Los más actualizados conocimientos y herramientas de inteligencia artificial e inteligencia de negocios para una óptima gestión, a través de la lectura, interpretación y administración de los datos.
Entrega competencias para aprovechar la oportunidad de transformar los negocios y hacerlos crecer mediante las técnicas de inteligencia de negocios y ciencia de datos, utilizando la información respecto a los productos y servicios, compradores y oferentes, y hábitos de compra de los clientes, entre otras variables.
La metodología de enseñanza y aprendizaje online consiste en herramientas activas, donde el participante puede interactuar con sus pares y profesor-tutor, a través de los recursos tecnológicos que provee la plataforma educativa virtual.
Versión disponible a todo Chile y la región.
Este diplomado comprende un perfecto equilibrio entre conceptos y aspectos técnicos de la ciencia de datos, con aplicaciones y proyecciones hacia el futuro. Los aspectos más técnicos se enfocan en las competencias en Python para trabajar en Minería de Datos y Machine Learning, mientras que en el ámbito de la aplicación a la gestión y a los negocios, aborda el estado del arte en inteligencia de negocios y el poder de la visualización de los datos para el apoyo a la toma de decisiones. Al finalizar este programa, los alumnos serán capaces no solo de identificar oportunidades de transformación y crecimiento de negocios mediante la introducción de técnicas de inteligencia de negocios y ciencia de datos, sino también, de entender estas técnicas en detalle, con sus potencialidades y limitaciones.
Dirigido a:
– Profesionales interesados en adquirir competencias en el área de Ciencia de Datos para aplicarlos en la gestión o la transformación digital de los negocios.
Objetivos de Aprendizaje:
– Diseñar y construir programas en lenguaje Python capaces interactuar con un motor de bases de datos para extraer y modificar información, y aplicar algoritmos y técnicas de minería de datos en el contexto de una analítica descriptiva y predictiva.
– Presentar en forma gráfica la información de modo que pueda ser comprendida rápidamente.
– Aplicar técnicas y enfoques de inteligencia de negocios para una gestión guiada por datos en el proceso de transformación digital.
Requisitos de Ingreso:
– Se recomienda contar con conocimientos básicos de programación, específicamente en lenguaje Python. En particular, debe ser capaz de utilizar controles de flujo, distintos tipos de datos y funciones, y diccionarios con Python.
– Si desea evaluar su nivel, puede realizar una prueba opcional gratuita en este link: https://www.hackerrank.com/prueba-python. Se recomienda iniciar los test en orden, ya que van creciendo en dificultad. Los dos últimos tienen un nivel superior al requerido para ingresar al diplomado, y han sido instalados allí sólo como desafío. Si uno de los test falló, se recomienda revisar y ejercitar esos contenidos antes del inicio del programa.
A continuación, ponemos a su disposición algunos cursos optativos por si desea prepararse previamente al inicio del programa:
– MOOC “Introducción a la Programación en Python I: Aprendiendo a programar con Python”, disponible en el siguiente link: https://www.coursera.org/learn/aprendiendo-programar-python.
– Curso “Herramientas de programación en Python para procesamiento de datos”, disponible en el siguiente link: https://teleduc.uc.cl/curso/herramientas-programacion-python-procesamiento-datos/ .
Es deseable contar con algún grado de conocimiento matemático (álgebra lineal, estadística básica y cálculo).
Al final del curso podrás:
– Describir las características de una base de datos relacional y una base de documentos
– Interactuar directamente con un motor de bases de datos desde la herramienta de administración
– Escribir consultas simples utilizando el lenguaje SQL
– Agregar, eliminar información y formular consultas simples de una base de datos relacional mediante el lenguaje standard SQL
– Construir programas Python capaces de conectarse a un motor de bases de datos para extraer o registrar información
Contenidos:
– Conceptos fundamentales de bases de datos
– El modelo relacional
– El lenguaje de consultas estándar SQL
– Interacción directa con una base de datos relacional usando SQL
– Conectores y librerías Python para trabajo con Bases de Datos relacionales
– Extracción directa de información desde un programa Python
– La librería Pandas y el concepto de Dataframe
– Extracción de información de mediana complejidad desde un programa Python
– Modificación y eliminación de información de la base de datos desde Python
– El modelo de documentos
– El formato JSON
– Interacción con una base de datos de documentos desde un programa Python
Al final del curso podrás:
– Conocer y comprender las principales teorías y prácticas de la emergente área de Minería de Datos.
– Aplicar reglas de asociación para encontrar relaciones en un set de transacciones.
– Desarrollar soluciones a problemas reales de Big Data y ciencia de datos que involucren la necesidad de técnicas de Minería de Datos como árboles de decisión y clustering.
– Implementar soluciones usando herramientas de software de Minería de Datos aplicándolas en datos reales.
Contenidos:
– Conceptos fundamentales de minería de datos
– Preparación de datos y reducción de información
– Reglas de asociación
– Algoritmos de clasificación
– Algoritmos de Clustering y medidas de similaridad
– Selección de modelos e introducción a Machine Learning
Al final del curso podrás:
– Analizar y evaluar visualizaciones de información existentes, así como proponer mejoras
– Identificar relaciones entre tipos de datos, tareas de visualización y tipos de gráficos para diseñar visualizaciones de información
– Diseñar e implementar en lenguaje Python gráficos simples y avanzados usando datasets tabulares
– Diseñar e implementar en lenguaje Python gráficos usando datasets de red
– Diseñar e implementar en lenguaje Python gráficos para visualizar datos de texto y espaciales
Contenidos:
– Ejemplos históricos de Visualización de datos
– Conceptos fundamentales de visualización de información
– Funciones básicas de matplotlib y seaborn
– Modelo anidado de Mundzner de diseño y validación de visualización
– Reglas y recomendaciones generales para visualizaciones efectivas
– Diseño e implementación de gráficos simples para datos tabulares usando modelo anidado
– Diseño e implementación de gráficos avanzados para datos tabulares usando modelo anidado
– Reducción de dimensionalidad
– Diseño e implementación de gráficos avanzados para datos de red usando modelo anidado
– Visualización básica de datos de texto
– Visualización básica de datos espaciales
Al final del curso podrás:
– Comprender las características de una plataforma moderna de análisis de datos y los desafíos de la forma actual de hacer Inteligencia de Negocios
– Utilizar los principios de agilidad aplicados a los proyectos de inteligencia de negocios
– Identificar los principios y roles básicos asociados al Gobierno de Datos
– Comprender la importancia del pensamiento analítico
– Identificar las características e importancia del rol de Traductor Analítico
Contenidos:
– Estado actual de la inteligencia de negocios
– Plataforma Moderna de Análisis de Datos
– Centralización vs Descentralización
– Desafíos de la Inteligencia de Negocios actual
– El rol de la Agilidad en la Inteligencia de Negocios
– Principios de Gobierno de Datos
– Roles asociados al Gobierno de Datos
– Introducción a la Calidad de Datos
– El pensamiento analítico como base de la creación de valor a partir de los datos
– El nuevo rol del Traductor Analítico
– Uniendo Todo: Inteligencia de Negocios para una nueva década
Nota: El orden de los cursos dependerá de la programación que realice la Dirección Académica
Doctor of Philosophy, University of North Carolina at Chapel Hill. Master of Science, Technion-Israel Institute of Technology. Ingeniero Civil Electricista, Pontificia Universidad Católica de Chile. Profesor Asociado del Departamento de Ciencia de la Computación, Pontificia Universidad Católica de Chile.
Doctor en Ciencias de la Ingeniería, Pontificia Universidad Católica de Chile. Master in Computer Science, University of Northern Iowa (USA). Master en Ingeniería de Software e Ingeniero Civil en Computación e Informática, Universidad de Tarapacá (Chile).
Magíster en Ciencias de la Ingeniería, PUC. Ingeniero Civil Computación PUC.
Doctor of Philosophy, University of North Carolina at Chapel Hill. Master of Science, Technion-Israel Institute of Technology. Ingeniero Civil Electricista, Pontificia Universidad Católica de Chile. Profesor Asociado del Departamento de Ciencia de la Computación, Pontificia Universidad Católica de Chile.
Ph.D. of Philosophy in Information Science, University of Pittsburgh, EE.UU. Ingeniero Civil en Informática de la Universidad Austral de Chile.
Profesor Asistente del Departamento de Ciencia de la Computación de Ingeniería UC.
El Dr. Parra es experto en sistemas de recomendación y personalización automatizada. Su área principal de trabajo se desarrolla en la frontera entre las temáticas de análisis de redes sociales, minería de datos y técnicas de visualización para sistemas recomendadores.
Ingeniero Civil de Industrias UC con Mención en Tecnologías de la Información. Profesor Instructor Adjunto Departamento de Ciencia de la Computación, Ingeniería UC. Gerente de Consultoría en Kr Consulting, empresa consultora fundada el año 2006 y especializada en el área de Inteligencia de Negocios.
Estudiante de Magíster en el Departamento de Ciencia de la Computación, Escuela de Ingeniería, Pontificia Universidad Católica de Chile.
¿Te gustó este programa?
¡Compártelo en tus redes sociales!
