1. Industria de oil & gas 4.0

a. Sectores de oil & gas

b. Campos petroleros digitales

c. Industria upstream y análisis de datos

2. Introducción a big data

a. Los datos

b. Big data analytic

c. Etapa de los procesos de big data

d. Minería de datos

e. Estructura de un proyecto de análisis de datos

f. Aplicaciones

g. Modelos y tareas

h. Tareas descriptivas

i. Tareas predictivas

j. Métodos y técnicas

3. Análisis estadístico

a. Introducción

b. Análisis de una variable

c. Contrastes de hipótesis

d. Análisis de relación entre variables y evaluación de hipótesis

4. Data science y aplicación de big data analytic

a. Data Science y Python* *Las aplicaciones técnicas serán con casos reales de pozos petroleros.

b. Python y tipo de datos

c. Numpy, pandas, matplotlib, seaborn

d. Exploración de datos

e. Programación avanzada - funciones, clases y objetos.

f. Introducción al machine learning

g. Clasificación y árboles de decisión

h. Introducción al KNN (Métricas para la clasificación)

i. Regresión: la predicción de valores continuos.

5. Geomodelamiento aplicado a oil & gas

a. Variogramas

b. Descripción de datos

c. Proceso de regresión Gaussiana

d. Análisis básico de datos para los well logs

6. Analítica de datos e ingeniería de reservorio

a. Descripción de datasets

b. Análisis de la curva de declive utilizando el modelo empírico ARPS

c. Pronóstico basado en series de tiempo

7. Ingeniería de producción petrolera y machine learning

a. Ingeniería de producción

b. Optimización de producción

c. Predecir el potencial de tasa de pozo

d. Predicción de fallas de pozo

e. Gestión del corte de agua dependiente de la tasa