Diplomado en big data y ciencia de datos

Diplomado

A distancia

$ 2.500.000 IVA inc.

Llama al centro

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

A distancia

comienzo

Fechas disponiblesInscripciones abiertas

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.

Preguntas & Respuestas

Añade tu pregunta

Nuestros asesores y otros usuarios podrán responderte

¿Quién quieres que te responda?

Déjanos tus datos para recibir respuesta

Sólo publicaremos tu nombre y pregunta

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

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.

Llama al centro

Diplomado en big data y ciencia de datos

$ 2.500.000 IVA inc.