calendar correo curso diplomado horas in-company magister magisteres programa-avanzado quotes reloj telefono contacto contacto grad video

Diplomado en Big Data y Analítica de Datos



Aprende a analizar los múltiples datos y toma buenas decisiones para tu organización con el potencial que entrega el Big Data



El Diplomado en Big Data y Analítica de Datos entrega las competencias para comenzar a trabajar con datos rápidamente o iniciarse en el camino hacia convertirse en un especialista.

 

El programa es de tipo presencial, complementado con actividades no presenciales y horas de estudio. Las clases son tanto de tipo expositivo como talleres aplicados con metodología hands on. Todas las actividades teóricas y prácticas buscan potenciar las habilidades de capacidad de análisis, toma de decisiones y el trabajo en equipo, a través de la presencia y participación del alumno en las sesiones de los cursos.

 

Este es un diplomado cerrado desarrollado para la Subsecretaría de Evaluación Social del Ministerio de Desarrollo Social, que requiere capacitar a un equipo diverso de funcionarios de las divisiones de Información Social y de Políticas Sociales.






Antecedentes Generales

  • Junio 2019

  • Viernes de 9:00 a 13:15 horas y de 14:15 a 16:15 horas

  • 100 horas cronológicas / 133 horas pedagógicas
  • $1.708.780
  • Jessica Sepúlveda
    jsepulvedae@ing.puc.cl
    +56 2 2354 7136

PROGRAMACIÓN PARA CIENCIA DE DATOS Y SUS APLICACIONES
– La evolución de la ciencia de datos y el análisis predictivo para el apoyo a la toma de decisiones
– Las características que definen a una organización data-driven
– Cómo las empresas modernas estás generando productos y servicios analíticos
– Metodologías de análisis de datos y búsqueda de patrones
– Análisis de casos reales
– Conceptos generales de programación en Python: variables, estructuras de control, operadores aritméticos y lógicos
– Funciones, módulos y paquetes
– Listas y diccionarios
– Dataframes
– Importación, limpieza y filtrado de datos
– Dataframes: construcción y mezcla

HERRAMIENTAS Y TÉCNICAS DE MINERÍA DE DATOS
– Introducción: el concepto, el proceso y los problemas en que es relevante
– Preparación de datos: extracción, transformación y carga de datos
– Análisis de la canasta de mercado
– Reglas de asociación: Apriori, FpGrowth
– Regresión lineal y logística
– Clasificación: entropía, árboles de decisión, KBoost, Lasso, ganancias de información, K-NN, Kd-tree, Random forest
– Clustering: K-means, Mean -Shift, clustering aglomerativo, algorítmos jerárquicos, algoritmo DBScan
– Metodos de evaluación de modelos: hold out, cross validation
– Aplicaciones

MACHINE LEARNING
– Introducción al Aprendizaje Automático o Machine Learning
– Machine Learning Supervisado
– Machine Learning No-Supervisado
– Deep Learning Supervisado

ANALÍTICA Y VISUALIZACIÓN DE DATOS
– Introducción: breve historia, disciplinas de comunicación gráfica e importancia de visualizar datos
– La “des-Excelización” y democratización de datos
– Condiciones necesarias para una visualización: datos y caso
– Objetivos de la visualización: contenido vs usuario, acceso, interacción y actualización
– Fuentes de información: sistemas transaccionales, sistemas web, datos públicos
– Preparación de datos: integridad, calidad, homologación
– Generalidades sobre tipos de datos: medidas, dimensiones
– Análisis de los tipos de gráficos más comunes para representar datos
– Exploración visual de datos
– Indicadores, Reportes y Dashboards
– Presentación de las herramientas principales del mercado
– Fuentes de información: sistemas de bases de datos transaccionales
– Selección de dimensionalidad
– Atributos a usar en una visualización
– Visualizaciones avanzadas: scripting
– Uso de herramientas: PowerBI, Tableau y Qlik Sense
– Revisión de casos de uso específicos por industrias

Jefe de Programa

  • Mauricio Arriagada
    Doctor en Ciencias de la Ingeniería UC Ver ficha

Profesores

  • Mauricio Arriagada
    Doctor en Ciencias de la Ingeniería UC Ver ficha
  • Jaime Caiceo Duque
    Profesor Instructor Adjunto Departamento de Ciencias de la Computación UC Ver ficha
  • Cristián Rodríguez Arenas
    Profesor Instructor Adjunto Ciencia de la Computación UC Ver ficha
  • Esteban Sandoval
    Diseñador en Design Systems International Ver ficha
  • Rodrigo Sandoval
    CEO y fundador de R: Solver Ver ficha
  • Martín Ugarte
    Investigador en el Instituto Milenio Fundamentos de los Datos Ver ficha

Ingresa tus datos para solicitar información y descargar brochure



 

¿Te gustó este programa?
¡Compártelo en tus redes sociales!

X