Diplomado en big data y ciencia de datos
Diplomado
A distancia
Descripción
-
Tipología
Diplomado
-
Metodología
A distancia
-
Horas lectivas
148h
-
Duración
8 Meses
-
Inicio
Fechas disponibles
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.
Este diplomado es de tipo presencial, complementado con actividades no presenciales y horas de estudio. Las clases son tanto de tipo expositivo como 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.
Sedes y fechas disponibles
Ubicación
comienzo
comienzo
A tener en cuenta
- Analizar tecnologías clave referentes a la ciencia de datos y analíticas de negocios: minería de datos, aprendizaje de datos, técnicas de visualización, modelamiento predictivo y estadísticas.
- Identificar lenguajes de programación estadística y herramientas de big data, y aplicarlas en casos prácticos.
- Aplicar principios de ciencia de datos al análisis de problemas de negocio, utilizando herramientas y tecnologías de punta.
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.
Diplomado en Big Data y Ciencia de Datos para Negocios
El centro se pondrá en contacto contigo, una vez envíes tus datos a través del formulario.
Opiniones
Materias
- Inteligencia artificial
- Toma de decisiones
- Introducción a big data
- Data Science
- Análisis de datos
- Machine learning
- Base de datos
- Arquitectura big data
Profesores
Jaime Navón Cohen
Profesor Asociado Ciencia de la Computación UC
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.
Temario
SEMINARIO: INTRODUCCIÓN A BIG DATA, DATA SCIENCE E INTELIGENCIA ARTIFICIAL
- 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.
CURSO: ARQUITECTURA E INFRAESTRUCTURA PARA BIG DATA Y DATA SCIENCE
- 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.
CURSO: PROGRAMACIÓN EN R PARA CIENCIA DE DATOS
- 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.
CURSO: MINERÍA DE DATOS
- 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).
CURSO: VISUALIZACIÓN DE DATOS APLICADA
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.
CURSO: CIENCIA DE DATOS Y SUS APLICACIONES
- 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.
CURSO: FUNDAMENTOS Y APLICACIONES DE MACHINE LEARNING Y DEEP LEARNING
Aprendizaje automático supervisado
- Modelos de ML, capacidades y características, así como ejemplos de aplicación.
- Metodología de desarrollo de modelos.
- Tratamiento y refinamiento de datos.
Aprendizaje profundo supervisado
- Conceptos esenciales y diferencias con ML más básico.
- Redes neuronales convolucionales y redes neuronales recurrentes.
- Análisis dimensional, entrenamiento, y tratamiento de grandes datos.
Aprendizaje automático no-supervisado
- Diferentes modelos como K-Means, HDBSCAN, Restricted Boltzmann Machines, entre otros.
Aplicaciones Industriales
- Clasificación, predicción, y recomendación, en contextos industriales y retail.
- Procesamiento de lenguaje natural, en atención de clientes y ámbito legal.
El futuro inmediato en ML y DL
- Hacia el razonamiento artificial.
Diplomado en big data y ciencia de datos