Diplomado en Big Data y ciencia de datos

Para enfrentar los nuevos desafíos de datos, es necesario saber almacenar, administrar, procesar y analizar grandes cantidades de datos. La complejidad de los datos requiere nuevas y poderosas técnicas analíticas, por lo tanto, es crucial tener habilidades para comunicar e interpretar los resultados de este análisis. El manejo de estas habilidades cae bajo el dominio de los Data Scientists o Data Engineers profesionales que son altamente demandados por el mercado. El Diplomado en Big Data y ciencias de datos entrega competencias básicas para poder comenzar a trabajar con datos rápidamente o iniciarse en el camino hacia convertirse en un especialista en el futuro.

Las clases son de tipo expositivo y 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. El diplomado cuenta además con un seminario de introducción a big data, data science e inteligencia artificial.

Profesionales que deseen enfrentarse al desafío de sacar el mejor provecho posible a datos de gran tamaño y complejidad, a través de nuevas e innovadoras técnicas, con el objetivo de impactar la toma de decisiones en sus negocios. Está orientado a profesionales como ingenieros, economistas, y otros profesionales licenciados y/o con experiencia en áreas afines, que requieren conocimientos y habilidades en la materia.

Aplicar principios, y técnicas de modelamiento y visualización de la ciencia de datos para el análisis y solución de problemas de negocio.

El alumno debe estar en posesión de un grado académico o de un título profesional universitario:
– Licenciatura en ciencias de la ingeniería o título de ingeniería civil.
– Otro grado académico o título profesional universitario en una disciplina afín, como ingeniería comercial, economía, agronomía, etc., cuyo nivel sea al menos equivalente al necesario para obtener el grado de licenciado.
– Experiencia laboral de dos años en al área o áreas afines.

Al final del seminario podrás:
– Identificar las principales diferencias big data, data science e inteligencia artificial y qué esperar de estos.
– Reflexionar sobre el impacto de estas tecnologías y técnicas en los negocios y la vida actual.

Contenidos:
– Tendencias tecnológicas y la estrategia: big data, IoT, análisis de datos, inteligencia artificial y machine learning.
– Big data: Definiciones, arquitecturas , Map-Reduce, Hadoop, Spark.
– Bases de datos, data warehouses y data lakes.

Al final del curso podrás:
– Comprender las principales tecnologías asociadas a big data y reconocer bajo qué contexto utilizarlas.
– Diseñar arquitecturas de alto nivel en proyectos relacionados a business intelligence y big data.
– Generar ambientes de alta disponibilidad para proyectos de data science y big data.
– Identificar los conceptos de infraestructura big data en servicios de consumo on demand (servicios en la nube).

Contenidos:
– Tecnologías y servicios en la nube para BI, big data y data science.
– Procesamiento de datos eficiente con tecnologías big data.
– Diseño de arquitecturas de alta disponibilidad para BI y big data.
– Diseño y uso de infraestructura de alto rendimiento para algoritmos de data science.
– Estrategias y mejores prácticas en el desarrollo de componentes para arquitecturas de procesamiento masivo de datos.
– Diferencias entre soluciones de datos tradicionales y soluciones de big data.
– Gestión operativa de la infraestructura en un modelo de servicio continuo.

Al final del curso podrás:
– Revisar conceptos básicos de programación usando el lenguaje R.
– Usar el lenguaje R como una herramienta para analizar datos.
– Utilizar los sistemas gráficos de R para visualización de datos.
– Analizar conjuntos de datos utilizando los principios del análisis exploratorio de datos.
– Explicar la información visual contenida en los gráficos que generan R.
– Exponer los resultados de un análisis de datos.

Contenidos:
– Conceptos generales de programación en R: variables, estructuras de control, condicionales.
– Funciones y paquetes.
– Vectores y matrices.
– Listas.
– Data frames.
– Importación, limpieza y filtrado de datos.
– Dataframes: construcción y mezcla.
– Visualización gráfica.
– Análisis estadístico de datos con R: población y muestreo, tipos de datos, tablas de frecuencias, estadísticos descriptivos, coeficiente de posición y dispersión, errores de los procesos de medición, aplicaciones.
– Distribuciones de probabilidad.
– Regresión lineal con R.
– Regresión logística con R.
– Series de tiempo.

Al final del curso podrás:
– Identificar las principales teorías y prácticas de la emergente área de minería de datos.
– Desarrollar soluciones a problemas reales de big data y ciencia de datos que involucren la necesidad de técnicas de minería de datos.
– Implementar soluciones usando herramientas de software de minería de datos aplicándolas en datos reales.

Contenidos:
– Introducción: El concepto, el proceso y los problemas en que es relevante.
– Análisis de la canasta de mercado y reglas de asociación.
– Clasificación: Árboles de decisión, K-vecinos cercanos.
– Clustering: K-Means, Mean-Shift y Clustering aglomerativo.
– Selección de modelos (hold out, cross validation).

Al final del curso podrás:
– Identificar la importancia de la visualización de datos.
– Aplicar los conceptos fundamentales de las técnicas de visualización, comunicación y diseño efectivo.
– Manejar técnicamente los principales programas de visualizaciones.
– Exponer los datos de manera gráfica.
– Implementar reportes y tableros de manera efectiva.

Contenidos:
Unidad 1: Teoría sobre visualización de datos
– Introducción: breve historia, disciplinas de comunicación gráfica e importancia de visualizar datos.
– La “des-Excelización” y democratización de datos en la empresa.
– 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.
– Atributos a usar en una visualización.
– 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.
– Visualizaciones avanzadas: scripting.

Unidad 2: Visualización de datos aplicada
– Datos de empresa: reportes transversales a industrias y vistas especificas.
– Revisión de casos de uso de dashboards generales.
– Revisión de casos de uso específicos por industrias.
– Revisión de casos de uso por niveles de usuarios: analistas vs C-level.

Al final del curso podrás:
– Evaluar oportunidades de negocio accionables a partir del análisis de datos.
– Aplicar los conceptos y métodos fundamentales de data science a problemas reales de negocio, interpretando adecuadamente los resultados y generando acciones de valor agregado.
– Desarrollar modelos descriptivos, predictivos y prescriptivos sobre datos de diversas industrias.

Contenidos:
– 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 están generando productos y servicios analíticos.
– Metodologías de análisis de datos y búsqueda de patrones.
– Generación de modelos descriptivos, análisis de casos reales y trabajo práctico.
– Generación de modelos predictivos y prescriptivos, análisis de casos reales y trabajo práctico.
– Cómo interpretar modelos analíticos para tomar mejores decisiones de negocio.

Al final del curso podrás:
– Distinguir potencias y limitaciones del Machine Learning y Deep Learning para la resolución de problemas en diferentes industrias.
– Detectar situaciones y su contexto en las cuáles estas técnicas resolverían problemas de gran valor de negocio.
– Proponer un plan estratégico de desarrollo de tecnología basada en ciencia de datos, alineado con la estrategia corporativa.
– Utilizar modelos de redes neuronales profundas en contextos de Visión Computacional que sean capaces de detectar objetos e interpretar contenido de imágenes.
– Aplicar modelos de procesamiento de lenguaje natural para la resolución de problemas en textos no-estructurados de diferentes tipos y orígenes.

Contenidos:
Introducción, conceptos, gestión de datos
– Metodología de desarrollo de modelos (CRISP-DM, KDD, otros).
– Pre-procesamiento de datos.

Evaluación y selección de modelos
– Workflow de evaluación. Hold out, Cross Validation, refinamiento de hiper-parámetros.
– Métricas de evaluación. Accuracy, Precision, Recall, RMSE.

Modelos de aprendizaje automático supervisado
– Modelos de regresión numérica. Regresión Lineal y no-lineal.
– Modelos de clasificación, capacidades y características, así como ejemplos de aplicación. Entre los modelos: Árbol de Decisión, Random Forest, KNN, Naive Bayes, SVM, Redes Neuronales.

Modelos de aprendizaje no-supervisados
– K-Means, DBSCAN, HDBSCAN.

Modelos de aprendizaje profundo
– Introducción y conceptos esenciales.
– Ejemplos de aplicaciones en visión computacional y en procesamiento de lenguaje natural con modelos pre-entrenados (ej: YOLO).
– Características de las redes neuronales y conceptos básicos (álgebra lineal, funciones de mapeo).
– Diferentes topologías de redes profundas: FFN, Convolucional.
– Aplicación en contextos de información No-Estructurada: procesamiento de video (Visión Computacional), procesamiento de texto natural (NLP y NLU), – Word Embedding, Redes Neuronales Convolucionales.
– Modelos no-supervisados Profundos: Autoencoders, GAN, y especialmente, Transformers y modelos generativos.