Aplicar técnicas de gestión personal para adaptarse de mejor manera al entorno actual de las organizaciones.

El taller está especialmente diseñado para quienes ingresan a un diplomado de Clase Ejecutiva UC.

Ciertamente, los constantes cambios que se viven hoy en día, obligan a los profesionales a mantenerse actualizados. Vivimos en una época de alta volatilidad y se hace necesario ser flexible. Es así como la crisis que explotó en 2020 nos mostró la necesidad de desarrollar habilidades asociadas a los entornos virtuales de trabajo.

En este taller, el participante aprenderá a cómo gestionar su marca personal en redes sociales. También, técnicas de oratoria digital para la realización de videoconferencias. Y, además, estrategias para gestionar bien el tiempo y conocimientos sobre inteligencia emocional.

El taller busca entregar habilidades transversales a todos los alumnos de los diplomados de Clase Ejecutiva UC. Se realizarán controles de lectura, foros de discusión y clases sincrónicas durante su desarrollo.

• Marca personal
• Cómo construir una marca personal digital
• Acciones premium para potenciar nuestra personal branding

• Reuniones virtuales y webinars
• El contenido de las sesiones
• Oratoria digital
• Técnicas básicas de oratoria para entornos digitales

• Conócete a ti mismo
• Procrastinación
• Los “ladrones del tiempo”
• Priorización y matriz de Eisenhower
• Buenas prácticas de gestión del tiempo

• Modelo de inteligencia emocional
• Conciencia de uno mismo
• Conciencia social
• Conciencia organizacional
• Gestión de las relaciones
• ¿Cómo desarrollar estas competencias?

• ¿Qué es el big data?
• ¿Por dónde comienza una empresa a usar big data?
• ¿Cuáles son las decisiones claves durante la elección de una solución big data?

• ¿Qué es transformación digital?
• ¿Cómo se relaciona el big data con la transformación digital?
• ¿Cuál es el rol del CLevel y del chief data officer?

• ¿Cómo se construye un equipo analítico?
• Modelos analíticos y herramientas
• Administración de proyectos analíticos

• ¿Qué es un sistema distribuido?
• Componentes del ecosistema Hadoop
• Análisis de datos
• Evolución de las arquitecturas

• Evaluación financiera de proyectos
• Evaluación de proyectos desde el punto de vista estratégico
• Arquitectura en la nube

• Casos de uso en la industria minera
• Casos de uso en la industria financiera
• Alibaba, un gigante de la inteligencia artificial

En la clase en vivo, el profesor revisará las principales estrategias de visualización que permiten optimizar la comunicación y comprensión de datos para construir, inferir y amplificar el conocimiento en la toma de decisiones. Así también se revisarán en la clase el uso de técnicas, conceptuales y metodológicas para el desarrollo de proyectos de visualización de datos en la organización.

El objetivo es poner en práctica el desarrollo de una visualización en 3 etapas simples (formular, definir datos y bosquejar), considerando las diversas variables involucradas. Se solicitará pensar en algún tema de interés para el cual se pueda desarrollar un proyecto de visualización, y con base en este, desarrollar los siguientes elementos: a) Formulación: es un texto breve que resume los aspectos más relevantes del proyecto de visualización. b) Conjunto de datos o datasets: definir qué tipos de datos son necesarios para su visualización, realizando una lista breve con sus características. c) Propuesta visual: elaborar un boceto, bosquejo o ilustración simple con el diseño de la visualización, aplicando algunos de los principios visuales vistos.

• Contexto de la visualización de datos
• Algunas definiciones sobre la visualización
• Historia
• Panorama hoy

• Los roles de la visualización
• Modelos y procesos de visualización
• Usuario, contexto y medio: consideraciones para crear una visualización
• Definir escala y objetivos de la visualización

• ¿Qué es un dato?
• Tipos de datos
• Formato de archivos
• Fuentes de datos

• Percepción visual: aspectos cognitivos de la visión
• Codificación y variables visuales
• ¿Qué mostrar en una visualización?

• Panorama de herramientas para la visualización
• Herramientas prehechas
• Librerías de visualización
• Visualizaciones desde cero
• Proceso de visualización

• Más allá de los gráficos
• Autores y libros
• Data, sociedad y futuro
• Futuro no muy lejano

• Datos de una empresa
• Distintos formatos de datos
• Problemas organizacionales
• Sistemas de bases de datos
• Bases de datos relacionales

• Base de datos en el ecosistema de una empresa
• Lenguaje de consultas SQL
• Múltiples usuarios trabajando con los datos

• Paso al mundo de big data
• Distribución de los datos
• Comparando sistemas centralizados y sistemas distribuidos

• Otros modelos de datos
• Key-value stores
• Bases de datos de documentos
• Bases de datos de grafos

• ¿Cómo manejar a datos diversos?
• Sistema de archivos de Google
• Google File System: Garantías de consistencia
• ¿Cómo ocupar el sistema de archivos de Google?

• ¿Cómo priorizar petabytes de datos?
• MapReduce
• Blocking y tolerancia a fallas
• ¿Cómo ocupar MapReduce?

En la clase en vivo, el profesor enseñará de manera transversal los principales tópicos sobre los sistemas recomendadores de manera aplicada a distintos casos o industrias, en los cuales se genera mayor valor a través del soporte de decisiones guiadas por sistemas y metodologías estadísticas.

Durante el curso el alumno trabajará de manera transversal un proyecto, en grupos de a 5 personas, donde se aplicarán todos los conocimientos del curso para generar un modelo estadístico. En este se deberá definir cómo procesar los datos para obtener una correcta generación del modelo, y además se probará el resultado según los criterios mostrados. Se espera también un entendimiento profundo de los métodos, para así cerrar con una comparación crítica de las técnicas mostradas.

• Terminología estadística básica
• Tipos de muestreo
• Modelos de probabilidad

• Modelos estadísticos
• Big data: Bajo qué contextos se justifica su uso

• Limpieza de datos
• Integración de datos
• Reducción de datos
• Transformación de datos

• Árboles de decisión

• Bayes ingenuo
• Método de los k-vecinos más cercanos
• Métodos conjuntos

• Métodos de partición
• Métodos jerárquicos
• Sistemas recomendadores