Diplomado en Big data para la toma de decisiones


Adquiere los conocimientos para descubrir, administrar y analizar grandes volúmenes de datos que te permitan tomar buenas decisiones estratégicas.

Contáctenme

Diplomado en Big data para la toma de decisiones



* El inicio de clases puede estar sujeto a cambio
(*) Requerido
Debe seleccionar al menos un producto
(*) Requerido
Debe seleccionar al menos un producto
(*) Requerido
Debe elegir al menos un curso y/o diplomado

Gracias, pronto nos contactaremos con usted

Ha ocurrido un error, intente más tarde

Quiénes Somos

Clase Ejecutiva UC es el programa de perfeccionamiento profesional 100% online de la Pontificia Universidad Católica de Chile, orientado a actualizar tus conocimientos y entregarte nuevas herramientas y habilidades que te permitirán mejorar, ampliar e incluso transformar tu carrera profesional.

Descripción

El Diplomado en Big data para la toma de decisiones de Clase Ejecutiva UC entrega las herramientas necesarias para desarrollar una visión estratégica que permita mejorar la operación de las organizaciones y obtener ventajas competitivas en la era de la economía digital. Todo ello, por medio de descubrir, administrar y analizar grandes volúmenes de datos.

Durante el programa ser verá que el real mejoramiento de la eficiencia organizacional está relacionado con la implementación de soluciones tecnológicas que permitan agilizar la toma de decisiones con base en la información cuantitativa y cualitativa relevante en tiempo real.

En este sentido, el uso eficiente de dicha información requiere de una adecuada administración de grandes volúmenes de datos por minuto. Estos demandan extensos y rigurosos análisis junto con métricas e indicadores cada vez más exactos. El análisis de grandes volúmenes de datos permite extraer tendencias y patrones complejos de información, con enormes implicancias estratégicas. Ello hace posible predecir mejor y transformar la forma en que se hacen hoy los negocios.

Por otra parte, la metodología de enseñanza y aprendizaje para este programa online consiste en técnicas metodológicas activas. El participante puede interactuar con sus pares y profesor-tutor a través de los recursos tecnológicos que provee la plataforma educativa virtual provista para el diplomado.

 

 

 

Objetivos

Explicar los fundamentos, principios y últimas tendencias en plataformas computacionales relacionadas a big data.

Reconocer las aplicaciones y herramientas analíticas de ciencias de datos y estadística para la predicción, optimización y visualización de información.

Formular y evaluar proyectos de aplicación de big data en una organización.

Dirigido a

Personas que están a cargo de tomar decisiones y que observan potenciales beneficios en el uso de tecnologías relacionadas a big data, quienes buscan incrementar significativamente las ventajas competitivas en su organización. En particular, el diplomado está orientado a un amplio rango de profesionales en áreas de gestión, finanzas, comercial, marketing en múltiples sectores desde salud hasta banca.

Metodología 100% Online

Aprendizaje interactivo

Contamos con una plataforma interactiva que te permitirá participar de las clases en vivo, interactuar en foros con tus compañeros de clase y acceder a los contenidos de cada curso en cualquier momento, adaptándose a tus necesidades.

Acompañamiento de tutores

En cada curso tendrás un tutor académico quien resolverá tus dudas planteadas en la plataforma online. Además las coordinadoras académicas resolverán tus consultas administrativas a través del correo alumnosuc@claseejecutiva.cl

Clases en Vivo

Cada curso está organizado en 6 u 8 clases online y dos clases en vivo, transmitidas vía streaming, realizadas por nuestros destacados académicos o tutores. En estas clases podrás interactuar, realizar preguntas y comentar a tus compañeros de clase.

Material de estudio

Desde el inicio de tu programa online, tendrás acceso al material de estudio necesario para cada clase. Podrás acceder en cualquier momento y en cualquier lugar a tus clases online, papers, videos y otros recursos.

Evaluación en línea

Al final de cada curso tendrás una evaluación de los contenidos estudiados. A través de nuestra plataforma en línea, podrás acceder al examen y sus instrucciones para realizarlo. Además, contarás con soporte en línea para resolver cualquier problema técnico durante tu examen.

ACLARA TUS DUDAS

Quisimos responder las preguntas que muchos nos hacen a través de este video.

Contenidos




Curso Big data en empresas y organizaciones
Profesor:  

Claudio Morchón , Máster Universidad Carlos III de Madrid (España)

Introducción general al Big Data en una compañía u organización
  • ¿Qué es?
  • ¿Qué no es?
  • ¿Quién está a cargo?
  • ¿Qué debería hacer como chief data & analytics officer en mis primeros 90 días?
Cómo evaluar la aplicabilidad en la empresa, tipos de problemas de negocios, datos disponibles, ejemplos de caso de uso, armado de un caso de negocio
  • ¿Qué proyectos son de interés?
  • ¿Cuáles son los posibles?
  • ¿Cómo se financian estos proyectos?
Data Science usando Big Data como deporte de equipo. Roles y funciones
  • ¿Cómo se arma un equipo de data science?
  • Roles y responsabilidades
  • Habilidades necesarias
  • Estrategia de crecimiento
  • Administración de proyectos digitales
  • Agile
Herramientas de Big Data – Arquitectura
  • ¿Con qué herramientas se cuenta?
  • Diferentes arquitecturas de big data: On premise, cloud, híbridos.
Gobierno del dato
  • ¿Cómo se gobiernan los datos?
  • ¿Cómo se protege la privacidad del dato y la seguridad?
  • ¿Son los datos suficientes y representativos?
Modelos analíticos y herramientas
  • ¿Cuáles son los diferentes tipos de modelos de machine learning?
  • Herramientas: Extracción de datos, entrenamiento de modelos, visualización
  • ¿Cómo es el paso a producción?
Ejemplos de Casos de uso, nuevas tendencias
Armado de una evaluación económica de un caso de uso

Curso Visualización de datos
Profesor:  

Ricardo Vega , MFA Parsons, The New School (EE.UU.)

Proyecto Grupal

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.

Clase en Vivo

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.

¿Qué es la visualización de datos?
  • De qué trata la visualización
  • Breve contexto
  • Breve historia de la visualización
  • Panorama de la visualización hoy
  • Una definición operativa
¿Para qué sirve la visualización de datos?
  • Visualización para amplificar el conocimiento
  • Para qué nos sirve la visualización
  • Qué queremos mostrar
  • El proceso interactivo
¿Cómo trabajar la visualización de datos?
  • Proceso de visualización
  • Representación: Percepción
  • Representación: Diseño y codificación visual
  • Qué no hacer
  • Evaluación
¿Cómo continuar la visualización?
  • Recomendaciones para profundizar
  • Herramientas recomendadas
  • Autores recomendados
  • Recordando los objetivos de la visualización

Curso Manejo de grandes volúmenes de datos (big data)
Profesor:  

Domagoj Vrgoc , Doctor Universidad de Edimburgo (Reino Unido)

Bases de datos relacionales
  • Diversas fuentes de datos (Excel, CSV, texto plano, páginas web)
  • Organización clásica de los datos: Bases de datos relacionales
  • Lenguaje SQL
  • Propiedades de una base de datos relacional: ACID
  • Integración de los datos
Bases de datos distribuidas
  • Paso al mundo de big data (limitaciones de una base de datos relacional)
  • Un sistema distribuido
  • Propiedades de sistemas distribuidos: CAP y BASE
  • Limitaciones de sistemas distribuidos: ACID vs CAP
  • Resolución de fallas en un sistema distribuido usando el consenso distribuido
Bases de datos NoSQL
  • Características de sistemas NoSQL
  • Bases de datos de búsqueda: Amazon Dynamo
  • Bases de datos de documentos: MongoDB
  • Bases de datos de grafos: Neo4J
Procesamiento masivo de datos
  • Distribución de los datos (Google Distributed File System)
  • Map-reduce
  • Infraestructura de Apache Hadoop
  • Apache Pig: Lenguaje de scripting para Hadoop

Curso Modelamiento estadístico y sistemas recomendadores
Profesor:  

Alejandro Jara , Ph.D Sciences, Katholieke Universiteit Leuven (Bélgica)

Proyecto Grupal

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.

Clase en Vivo

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.

Preprocesamiento de datos
  • Calidad de datos
  • Limpieza de datos
  • Integración de datos
  • Reducción de datos
  • Transformación de datos
Métodos de clasificación
  • El proceso de clasificación
  • Árboles de decisión
  • Bayes ingenuo
  • K-vecinos más cercanos
  • Métodos conjuntos: Bagging, boosting y Random Forests
Métodos de Agrupación
  • Definición y propiedades
  • Métodos de partición: K-means y k-medoides
  • Métodos jerárquicos
Sistemas Recomendadores
  • Impacto y casos importantes
  • Filtrado colaborativo
  • Filtrado basado en contenido
  • Métodos híbridos

Profesores

Alejandro Jara

Ph.D Sciences, Katholieke Universiteit Leuven (Bélgica)

Alejandro Jara es Ph.D in Sciences, Katholieke Universiteit Leuven (Bélgica). Actualmente se desempeña como profesor asociado del Departamento de Estadística de la Pontificia Universidad Católica de Chile. Su especialidad es la estadística bayesiana no paramétrica y los modelos jerárquicos.

Claudio Morchón

Máster Universidad Carlos III de Madrid (España)

Claudio Morchón es máster en Ingeniería Matemática, especialidad en Ciencias y Técnicas Estadísticas e Investigación Operativa de la Universidad Carlos III de Madrid (España). Además, es máster en Finanzas y contador auditor, Universidad de San Andrés (Argentina). Tiene experiencia en desarrollo de proyectos en big data, advance analytics y consultorías de negocio para diferentes empresas internacionales. Sus principales fortalezas son el liderazgo de equipos de data science y el desarrollo de nuevos negocios basados en tecnología y modelos analíticos. Asimismo, le interesa participar en proyectos e iniciativas desafiantes donde pueda contribuir con sus conocimientos y habilidades a generar nuevos desarrollos que mejoren la vida de las personas.

Domagoj Vrgoc

Doctor Universidad de Edimburgo (Reino Unido)

Domagoj Vrgoc es doctor en Computación de la Universidad de Edimburgo (Reino Unido). Profesor asistente del Instituto de Ingeniería Matemática y Computacional de la Pontificia Universidad Católica. Sus áreas de interés son el manejo de datos, la web semántica y teoría de computación. Su tesis de doctorado fue destacada por la British Computing Society como una de las mejores de su generación. Es autor de más de 30 papers técnicos y ha sido parte de los comités de programas de las conferencias más importantes en bases de datos, la web, e inteligencia artificial, como ACM PODS, ICDT, WWW, ISWC, IJCAI, entre otros.

Ricardo Vega

MFA Parsons, The New School (EE.UU.)

Ricardo Vega es MFA Technology de Parsons, The New School (Nueva York, EE.UU.), diseñador y artista. Asimismo, trabaja en temas relativos a la visualización de información y la programación aplicada en el diseño y el arte. Tiene particular interés en temas relativos a la tecnología y sus implicancias sociales, culturales y artísticas. También, en la actualidad, es docente  de la Escuela de Diseño de la Pontificia Universidad Católica de Chile. Página: artnumerica.info  

Ventajas

Prestigio UC

La Pontificia Universidad Católica de Chile posee más de 120 años educando y formando a los líderes de nuestro país. El prestigio UC es reconocido esencialmente por la calidad de sus docentes como por su excelente sistema de enseñanza, los cuales la han transformado en la universidad número uno del país y la mejor universidad de habla hispana en Latinoamérica.

Profesores de Clase Mundial

Nuestro proceso educativo es apoyado y guiado por la excelencia, el sello y el prestigio de los académicos de la Pontificia Universidad Católica de Chile, formados en las mejores universidades a nivel mundial.

Moderno modelo pedagógico

Contamos con una plataforma interactiva, con la última tecnología en educación a distancia, que te permitirá vivir la experiencia del aprendizaje en línea: Acceso a clases en vivo y constante interacción en foros, con académicos y tutores.

Flexibilidad

Tenemos diversos programas académicos que impartimos con un exclusivo e innovador sistema de aprendizaje, enfocado en la flexibilidad y adaptado a tus necesidades de tiempo y espacio, permitiendo que puedas estudiar donde quieras y cuando quieras.

Programas online

Somos un programa de perfeccionamiento profesional 100% online creado por la Pontificia Universidad Católica de Chile, orientado a actualizar tus conocimientos y entregarte nuevas herramientas y habilidades que te permitirán mejorar, ampliar e incluso transformar tu carrera profesional.

Requisitos de Postulación

Para postular a un programa de Clase Ejecutiva UC debes cumplir alguno de estos requisitos:

  • Título profesional universitario.
  • Título de egresado de instituto profesional o centro de formación técnica.
  • Conocimientos equivalentes en el área del programa al que estás postulando.



Inversión

Precios

Precio:
$1.890.000 CLP

Medios de pagos Chile

  • 12 cuotas tarjeta de crédito sin interés para nuestros diplomados y 3 cuotas tarjeta de crédito sin interés para nuestros cursos. En caso de existir interés, este será generado específicamente por su banco y no por Clase Ejecutiva UC.
  • Transferencia bancaria

Descuentos

  • 5% Pago contado (efectivo o transferencia) (*)
  • 10% Exalumnos (*)
  • 10% 3 matriculados o más (*)

 

(*) No acumulables

Medios de pagos Internacional

  • Pago al contado a través de transferencia bancaria
  • Pago en cuotas para nuestros Diplomados a través de Cuponera electrónica (*)
  • Pago a través de Paypal

 

(*) Cuponera electrónica: Sistema de pago en cuotas, sin interés.

 

Clase Ejecutiva UC

CERTIFICADOS APOSTILLADOS

Una de las características más importantes de los títulos emitidos por la Pontificia Universidad Católica de Chile es que pueden ser apostillados gracias al Convenio de la Apostilla de la Haya. La Apostilla es una certificación única que permite agilizar el proceso de acreditación y certificación de títulos o documentos extranjeros en algún país miembro del Convenio de la Apostilla. Los documentos emitidos en Chile para ser utilizados en un país miembro del Convenio de la Apostilla que hayan sido certificados mediante una Apostilla, deberán ser reconocidos en cualquier otro país del convenio sin necesidad de otro tipo de certificación. Más información sobre el proceso de Apostilla en http://apostilla.gob.cl

Un día en la Clase Ejecutiva