¿Por qué estudiar Data Mining y su Aplicación en Negocios?
En este curso aprenderás a transformar datos en conocimientos valiosos para la toma de decisiones estratégicas en las organizaciones.
A través de un enfoque práctico y aplicado, dominarás técnicas de minería de datos, modelos predictivos y machine learning, desarrollando habilidades para identificar patrones, anticipar comportamientos y optimizar resultados empresariales.
¡Conviértete en un profesional capaz de convertir grandes volúmenes de datos en ventajas competitivas sostenibles!



Plan de estudio
Módulo 1: Fundamentos de Análisis de Datos y Estadística Empresarial
- Introducción al análisis de datos y estadística aplicada.
- Análisis exploratorio de datos y visualización inicial.
- Storytelling de datos para la toma de decisiones.
Módulo 2: Modelos Predictivos y Técnicas de Machine Learning
- Regresión lineal y logística.
- Árboles de decisión y máquinas de soporte vectorial (SVM).
- K-vecinos más cercanos (k-NN) y clustering.
Módulo 3: Modelos Avanzados y Evaluación de Resultados
- Modelos avanzados de machine learning y deep learning.
- Evaluación y validación de modelos predictivos.
- Introducción a herramientas prácticas como scikit-learn.
Módulo 4: Aplicaciones Estratégicas y Proyecto Integrador
- Aplicaciones del data mining en marketing, finanzas y operaciones.
- Desarrollo de un proyecto final aplicado al entorno empresarial.
- Presentación y storytelling ejecutivo de resultados.
Conoce a tu plana docente
Camilo Pardo-Beainy
Camilo Pardo es un ingeniero electrónico con más de 18 años de experiencia en educación superior, investigación y desarrollo tecnológico.
Se especializa en áreas como el procesamiento de señales digitales, visión por computadora y aprendizaje automático, con aplicaciones prácticas en agricultura y procesos industriales.
Ha sido profesor y decano en la Universidad Santo Tomás , y actualmente es candidato a doctorado en ingeniería con su tesis ya presentada.
Cuenta con múltiples reconocimientos, incluyendo el mérito a la excelencia docente y el de tesis laureada, y es miembro senior del Instituto de Ingenieros Eléctricos y Electrónicos (IEEE).