El curso entrega al estudiante conocimientos y habilidades básicas de modelamiento matemático y estadístico que le permitan extraer información útil de un conjunto de datos. En particular, aprenderá (de manera teórica y práctica, utilizando herramientas computacionales) a procesar, clasificar y agrupar datos, y utilizarlos como insumo para sistemas recomendadores.
Lo aprendido le permitirá al profesional trabajar con datos para poder convertir estos en información útil para la toma de decisiones en su organización, en un amplio rango de aplicaciones, y/o para supervisar a equipos de personas dentro de la misma que deban realizar esta tarea.
Dirigido a:
- Profesionales que están a cargo de tomar decisiones y que observan potenciales beneficios en el uso de tecnologías relacionadas a Big Data, y que requieran realizar análisis estadísticos de grandes volúmenes de datos para obtener conclusiones útiles dentro de su organización.
Objetivo de aprendizaje:
- Generar modelos estadísticos de alto impacto para la toma de decisiones en una empresa.
Requisitos de ingreso:
- Se recomienda dominio básico de Excel y manejo de internet a nivel usuario.
- Se recomiendan conocimientos básicos de estadística.
- Terminología estadística básica.
- Tipos de muestreo.
- Modelos de probabilidad.
- Modelos estadísticos.
- Big Data: Bajo qué contextos se justifica su uso.
- Limpieza de datos.
- Integración de datos.
- Reducción de datos.
- Transformación de datos.
- Árboles de decisión.
- Bayes ingenuo.
- Método de los k-vecinos más cercanos.
- Métodos conjuntos.
- Métodos de partición.
- Métodos jerárquicos.
- Sistemas recomendadores.
Máster en Gestión de Emprendimientos Tecnológicos, Universidad Adolfo Ibáñez. Ingeniero Civil de Industrias, Diploma en Ingeniería Matemática, UC. Actualmente Coordinador de Transferencia Tecnológica y Educación Continua, y previamente Subdirector, en el Instituto de Ingeniería Matemática UC. Anteriormente fue Project Manager, Ingeniero de Desarrollo de Negocios e Ingeniero de I+D en la Fundación Inria Chile. Cuenta con experiencia en el desarrollo de modelos matemáticos avanzados de análisis estocástico para simulaciones de dinámica de fluidos computacional con aplicaciones en parques eólicos.
Ph.D. en Matemáticas, Universidad Católica de Leuven, Bélgica. Profesor Asociado del Departamento de Estadísticas de la UC. Especialidad en Estadística Bayesiana no Paramétrica, Modelos Jerárquicos.
¿Te gusta esta publicación?
Comparte esta publicación
20% Exalumnos y colaboradores UC y DUOC, exalumnos de Educación Profesional de Ingeniería UC, Tarjeta vecino Providencia, Las Condes, y Convenio Ingeniería.
15% Funcionarios de servicios públicos.
