Recopilación, Preparación y Primeras Exploraciones de los Datos

Unidad II: • Diversidad de datos: estructurados vs. no estructurados. • Datos internos y enriquecimiento de datos. • Preparación de datos (limpiar, transformar, enriquecer). • Primeras exploraciones y visualización • Armado de un datalake

Gerenciamiento de un Proyecto de Data Ciencia

Unidad III: • Algoritmos supervisados vs algoritmos no supervisados • Base de aprendizaje y base de prueba. • Nociones de bajo y en aprendizaje. • Validación cruzada • Impacto de un modelo • Transformación de las métricas de machine learning en

Tarificación en Tiempo Real

Unidad IV: • Modelo • Web scrapping • Proporcionar datos externos

Otros Ejemplos de Aplicaciones en Seguros

Unidad V: • Segmentación de cartera • Automatización de liquidación de siniestros • Detección de fraudes • Prevención de cancelaciones.

Proyecto Aplicado

• Presentación de una POC al management • Problemática de la empresa (costo o oportunidad) • Solución propuesta. • Presupuesto necesario y áreas involucradas. • Métricas que se van a medir durante el entrenamiento y después. • Arquitectura informática y flujos de datos • Meta mínima para

Presentación y Cierre

Los equipos presentarán al jurado su trabajo con el objetivo de aprobar el curso.