Análisis de redes sociales usando PLN, Machine Learning, Bases de datos

Análisis de redes sociales usando PLN, Machine Learning, Bases de datos

Capacitadores

Roberto Esteves, Ing.

Ing. Sistemas por vocación y marketero por decisión, tiene 20 años de experiencia en Marketing Digital en banca, junto a manejo de innovación y tecnología en áreas como medios de comunicación y empresas de telecomunicaciones

Subdirector del núcleo Guayas de la Sociedad Ecuatoriana de Estadística, cuenta con un Nanodegree de Udacity en Data Science, certificado por la SEE, IBM, Platzi en Ciencia de Datos.

Consultor de marketing y comunicación, se ha dedicado al estudio del comportamiento de los usuarios en redes sociales para encontrar insights que permitan elaborar mejores campañas. 

Hugo Porras, Ing.

Es Ingeniero en Ciencias Económicas y Financieras de la Escuela Politécnica Nacional, actualmente trabaja como especialista en analítica avanzada en Banco del Pacífico.

Trabaja como consultor independiente en temas relacionados al Real state finance, cuenta con 3 publicaciones en revistas indexadas, ha dictado cursos junto con el club de econometría y de la asociación de estudiantes de Ciencias Económicas Financieras de la EPN. Sus principales campos de interés son la ciencia de datos, economía, la economía geográfica, organización industrial y finanzas

Categorías: ,

El procesamiento natural del lenguaje (NLP) es un campo de la inteligencia artificial enfocado en hacer que las máquinas entiendan, interpreten y manipulen el lenguaje humano. Sus aplicaciones son varias y van desde el mineo de texto, el análisis de sentimientos hasta la creación de chatbots. En este curso aprenderás más sobre este maravilloso mundo al aplicar técnicas de procesamiento de texto para preparar los datos a fin de modelarlos con distintas técnicas de machine learning y deep learning. Se analizarán conversaciones en twitter y aprenderemos a almacenar la información en Bases de Datos para su consumo.

Contenido

  • Introducción al aprendizaje automático
  • Revisión de definiciones y conceptos necesarios en aprendizaje supervisado y no supervisado
  • Técnicas de aprendizaje no supervisado para datos de texto (programación en R, ejercicios prácticos)
  • Técnicas de aprendizaje supervisado para datos de texto (programación en R, ejercicios prácticos)
  • Introducción al aprendizaje profundo centrado en los modelos de lenguaje con redes neuronales recurrentes
  • Introducción a los modelos secuencia a secuencia (programación en R con Keras y Tensorflow, ejercicios prácticos)
  • Cómo obtener una cuenta de developer de Twitter
  • Extracción de información usando la librería rtweet
  • Generación de gráficas a partir de la información de tweets
  • Almacenamiento de datos en una base MySQL ( Introducción a lenguaje SQL )
  • Elaboración de un dashboard en shinny con gráficas para análisis, usando MySQL como fuente de datos
  • Introducción a Amazon LightSail y Base de Datos en la nube

Productos relacionados