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.
Requisitos de ingreso:
1. Es necesario 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/
2. Es deseable contar con algún grado de conocimiento matemático (álgebra lineal, estadística básica y cálculo).
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.
Resultados del Aprendizaje
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
Resultados de Aprendizaje
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
Resultados de Aprendizaje
Contenidos
– Ejemplos históricos de visualización de datos
– Conceptos fundamentales de visualización de información
– Funciones básicas de matplotlib y seaborn
– Modelo anidado de Munzner para 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
Resultados de Aprendizaje
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 y Director 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).
Estudiante de Magíster en el Departamento de Ciencia de la Computación, Escuela de Ingeniería, Pontificia Universidad Católica de Chile.
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 y Director 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!
