Diplomado en Big data y cloud computing
Matricúlate ahora y obtén un
20% dto.
(Precio final CLP $1.752.000)
ACLARA TUS DUDAS
Quisimos responder las preguntas que muchos nos hacen a través de este video.

Taller optativo
Malla académica
Taller de habilidades analíticas de gestión personal para ejecutivos
Profesor:
Damián Campos, Máster Universidad de Salamanca (España) Ver más...
Damián Campos, Máster Universidad de Salamanca (España) Ver más...
Esta es una actividad opcional y gratis que no considera ningún tipo de certificación y/o constancia. Podrás obtener el beneficio al matricularte en la impartición de Junio 2023
Plan de estudios
Objetivos de aprendizaje
- Identificar los conceptos claves para desarrollar una marca personal en las redes sociales.
- Aplicar buenas prácticas de oratoria digital en videoconferencias.
- Aplicar técnicas de gestión del tiempo en la planificación personal.
- Evaluar herramientas de apoyo a la gestión basada en datos.
Descripción
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. 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 cómo gestionar su marca personal en redes sociales, técnicas de oratoria digital para la realización de videoconferencias, estrategias para gestionar bien el tiempo y la importancia de los datos en la gestión moderna.
Este taller se ofrecerá a todos los alumnos que se inscriban en los diplomados de Clase Ejecutiva UC, de manera de entregar habilidades transversales a todos ellos. Se realizarán controles de lectura, foros de discusión y clases sincrónicas durante su desarrollo.
Contenidos
Personal branding
- Marca personal
- Cómo construir una marca personal digital
- Acciones premium para potenciar nuestra personal branding
Reuniones virtuales y oratoria digital
- Reuniones virtuales y webinars
- El contenido de las sesiones
- Oratoria digital
- Técnicas básicas de oratoria para entornos digitales
Gestión del tiempo
- Conócete a ti mismo
- Procrastinación
- Los “ladrones del tiempo”
- Priorización y matriz de Eisenhower
- Buenas prácticas de gestión del tiempo
Gestión basada en datos
- Business Analytics (BA)
- Clasificación del BA
- BA descriptivo
- BA predictivo
- BA prescriptivo
Clase Ejecutiva UC se reserva el derecho a modificar el contenido en cualquier momento.
Curso Introducción a minería de datos y machine learning
Profesor:
Mauricio Arriagada Benítez, Doctor Pontificia Universidad Católica de Chile
Mauricio Arriagada Benítez, Doctor Pontificia Universidad Católica de Chile
Plan de estudios
Clase en vivo
Un profesor ayudante interactúa directamente con un grupo reducido de participantes para ayudar a resolver problemas técnicos remanentes, como por ejemplo la correcta instalación de herramientas de software y el uso apropiado de algunas herramientas. Asimismo, para la preparación de set de datos para la reducción de dimensionalidad, y guiar el trabajo en las diferentes técnicas de reglas de asociación, algoritmos de clasificación, clustering y medidas de similaridad.
Trabajo individual
Los alumnos deben aplicar los conocimientos aprendidos en tres trabajos o pequeños proyectos concretos. El último proyecto suele tener características integradoras y, por lo tanto, es un poco más largo y completo que los anteriores. Aun cuando el trabajo se entrega en forma individual y no grupal, los alumnos pueden conversar y discutir sobre sus ideas de soluciones con sus compañeros, antes de desarrollar y entregar el proyecto. Los miniproyectos estarán enfocados en: procesar y consolidar datos aplicando ETL (extracción, transformación y carga de datos); utilizar el algoritmo Random Forest y KNN para dos casos propuestos, y realizar el preprocesamiento de una base de datos propuesta, aplicando dos algoritmos de los vistos en clases para así mostrar sus rendimientos a través de evaluar al clasificador y presentar las métricas, pudiendo establecer una comparación de rendimiento entre los dos algoritmos elegidos.
Contenidos
Conceptos fundamentales de la minería de datos
- Video bienvenida al curso
- Integración de datos, data warehouse
- Selección y transformación de datos
- Install Python Windows
- Install Python MAC OS y Linux
- Ejemplo práctico uso de dataframes
Preparación de datos y reducción de información
- Preparación de datos: normalización, codificación e imputación de datos
- PCA y t-SNE
- ETL
- Ejemplo práctico PCA
- Ejemplo práctico t-SNE
- Ejemplo práctico ETL
Reglas de asociación
- Reglas de asociación: Apriori
- Reglas de asociación: FP-Growth
- Reglas de asociación: ECLAT
- Ejemplo práctico Apriori
- Ejemplo práctico ECLAT
- Ejemplo práctico FP-Growth
Algoritmos de clasificación
- Árboles de decisión
- Random Forest
- KNN y Kd-tree
- Ejemplo práctico árboles de decisión
- Ejemplo práctico Random Forest
- Ejemplo práctico KNN
Algoritmos de clustering y medidas de similaridad
- KMeans
- Clustering jerárquico
- DBSCAN
- Ejemplo práctico KMeans
- Ejemplo práctico clustering jerárquico
- Ejemplo práctico DBSCAN
Selección de modelos e introducción a machine learning
- Introducción a machine learning: modelos supervisados y no supervisados
- Evaluación de clasificadores
- Métricas
- Ejemplo práctico evaluación clasificadores
- Ejemplo práctico métricas
Clase Ejecutiva UC se reserva el derecho a modificar el contenido en cualquier momento.
Curso Introducción al cloud computing
Profesor:
Mauricio Gamboa, Ingeniero informático, Inacap, Chile.
Mauricio Gamboa, Ingeniero informático, Inacap, Chile.
Contenidos
Introducción: Qué es cloud computing, características principales, tipos de servicio, tipos de nube
Tecnologías habilitantes (máquinas virtuales, arquitecturas orientadas a servicio, etc.)
Virtualización
Principales plataformas de servicios en la nube: Amazon AWS, Google Cloud y 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
Clase Ejecutiva UC se reserva el derecho a modificar el contenido en cualquier momento.
Curso Servicios cloud para ciencia de datos y machine learning
Profesor:
Stefanni Cavaletto, Magíster UAI (Chile)
Stefanni Cavaletto, Magíster UAI (Chile)
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 GCP
Introducción a Vertex AI en GCP
Servicios cognitivos en GCP
Clase Ejecutiva UC se reserva el derecho a modificar el contenido en cualquier momento.
Curso Técnicas de big data para machine learning
Profesor:
Gabriel Sepúlveda, Ph.D (c) Pontificia Universidad Católica de Chile Ver más...
Gabriel Sepúlveda, Ph.D (c) Pontificia Universidad Católica de Chile Ver más...
Plan de estudios
Clase en vivo
Un profesor ayudante interactúa directamente con un grupo reducido de participantes para ayudar a resolver problemas técnicos remanentes, como por ejemplo, relacionados con el uso del ambiente de desarrollo Google Colaboratory, con la instalación de herramientas Hadoop y Spark o con la utilización de la API para el almacenamiento y procesamiento de big data.
Trabajo individual
Los alumnos deben aplicar los conocimientos aprendidos en tres trabajos o pequeños proyectos concretos, los cuales tendrán por objetivo aplicar de forma práctica las técnicas y herramientas para el manejo de big data. En particular, se enfocan en el uso del ecosistema Hadoop, del framework Spark y su biblioteca para machine learning Spark MLLIB, y de herramientas prácticas para visualización de datos. El último proyecto suele tener características integradoras y, por lo tanto, es un poco más largo y completo que los anteriores. Aun cuando el trabajo se entrega en forma individual y no grupal, los alumnos pueden conversar y discutir sobre sus ideas de soluciones con sus compañeros, antes de desarrollar y entregar el proyecto.
Contenidos
Ecosistema Hadoop
- Introducción al big data
- El ecosistema Hadoop
- El sitema de archivos distribuidos Hadoop (HDFS)
- Presentación de ambiente de desarrollo web Google Colaboratory
- Aplicación práctica de herramientas de software
Herramientas del ecosistema Hadoop
- Hadoop MapReduce
- Manejo de bases de datos con herramienta de alto nivel e interfaz de tipo SQL (Apache Hive)
- Manejo de bases de datos sobre MapReduce con lenguaje de alto nivel (Apache Pig)
- Aplicación práctica de herramientas de software
Apache Spark
- Conceptos y usos
- Resilient Distributed Dataset
- Programación en Spark
- Transformaciones y acciones
- Aplicación práctica de funciones core de Spark
Data analytics con Apache Spark
- Apache Flume
- Módulo Spark Streaming
- Módulo Spark SQL
- Aplicación práctica en procesamiento de streams de datos
- Aplicación práctica en procesamiento de datos estructurados
Machine learning con Apache Spark
- Módulo Spark MLLIB
- Programación con funciones MLLIB con datasets supervisados
- Programación con funciones MLLIB con datasets no supervisados
- Pipelines de extracción de datos, entrenamiento y predicción con Spark ML
- Aplicación práctica de Spark en machine learning
Técnicas de visualización
- Conceptos fundamentales de visualización de información
- Funciones básicas de Matplotlib
- Reducción de dimensionalidad
- Aplicación práctica de herramientas de software
Clase Ejecutiva UC se reserva el derecho a modificar el contenido en cualquier momento.
Jefe de programa

Jaime Navón Cohen
Ph.D University of North Carolina at Chapel Hill (Estados Unidos)
Jaime Navón Cohen es Ph.D Computer Science, University of North Carolina at Chapel Hill (EE.UU.). Además tiene un Master of Science, Technion-Israel Institute of Technology (Israel). Es ingeniero civil electricista, Pontificia Universidad Católica de Chile (UC).
Asimismo, es profesor asociado del Departamento de Ciencia de la Computación de la UC.
Jefe de programa
Profesores

Gabriel Sepúlveda
Ph.D (c) Pontificia Universidad Católica de Chile
Gabriel Sepúlveda es Ph.D (c) en Ciencias de la Ingeniería área Ciencia de la Computación, Pontificia Universidad Católica de Chile (UC). Además, es ingeniero civil electrónico, con mención en Control Automático y Mención Complementaria en Computadores, Universidad Técnica Federico Santa María (Chile). Se desempeña como profesor instructor del Departamento de Ciencia de la Computación, Escuela de Ingeniería de la UC.

Iván Lillo
Doctor Pontificia Universidad Católica de Chile
Iván Lillo es doctor en Ciencias de la Ingeniería, Pontificia Universidad Católica de Chile (UC). Además tiene un Magíster en Ciencias de la Ingeniería, UC, y es ingeniero civil electricista, UC. Se desempeña como profesor instructor del Departamento de Ciencia de la Computación, Escuela de Ingeniería de la UC.

Mauricio Arriagada Benítez
Doctor Pontificia Universidad Católica de Chile
Mauricio Arriagada Benítez es doctor y máster en Ciencias de la Ingeniería, Pontificia Universidad Católica de Chile (UC). También es ingeniero civil en Computación e Informática, Universidad de Tarapacá (Chile). Asimismo, tiene un Master in Computer Science, University of Northern Iowa (EE.UU.), y un Máster en Ingeniería de Software, Universidad de Tarapacá (Chile).

Mauricio Gamboa
Ingeniero informático, Inacap, Chile.
Mauricio Gamboa es ingeniero en Informática y analista programador, Inacap, Chile. Además es consultor en diseño, desarrollo e implementación de aplicaciones en entornos Microsoft, programa que cursó en La Salle Campus Madrid. También cuenta con las certificaciones: Microsoft MVP Business Applications; EMCSE: Data Management and Analytics - Certified 2019; MCSA: SQL 2016; Business Intelligence Development - Certified 2019, y Microsoft Certified Solutions Developer: Web Applications.

Stefanni Cavaletto
Magíster UAI (Chile)
Stefanni Cavaletto tiene un MSc Artificial Intelligence UAI, Chile, y un postítulo de Inteligencia de Negocios, Universidad de Chile. Además, es ingeniera matemática, Universidad de Santiago de Chile. Actualmente es senior customer engineer (ML & AI) en Google. Su línea de investigación es la ciencia de datos. Ha trabajado en diversas industrias en sus 8 años de experiencia, tales como banca, telecomunicaciones, retail y salud, además de Microsoft. Es miembro activo de dos organizaciones sin fines de lucro: Analytics & Python y R-Ladies.
Profesores Taller Optativo

Damián Campos
Máster Universidad de Salamanca (España)
Damián Campos tiene un Máster en Consultoría y Coaching Ejecutivo de la Universidad de Salamanca (España),. También obtuvo un MBA, y es ingeniero civil industrial de la Pontificia Universidad Católica de Valparaíso. Tiene 30 años de experiencia profesional en cargos de estudio, gerencia y comerciales. Asimismo, su trayectoria docente abarca temas comerciales y de estrategia en Usach, U. de Chile, PUCV, Ulacex (Panamá) y USM. Además de consultoría y capacitación para distintas industrias.
Diplomados

Enrique San Juan
Periodista Universitat Oberta de Catalunya (España)
Enrique San Juan es periodista, especialista en nuevas tecnologías y graduado en Comunicación por la Universitat Oberta de Catalunya (España). Es director de la agencia digital Community Internet Barcelona – The Social Media Company, con sede en Barcelona, España. Asimismo, es experto en la gestión de redes sociales para empresas, el desarrollo de estrategias de marketing digital y la comunicación profesional corporativa a través de webinars y videoconferencias.

Mathias Klapp
Ph.D Georgia Institute of Technology (EE.UU.)
Mathias Klapp es Ph.D y MSc. en Investigación de Operaciones del Georgia Institute of Technology e ingeniero civil industrial UC. Además, es profesor de la Escuela de Ingeniería de la UC. Se desempeña en el Departamento de Ingeniería Industrial y de Sistemas y en el Departamento de Ingeniería de Transporte y Logística. Su especialidad es planificar operaciones de logística eficaces y costo-eficientes. Asimismo, ha desarrollado sistemas de planificación para aplicaciones en logística urbana (despacho a domicilio, ruteo y car-sharing) y en planificación de turnos de trabajo y personal (workforce management).
Diplomados
Ventajas


