Los participantes comprenderán el ciclo completo de la minería de datos (CRISP-DM), aplicarán en Python técnicas de limpieza, transformación y selección de datos para desarrollar modelos de clasificación, regresión, agrupamiento y reglas de asociación, evaluarán rigurosamente el rendimiento de los modelos para extraer conocimiento accionable e implementarán soluciones prácticas utilizando bibliotecas estándar como pandas, scikit-learn y mlxtend, todo dentro de un enfoque integrado que cubre desde la preparación de datos hasta la generación de insights.
Emisor
Fundacion universidad
comunidad.virtual@uexternado.edu.co
Criterios
● Ejecutar análisis exploratorio univariado y bivariado en Python para caracterizar y resumir conjuntos de datos.
● Aplicar técnicas de limpieza y preprocesamiento, incluyendo manejo de valores faltantes y detección de outliers.
● Generar y analizar reglas de asociación para descubrir patrones de compra y comportamiento.
● Desarrollar, entrenar y validar modelos de clasificación en scikit-learn para predecir variables de interés.
Habilidades:
Limpieza y lectura de Bases de Datos
Para más información, haga clic aquí
