Curso Análisis de Datos con Machine Learning

Únicamente necesitas un computador o portátil con las siguientes especificaciones mínimas:

• RAM: 8GB
• Disco: 128GB
• Procesador: Intel Core i5

Si vas a tomar un programa presencial y no tienes computador, no te preocupes. Te podemos alquilar uno a un precio excelente.

• Acompañamiento de profesores en sesiones síncronas.
• Acceso a comunidad BIT en plataforma Discord.
• Acceso videos pre-grabados de las clases y otros contenidos académicos.
• Talleres online en vivo o presenciales de habilidades blandas.
• Acceso a plataforma de desarrollo para competencias blandas.
• Acceso a plataforma de aprendizaje de inglés por 1 año.
• Creación de portafolio en GitHub.
• Presentación de proyecto a empresas con nuestro programa Open Talent.
• Certificación digital BIT con sello universitario Iberoamericana.
• Correo electrónico institucional más paquete Microsoft.

• Ingenieros de software, programadores y técnicos que quieren aprender a trabajar con datos y modelos predictivos.
• Personas que ya trabajan con datos (en Excel, SQL, Power BI, etc.) y quieren profundizar en modelos predictivos, clasificación, regresión, clustering, etc.
• Profesionales que necesitan automatizar análisis, predecir resultados o clasificar datos complejos en sus áreas de estudio.
• Estudiantes universitarios o técnicos que buscan habilidades prácticas muy demandadas en el mercado laboral.
• Profesionales de otras industrias interesados en entrar al mundo del análisis de datos e inteligencia artificial, un sector con alta empleabilidad.
• Personas apasionadas por el aprendizaje automático, los datos y la automatización, aunque no tengan formación técnica formal (siempre que tengan disposición para aprender conceptos de programación y estadística).

• Analista de datos: Analiza y visualiza datos para apoyar la toma de decisiones. Utiliza herramientas como Python, SQL, Excel, Power BI o Tableau. Aplica modelos simples de machine learning como regresión o clasificación básica.
• Asistente en la creación de modelos: Implementa modelos básicos de ML bajo supervisión. Ayuda en la limpieza de datos, entrenamiento de modelos y evaluación. Trabaja con librerías como Scikit-learn, pandas, NumPy.
• Científico de datos: Realiza análisis exploratorio, construye modelos predictivos y presenta resultados. Participa en proyectos de predicción de ventas, segmentación de clientes, etc. Aplica algoritmos como árboles de decisión, clustering, regresión logística.
• Analista de inteligencia de negocios: Aunque no siempre aplica ML directamente, puede usarlo para enriquecer análisis y dashboards. Interpreta datos y genera reportes que aportan valor estratégico al negocio.
• Asistente de proyectos de inteligencia artificial: Rol de apoyo en equipos de inteligencia artificial. Participa en el ciclo de vida de modelos, pruebas y evaluación.
• Preparación de datos: Si tiene interés en el lado técnico, puede enfocarse en limpiar, transformar y preparar datos para modelos de machine learning.
• Analista de marketing con enfoque en datos: Analiza comportamiento de usuarios y aplica clustering o modelos predictivos para segmentar audiencias y optimizar campañas.