Indudable es que la disponibilidad de servicios de cómputo y almacenamiento de datos en la nube ha ocasionado profundos cambios en la forma en que se diseñan los sistemas y aplicaciones que involucran el uso de tecnologías de información. En particular, una de las áreas que puede sacar mayor partido de las nuevas oportunidades que se abren con la disponibilidad de servicios en la nube es la de Inteligencia de Negocios (BI por Business Intelligence). El desarrollo de proyectos de BI suele requerir la implementación de complejas infraestructuras como almacenes y lagos de datos para poder extraer o visualizar finalmente la información importante. Esto conlleva a problemáticas relacionadas con la seguridad y la dificultad de dimensionar las necesidades de almacenamiento y de cómputo con anticipación.
Este diplomado incluye dos cursos que abordan las temáticas tradicionales, tanto desde el punto de vista de las aplicaciones, como de los proyectos BI. Y otros dos cursos que abordan este nuevo escenario de la nube, especialmente en cuanto a oportunidades para proyectos de BI.
Al finalizar el programa el alumno será capaz de aplicar algunos de los principales servicios que ofrece la nube para el desarrollo de proyectos de inteligencia de negocios.
El formato de estudio es 100% en línea y se estructura sobre técnicas metodológicas activas, mediante las cuales el participante puede interactuar con sus pares y tutor, a través de los recursos tecnológicos que provee la plataforma educativa virtual. Se contempla el ejercicio práctico de los conocimientos adquiridos con de mini proyectos de aplicación.
Dirigido a:
Profesionales, especialmente del área tecnológica, que estén involucrados o planean participar en proyectos de inteligencia de negocios de sus organizaciones, con el interés en ampliar sus herramientas e incorporar soluciones basadas en la nube, con ventajas tanto desde el punto de vista técnico, como económico.
Objetivos de aprendizaje:
- Identificar el alcance de las herramientas y servicios disponibles en la nube para implementar soluciones de inteligencia de negocios.
- Diseñar soluciones de BI basadas en el uso de servicios en la nube.
Al final del curso podrás:
- Identificar los principales conceptos y técnicas asociados a Machine Learning y ciencia de datos.
- Reconocer la importancia y los principales desafíos de los datos.
- Asociar las diversas técnicas con oportunidades de aplicación en los negocios.
- Examinar las dificultades y oportunidades en la aplicación de técnicas de ciencia de datos y aprendizaje de máquina.
Contenidos:
- Conceptos de inteligencia de negocios y de minería de datos.
- Conceptos de ciencia de datos y de Machine Learning.
- Aplicación al ámbito de transacciones estructuradas.
- Aplicación al ámbito de aplicaciones de texto, audio y video.
- Aprendizaje supervisado, aprendizaje no supervisado y aprendizaje reforzado.
- Aplicaciones de aprendizaje supervisado, aprendizaje no supervisado y aprendizaje reforzado.
- Estudio de casos: seguros, banca, retail, calidad del aire, transporte, compras públicas, finanzas, astronomía.
Al final del curso podrás:
- Conocer experiencias prácticas de compañías locales o multinacionales que han implementado modelos proyectos de inteligencia de negocios.
- Comprender los actuales modelos de gobierno de datos y las tendencias futuras.
- Liderar el desarrollo de un proyecto de inteligencia de negocios en cualquier empresa u organización.
Contenidos:
- Introducción al gobierno de inteligencia de negocios (BI Governance).
- Introducción y conceptos asociados al gobierno de datos (Data Governance).
- Organismos, roles y responsabilidades.
- Ciclo de vida de inteligencia de negocios.
- Gobierno aplicado en arquitecturas modernas.
- Relación con otras áreas y disciplinas.
- Principios del PMBoK para el desarrollo proyectos.
- Metodología clásica de gestión de proyectos de inteligencia de negocios.
- Metodología moderna de gestión de proyectos de inteligencia de negocios.
- Estudio de casos de proyectos de inteligencia de negocios.
Al final del curso podrás:
- Identificar las principales categorías disponibles en las grandes plataformas de computación en la nube.
- Discutir ventajas y riesgos de una solución tecnológica genérica basada en computación en la nube.
- Describir las principales tecnologías habilitantes relacionadas con computación en la nube.
- Utilizar servicios básicos de cómputo y almacenamiento en la nube para el desarrollo de proyectos de inteligencia de negocios.
Contenidos:
- Introducción: ¿Qué es Cloud Computing? características principales, tipos de servicio y tipos de nube.
- Tecnologías habilitantes (máquinas virtuales, arquitecturas orientadas a servicio, etc).
- Virtualización.
- Principales plataformas de servicios en la nube: Amazon AWS, Google Cloud, Microsoft Azure.
- Tipos de servicios en la nube: desde el fierro virtual a los servicios cognitivos.
- Tipos de almacenamiento en la nube.
- Aspectos de seguridad.
Al final del curso podrás:
- Identificar las soluciones tecnológicas disponibles en los principales proveedores de Cloud que incorporan aprendizaje de máquina.
- Desarrollar aplicaciones de Machine Learning usando servicios de Azure y de GCP en proyectos de inteligencia de negocios.
- Construir aplicaciones que incorporen los servicios cognitivos de imágenes, texto o voz disponibles en las grandes plataformas de servicios Cloud.
Contenidos:
- Introducción a Big Data y ML.
- Modelos de regresión y clasificación.
- Preparación de datos, el pipeline de datos.
- Manejo de Big Data en la nube.
- Servicios para ML en Azure.
- Azure Machine Learning Studio.
- ML automatizado (Azure AML).
- Servicios cognitivos en Azure.
- AutoML en CGP.
- Introducción a Vertex AI en GCP.
- Servicios cognitivos en CGP.
Nota: El curso Servicios cloud para ciencia de datos y Machine Learning tiene como prerrequisito el curso Introducción al Cloud Computing.
Ph.D. Computer Science, University of North Carolina at Chapel Hill. Master of Science, Technion-Israel Institute of Technology. Ingeniero Civil Electricista, Universidad de Chile. Profesor Asociado del Departamento de Ciencia de la Computación de la Escuela de Ingeniería UC.
Master of Engineering, Northwestern University. Ingeniero Civil de Industrias (con mención en Tecnologías de la Información), UC. Ha desarrollado diversos proyectos de analytics en varios países de Latinoamérica.
Profesor Instructor Adjunto del Departamento de Ciencia de la Computación de la Escuela de Ingeniería UC. CEO de Metric Arts, empresa consultora fundada el año 2007, especializada en las áreas de inteligencia de negocios y análisis de negocios.
MBA, Thunderbird School of Global Management. Ingeniero Comercial, Universidad del Desarrollo. Cuenta con más de 20 años de experiencia en consultoría y asesoría en diversos mercados e industrias. Es especialista en proyectos de analítica avanzada, gobierno de datos e inteligencia de negocios. Adicionalmente, posee experiencia en administración y finanzas. Se ha desempeñado con éxito en gestión de proyectos ágiles y de equipos de alto desempeño con la destreza de abordar problemas y desafíos complejos.
Consultor en Diseño, Desarrollo e Implementación de Aplicaciones en Entornos Microsoft, La Salle Campus Madrid. Ingeniería en Informática y Analista Programador, INACAP. Microsoft MVP Business Applications. MCSE: Data Management and Analytics – Certified 2019. MCSA: SQL 2016. Business Intelligence Development – Certified 2019. Microsoft Certified Solutions Developer: Web Applications.
Magíster en Inteligencia Artificial, Universidad Adolfo Ibáñez. Ingeniera Matemática, Universidad de Santiago de Chile. Postítulo de Inteligencia de Negocios, Universidad de Chile. Actualmente es Senior Customer Engineer (ML & AI) en Google. Su línea de investigación es la ciencia de datos. Ha trabajado en diversas industrias en sus 8 años de experiencia, tales como banca, telecomunicaciones, retail y salud. Es miembro activo de 2 organizaciones sin fines de lucro, «Analytics & Python» y «R-Ladies», las cuales buscan fomentar el uso de herramientas y técnicas para todas las personas, en particular R-Ladies, además busca disminuir la brecha de género en este rubro técnico donde la participación de mujeres no es tan equilibrada.
¿Te gusta esta publicación?
Comparte esta publicación
*El profesional debe cumplir con los requisitos de admisión para postular a un Diplomado.
*Beneficios sólo aplican a los programas de Educación Profesional de la Escuela de Ingeniería y excluyen a La Clase Ejecutiva, y a los diplomados articulables con los programas de magíster.
