario de las sesiones se coordinan con el estudiante al inicio del curso y preferiblemente serán en horarios nocturnos o los fines de semana.
Módulo 1 (4 hrs.): La Analítica Predictiva y el Modelamiento de Datos
Objetivo: Este capítulo permitirá definir la Analítica Predictiva, una disciplina que fusiona la estadística, el aprendizaje automático y la minería de datos para pronosticar comportamientos futuros y probabilidades de los datos. Veremos cómo los datos históricos pueden ser la clave para desbloquear información sobre lo que está por venir.
Tambien se verá aqui la esencia del Modelamiento de Datos, explorando su papel en el ciclo de vida de la Analítica Predictiva. No se trata solo de almacenar información, sino de organizarla de manera que facilite la extracción de conocimientos, la identificación de patrones y, crucialmente, la construcción de modelos predictivos robustos y precisos.
Módulo 2 (3 hrs.): Árboles Jerárquicos de descomposición
Objetivo: Entender como un KPI empresarial puede ser explicado a través de su descompocisión jerarquica a través de las otras variables de la empresa. Un árbol de descomposición puede usarse para realizar análisis de causa raíz para ver cómo las variables empresariales y sus atributos contribuyen al valor global de un KPI. El esquema jerárquico es un objeto visual que ayuda a comprender la causa principal que contribuye a un valor de KPI alto o bajo.
Módulo 3 (3 hrs.): Factores de Influencia
Objetivo: Para cualquier negocio, identificar y comprender a los influenciadores clave del rendimiento que afectan los resultados empresariales es fundamental para tomar decisiones.
El análisis de influenciadores clave puede revelar qué factores tienen el mayor impacto en los cambios de mis KPIs y puede ayudar a una empresa a responder preguntas como “¿qué factores llevan a los clientes a dejar opiniones negativas sobre este servicio?” o “¿qué influye en el aumento de los precios de la casa, en los precios de mis productos o en mis volumenes de venta?”.
La visualización de influenciadores clave es una solución de aprendizaje automático que permite que las empresas aprovechen la inteligencia artificial para que puedan analizar los cambios en los KPIs empresariales.
Módulo 4 ( 3 hrs.): Clustering
Objetivo: Clustering es el método de identificar grupos similares de datos en un dataset de tal manera que los objetos de un mismo grupo (llamado clúster) tengan similares propiedades. Es una técnica de aprendizaje no supervisado, que no se requiere una identificación o etiqueta para los registros que están siendo analizados. Los casos de uso de la agrupación en clústeres incluyen:
Métodos de agrupamiento / clusters
Módulo 5 (3 hrs.): Análisis de sentimiento
Objetivo: El análisis de sentimiento y la minería de opiniones son características que ofrece el servicio de lenguaje, una colección de algoritmos de aprendizaje automático e inteligencia artificial en la nube para el desarrollo de aplicaciones inteligentes en las que interviene lenguaje escrito. Estas características le ayudan a averiguar qué piensa la gente de su marca o tema mediante la minería de texto para obtener pistas sobre opiniones positivas o negativas, y pueden asociarlas a aspectos específicos del texto.
Módulo 6 (3 hrs.): Regresiones basadas en Mínimos Cuadrados
Objetivo: La econometría es el uso de la economía y estadística para el estudio de temas económicos como el PIB, la inversion, el desempleo, inflación, consumo, demanda, etc.En la econometría una de las técnicas fundamentales de análisis es el análisis de Regresión Lineal y no Lineal. Cuando hablamos de modelos de regresión lineal se esta analizando la relación entre dos variables llamado modelo univariado o con mas variables llamado modelo de regresión multiple.Lo que se busca es identificar la dirección de dicha relación, si es positiva o negativa, el grado de asociación entre las variables y su significancia estadística.Tambien la econometría sirve para analizar la relación entre variables no lineales, es decir tipo exponencial y polinomial.El análisis de Regresiones permite utilizar los resultados para realizar pronósticos. Por ejemplo, para pronosticar el crecimiento económico, tipo de cambio, tasa de desempleo, etc.
