MACHINE LEARNING CON SPARK

PRESENTACIÓN

El procesamiento vía Spark ahorra mucho tiempo, es por ello que uno de los cuatro pilares de Spark es el MLib, una librería de Spark para procesar algoritmos de machine learning mediante clústeres distribuidos.

OBJETIVOS

Dotar a los alumnos de los skills necesarios para la aplicación de algoritmos de machine learning mediante el MLib de Spark.

METODOLOGÍA

  • Las clases serán online, las cuales incluirán una introducción de los temas a tratar, el desarrollo de la teoría, la realización de ejemplos prácticos para comprender lo expuesto y finalizarán con algunas conclusiones para reforzar lo aprendido.
  • Se trabajarán tareas encargadas y un trabajo final integrador en el cual se aplicarán los temas abordados en el curso.

DIRIGIDO A

Ingenieros, Estadísticos, Matemáticos, Profesionales del área de Tecnologías de Información, Marketing Digital y Estudiantes Universitarios a partir del octavo ciclo de Especialidades afines a las anteriormente mencionadas.

CONTENIDO

  • Limpieza de datos
  • Exploración de los datos
  • Transformación de variables
  • Reducción de la dimensionalidad
  • Selección de variables
  • OneHotEncoderEstimator, StandardScaler, MinMaxScaler, PCA (análisis de componentes principales), VectorSlicer, Rformula y ChiSqSelector
  • Algoritmos de clasificación (árbol de decisión, RandomForest, Gradient-boosted Tree).
  • Algoritmo de regresión (regresión lineal, Random Forest, Gradient-Boosted Tree).
  • K-means.
  • Bisecting K-means.
  • Gaussian Mixture Model (GMM).
  • Collaborative filtering

*URPOBYS FIEEECS podrá efectuar cambios de los temas de acuerdo a su política de mejora continua.

CERTIFICACIÓN

Con el objetivo de certificar el logro de los objetivos de aprendizaje, el participante deberárendir un trabajo donde integrará todo lo aprendido durante el curso, con la finalidad dedemostrar con una aplicación real su dominio en las herramientas tanto teóricas comoprácticas. Se otorgará un Diploma de Aprobación del curso a nombre de la UniversidadNacional de Ingeniería, sólo a los que mantienen un récord de asistencia no menor al80% del total de clases programadas y con una nota igual o superior a 13. Losparticipantes que obtengan una nota final menor o igual a 12 y cumplan con el mínimode 80% de asistencia, obtendrán constancia de Participación.

DOCENTE: Roger Romualdo Javier

Roger Romualdo es un Ingeniero Estadístico egresado de la UNI, actualmente se encuentra cursando la maestría online en ciencia de datos e información de la Universidad de California Berkeley. Cuenta con una experiencia en el sector financiero peruano y estadounidense en las áreas de modelamiento de riesgos y analytics, también ha trabajado como ingeniero de datos Cloud para IPG Mediabrands gestionando data de 186 países en tiempo rea haciendo uso intensivo de AWS: S3, Kinesis, Athena, Redshift, SageMaker, EC2 y otros, en la actualidad trabaja como Arquitecto de datos para Globant liderando el diseño e implementación del Big Data pipeline para un banco de inversión de USA. Entre otros estudios cuenta con un diplomado en gestión integral de riesgos por la Universidad del Pacífico, la certificación oficial de riesgos del BCP dictado en alianza con la Universidad del Pacífico y la certificación internacional de MongoDB. Desde mediados de año empezó a dictar cursos de Big Data en el programa de especialización en analítica de negocios y gestión de información del Posgrado de la Universidad Continental donde instruye en el uso de tecnologías como Spark, Hadoop, AWS, GCP. Su lenguaje de programación core es Python.

MODALIDAD ONLINE

Las clases se realizan en la plataforma MEET, dentro de esta plataforma podrás:
  • Contar con con un docente dictando la clase en vivo y conectado durante todo el tiempo que dure la sesión.
  • Hacer preguntas o comentarios al docente en tiempo real (hablado o por chat).

AULA VIRTUAL

Comprometidos con la transformación hacia la educación digital, presentamos CANVAS: una amigable plataforma que le permite al estudiante tener mayor facilidad para encontrar su material de estudio y participar de las actividades programadas durante el ciclo, tales como: foros, tareas, evaluaciones, etc.

HORARIO:

Jueves:   19:00 – 22:00 Hrs
Sábados:  15:00 – 18:00 Hrs
 

INVERSIÓN:

  • PRONTO PAGO: Hasta el 11 de enero
  • Corporativo (mínimo 3 personas)
  • Comunidad UNI
  • General

: S/ 385.00
: S/ 400.00
: S/ 400.00
: S/ 450.00

MATRICULA

Para poder matricularse al curso, debe solicitar la ficha de preinscripción y enviar al correo uprobys.fieecs@uni.edu.pe los siguientes documentos:
 
  • Egresados de universidad: escaneo de su constancia de egresado o título (en PDF).
  • Pre grado: escaneo de su malla curricular con sus respectivas notas (en PDF).
  • Escaneo de DNI a color (los 2 lados y en PDF).
  • Ficha de preinscripción llenada (en PDF).
  • Comprobante del pago (en png o jpg).

LUGARES DE PAGO

Previa solicitud de orden de pago.

Autogenerado: Nº 366 (Cursos, seminarios FIEECS)

CONDICIONES

  • De no cumplir con el quorum requerido (12 personas) UPROBYS FIEECS se reserva el derecho de postergar el inicio de clase del curso.
  • El diploma de aprobación y/o constancia de participación serán emitidos de formafísica.

Formulario

El llenado del formulario no significa la reserva de su vacante.

Contáctenos

Rellena los datos