Al finalizar el curso, el alumno se encontrará en la capacidad de:
-
Analizar grandes volúmenes de datos en tiempo real y de movilidad, encontrando patrones o condiciones que puedan generar fallas futuras.
-
Conocer y aplicar los lenguajes estadísticos de tendencia emergente en la ciencia de datos y aplicarlos en la gestión del mantenimiento o industria.
-
Gestionar la información proveniente de la sensórica de la industria con ayuda de herramientas como R y Python.
-
Determinar con base en los datos, qué activos son los críticos, no críticos y medianamente críticos con herramientas como el diagrama de Jack Knife.
¿A quién va dirigido este programa?
El Curso especializado en Ciencia de Datos aplicada al Mantenimiento Predictivo está dirigido a gerentes, supervisores y planificadores responsables de las actividades de planificación y cualquier profesional interesado en aplicar modelos predictivos para la toma de decisiones en mantenimiento o áreas relacionadas.
¿Cuál será mi estructura curricular?
-
Utilización de IDE Google Colab (herramienta online de Google).
-
Introducción a Python.
-
Modelo de Montecarlo para simulación de miles de escenarios con Python.
-
Estadística del mantenimiento (crear histogramas y distribuciones) curvas de densidad, probabilidades acumuladas con Python, realizar gráficas tipo plot, scatter plot, barras, pye, etc.
-
Inferencia estadística (modelos de confiabilidad Weibull, normal, exponencial) con librería "stats.models" de Python.
-
Regresiones lineales simples, múltiples, polinómicas, SVR, árboles de decisión, random forest.
-
Modelos de clasificación, regresión logística, matriz de confusión y curva ROC.
-
Modelos de Bayes, KNN, SVM, árboles de clasificación, random forest.
-
K-fold cross validation.
o Algoritmo de k-means, se realiza ejemplos con data real, se revisa indicadores TTR,
indisponibilidad, up-time
o Utilización de scatterplots y sus variaciones, personalizar plots
o Utilización de PCA para reducir las dimensiones de DataFrames
-
Bootstrap.
-
Bagging.
-
Boosting.
-
Se realiza la introducción de conceptos y generalidades de una neurona, algoritmo de gradient descent, back propagation, funciones de activación.
-
Cálculos de confiabilidad de activos con librerías keras y tensorflow de redes neuronales artificiales.
-
Limpieza de datos con Power BI
•
Utilización de Query editor y lenguaje M.
•
Importando data en Query editor.
-
Modelos de datos en Power BI
•
Filtros cruzados y cardinalidad.
•
Tablas maestras y transaccionales.
-
Utilizar objetos visuales con R dentro de Power BI
•
Código R con ggplot dentro de Power BI.
•
Histogramas curvos de densidad, estadística inferencial, probabilidad de fallos y confiabilidad de activos.
-
Funciones DAX y visualizaciones en Power BI
•
Inteligencia del tiempo y tabla de medidas.
•
Columnas calculadas con base en medidas DAX.
¿Cuáles son los requisitos de admisión?
Requisitos para la inscripción
Para completar tu inscripción, es necesario:
-
Llenar la Ficha de matrícula.
-
Hacer el pago de la matrícula / entrega de orden de servicio / entrega de carta de compromiso.
Conocimientos previos:
Para llevar el programa, es recomendable que el participante posea:
- Este programa no requiere de ningún conocimiento previo en específico.
En la sección certificaciones de tu perfil de LinkedIn, en tu currículum impreso o en otros documentos.
×
Foto Referencial
*Los certificados no tienen costo adicional, se enviarán de forma digital con un código único de seguridad para su validación y trazabilidad respectiva.
Certificaciones
Ingenium dispone de un Sistema de Gestión de la Calidad
certificado de acuerdo a la Norma ISO 9001:2015, un Sistema de Gestión de Organizaciones Educativas
certificado de acuerdo a la Norma ISO 21001:2018 y un Sistema de Gestión Antisoborno certificado de acuerdo
a la Norma ISO 37001:2016.
Certificaciones
Ingenium dispone de un Sistema de
Gestión de la Calidad certificado de acuerdo a la
Norma ISO 9001:2015, un Sistema de Gestión de
Organizaciones Educativas
certificado de acuerdo a la Norma ISO
ISO 21001:2018 y unSistema de Gestión
Antisoborno,certificado de acuerdo a
la Norma ISO 37001:2016.
Vive la experiencia antes de ser nuestro alumno
Conoce a nuestro docente y metodología de enseñanza gratis.
Asesoría continua
Docentes especializados
Educación de calidad
Interacción en vivo
Seguimiento académico personalizado
Modalidad online
