• Reconocer el valor de los datos en las organizaciones y las posibilidades de negocio que plantea su explotación para el desarrollo de productos basados en datos (inteligencia de negocios)
• Utilizar técnicas de aprendizaje automático, entre otras, para extraer modelos descriptivos y predictivos a partir de los datos, así como saber evaluarlos correctamente
• Conocer y utilizar las herramientas básicas de integración y preparación de datos, incluyendo visualización de datos, para facilitar la comprensión y el análisis de los datos
• Aprender a utilizar un lenguaje de programación de análisis de datos (lenguaje R) y las librerías básicas de visualización y algunas de las que permiten generar modelos de aprendizaje automático.

UNIDAD 1. Introducción al aprendizaje automático y la ciencia de datos
PRÁCTICA 1. Introducción al lenguaje R

UNIDAD 2. Evaluación de modelos de aprendizaje automático
PRÁCTICA 2. Evaluación de modelos de aprendizaje automático

UNIDAD 3. Técnicas básicas de aprendizaje automático
PRÁCTICA 3. Práctica de creación de modelos de aprendizaje automático

UNIDAD 4. Preprocesamiento de datos
PRÁCTICA 4. Visualización

PROYECTO