Diplomado en Inteligencia de negocios y Cloud Computing (online)

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 mini proyectos de aplicación.

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.

Implementar soluciones de inteligencia de negocios utilizando servicios en la nube.

A responsabilidad del estudiante, se sugiere contar con:
– Grado de licenciatura en computación o en tecnologías de información, ingenieros civiles, ingenieros de ejecución en computación o equivalente. O bien, un grado de licenciatura en otras carreras que incluyan competencias de programación a nivel intermedio.
– Conocimiento en sistema operativo Windows y la disponibilidad de un PC con una versión de este sistema operativo actualizado.

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 en el contexto actual.
– 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:
Introducción al aprendizaje de máquinas y ciencia de datos
– Conceptos de: inteligencia de negocios y minería de datos, y de ciencia de datos y aprendizaje de máquina. El auge actual del aprendizaje de máquina e inteligencia artificial.

Tipos de datos y aplicaciones
– Aplicaciones sobre: transacciones estructuradas, texto, audio, video.

Técnicas de ciencia de datos y aprendizaje de máquina
– Visualización en ciencia de datos. Aprendizaje: supervisado, no supervisado y reforzado.

Aplicaciones en los negocios
– Aplicaciones de: visualización en ciencia de datos, aprendizaje supervisado, aprendizaje no supervisado, aprendizaje reforzado.

Casos de ciencia de datos
– Caso en: compañía de seguros, banca, retail, calidad del aire.

Casos de aprendizaje de máquina
– Caso en: transporte público, compras públicas, industria financiera, observación astronómica.

Al final del curso podrás:
– 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.
– Conocer experiencias prácticas de compañías locales o multinacionales que han implementado modelos proyectos de Inteligencia de Negocios.

Contenidos:
Conceptos básicos de la gestión de proyectos BI
– Principios básicos del PMI. Áreas de conocimiento. Personas, cultura y política.

Metodología clásica de gestión de proyectos BI
– Contexto metodológico. Conceptos y consideraciones relevantes. Prototipos.

Metodología moderna de gestión de proyectos BI
– La naturaleza de la agilidad. Introducción a Scrum. Desarrollo de proyectos BI con metodología Scrum.

Conceptos básicos de gobierno de datos
– La necesidad de gobierno. Desafío de fondo. Conceptos fundacionales clave. Desafíos del gobierno de datos.

Gobierno y calidad de datos
– Roles. Estructura organizativa. Data Stewardship. Calidad de datos. Modelos de gobierno de datos.

Arquitectura, tecnología y soluciones
– Arquitectura de datos. Master Data Management. Proveedores de nube.

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.