Diplomado en Big data y machine learning


Construye soluciones inteligentes utilizando las técnicas y algoritmos más modernos de machine learning, ocupando los enormes volúmenes de datos que se generan diariamente.

Contáctenme

Diplomado en Big data y machine learning



(*) 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, te hemos enviado los catálogos a tu correo

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 y machine learning de Clase Ejecutiva UC aporta los conocimientos para construir soluciones inteligentes utilizando las técnicas y algoritmos más modernos de machine learning. Todo ello, al utilizar los enormes volúmenes de datos que se generan diariamente.

Ciertamente, los avances tecnológicos de esta era tienen como gran protagonista a la inteligencia artificial. Día a día es posible encontrar información de nuevos logros en este campo que parecen sacados de libros de ciencia ficción. En buena medida, ello se debe a los espectaculares avances de los algoritmos y técnicas de machine learning (deep learning, reinforced learning). Estos permiten construir aplicaciones impresionantes en áreas como el reconocimiento visual. A su vez, el notable desempeño de estos algoritmos se debe a que ahora gracias a las técnicas de big data pueden entrenarse con volúmenes gigantescos de datos.

La metodología del Diplomado en Big data y machine learning es 100% online. Y cuenta con una moderna plataforma de aprendizaje.

 

Objetivos

Conocer la problemática de big data, las plataformas más importantes y las técnicas que permiten manejar esa data.

Conocer las principales aplicaciones de ciencia de datos y machine learning.

Comprender e implementar los principales algoritmos de machine learning usando el lenguaje Python.

Presentar visualmente grandes volúmenes de datos en forma efectiva.

Dirigido a

Profesionales que necesiten adquirir las competencias necesarias para construir aplicaciones de big data y machine learning usando las herramientas del ecosistema Python e interesados en ciencia de datos que deseen adquirir habilidades para interactuar y visualizar volúmenes grandes de datos.

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.

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.

Clases en Vivo

Cada curso está organizado en 6 a 8 clases online y una clase en vivo, transmitida vía streaming, realizada por nuestros destacados académicos o tutores. En esta clase podrás interactuar, realizar preguntas y comentar a tus compañeros de clase.

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

ACLARA TUS DUDAS

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

Taller optativo

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 Agosto 2021
Malla académica




Taller de habilidades blandas de gestión personal para ejecutivos

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 Agosto 2021


Profesor:  

Damián Campos, MBA Pontificia Universidad Católica de Valparaíso (Chile)

Myriam Aluanlli, Máster Universidad de Barcelona (España)

Enrique San Juan, Periodista Universitat Oberta de Catalunya (España)

Objetivo de aprendizaje

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

Descripción

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.

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

Clase Ejecutiva UC se reserva el derecho a modificar el contenido en cualquier momento.

Curso Aplicaciones de machine learning y ciencia de datos
Profesor:  

Patricio Cofré, Máster Northwestern University (EE.UU.)

Clase en vivo

Un profesor ayudante interactúa directamente con un grupo reducido de participantes para presentar un caso real de aplicación de machine learning y ciencia de datos, haciendo énfasis en la oportunidad, solución, dificultades y beneficios, para luego discutir con el grupo y responder consultas.

Trabajo Grupal

Los alumnos deben aplicar los conocimientos aprendidos en tres trabajos o pequeños proyectos concretos. En particular, el primer trabajo se enfoca en desarrollar la capacidad de identificar los conceptos básicos de machine learning y ciencia de datos en los casos de estudio presentados. El segundo trabajo busca desarrollar la capacidad de identificar la presencia y necesidad de los distintos tipos de aprendizaje en los casos de estudio presentados. Finalmente, el tercer trabajo pretende integrar ambas miradas en la formulación de un caso de estudio original, en el que sea posible identificar los conceptos básicos, los tipos de aprendizaje, además de la oportunidad, solución, dificultades y beneficios. 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.

Conceptos básicos
  • Inteligencia de negocios
  • Minería de datos
  • Ciencia de datos
  • Machine learning
Aplicación en negocios por tipo de datos
  • Transacciones estructuradas
  • Texto
  • Audio
  • Imagen y video
Tipos de aprendizaje
  • Supervisado
  • No supervisado
  • Reforzado
  • GAN
Aplicaciones de los tipos de aprendizaje
  • Supervisado
  • No supervisado
  • Reforzado
  • GAN
Estudio de casos por tipo de datos
  • Transacciones estructuradas
  • Texto
  • Audio
  • Imagen y video
- Estudio de casos por Industria
  • Seguros / banca / finanzas
  • Sector industrial
  • Retail y consumo
  • Gobierno

Clase Ejecutiva UC se reserva el derecho a modificar el contenido en cualquier momento.

Curso Visualización de información en la era del big data
Profesor:  

Denis Parra Santander, Ph.D University of Pittsburgh (EE.UU.)

Clases 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, el uso apropiado de algunas herramientas, etc.

Para este curso se revisarán formas de interpretar y aplicar del modelo anidado de visualización para validar visualizaciones existentes y para justificar decisiones de diseño de nuevos gráficos de visualización de información. Se revisarán y aplicarán bibliotecas en Python especializadas en visualización. Y con participación de los alumnos se analizarán casos de visualización.

Trabajos individuales

Los participantes deben aplicar los conocimientos aprendidos en tres trabajos o pequeños proyectos concretos. La primera actividad práctica requiere utilizar los conceptos de visualización para evaluar y validar diseños de visualización de información ya existentes. La idea es poner en práctica la relación entre tipos de datos y datasets, tareas, así como conocer las marcas y canales más apropiados para codificar información visualmente. La segunda actividad práctica tiene como propósito implementar visualizaciones mediante programación. Se establecen tres casos con datasets y codificaciones objetivo, con lenguage Python y usando las bibliotecas Pandas, Matplotlib y Seaborn.

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. De esta forma, la tercera actividad de aplicación requiere una integración de conceptos de visualización y de implementación en Python. Dado un dataset y un caso de estudio, el estudiante analiza un dataset y provee respuestas a ciertas preguntas a través de la implementación de diferentes visualizaciones. En el proceso, se justifican las decisiones de codificación visual (gráfico, colores, etc.) y del espacio de diseño en general.

Introducción a visualización de Información
  • Ejemplos históricos de visualización de datos
  • Conceptos fundamentales de visualización de información
  • Percepción visual
  • Funciones básicas de Matplotlib y Seaborn.
Modelo anidado de Munzner para diseño y validación de visualizaciones
  • ¿Qué? Datos y datasets
  • ¿Por qué? Tareas de visualización
  • ¿Cómo? Codificación visual
  • Reglas y recomendaciones generales para visualizaciones efectivas
Diseño e implementación de gráficos simples para datos tabulares usando modelo anidado
  • Gráfico de barras y barras apiladas
  • Gráfico de puntos y de líneas
  • Gráfico de dispersión y de burbujas
  • Gráfico de flujos
  • Histogramas, gráficos de caja y de violín
Diseño e implementación de gráficos avanzados para datos tabulares usando modelo anidado
  • Múltiples ejes, gráficos radiales y de torta
  • Matriz de gráficos
  • Pequeños múltiples
  • Mapa de calor
  • Reducción de dimensionalidad lineal y no lineal
Diseño e implementación de gráficos para datos de red usando modelo anidado.
  • Conceptos de red, grafos y árboles
  • Diagramas nodo-enlace
  • Matrices de adyacencia
  • Gráficos tipo encierro
  • Clustermap
Visualización en diversos dominios de aplicación
  • Introducción a la visualización en diversos dominios y a storytelling
  • Visualizacion espacial y espacio-temporal
  • Visualización de colecciones de documentos
  • Visualización de vectores de palabras

Clase Ejecutiva UC se reserva el derecho a modificar el contenido en cualquier momento.

Curso Python para machine learning
Profesor:  

Francisco Pérez Galarce, Ph.D (c) Pontificia Universidad Católica de Chile

Ignacio Becker, Ph.D (c) Pontificia Universidad Católica de Chile

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, además de apoyar el desarrollo de casos de estudio. Con estos últimos, se busca que los alumnos se vean enfrentados a situaciones más cercanas a la realidad, recorriendo las distintas etapas de los proyectos de machine learning.

Trabajo individual

Los alumnos deben aplicar los conocimientos aprendidos en tres pequeños proyectos cuyo objetivo es reforzar el aprendizaje teórico de las clases lectivas. El primer proyecto se focaliza en aplicar herramientas de preprocesamiento y visualización de datos. Los siguientes tienen características integradoras de preprocesamiento y aplicación de modelos de machine learning tanto en su versión supervisada como no supervisada.  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.

Conceptos fundamentales de machine learning
  • Definiciones básicas
  • Tipos de aprendizaje de máquina
  • Python
  • Ecosistema Python para machine learning
Análisis, procesamiento y visualización de datos a través de Python
  • Tipos de variables
  • Análisis descriptivo de variables
  • Transformación de variables
  • Imputación de variables
  • Visualización de variables
Aprendizaje supervisado I: Regresiones
  • Regresión lineal
  • Regresión logística
  • Regresiones polinomiales
  • Regresiones con penalización
Aprendizaje supervisado II: Clasificadores
  • Evaluación de clasificadores
  • Naive Bayes
  • Árboles de decisión
  • Random forest
Redes Neuronales
  • Tecnologías de Python para deep learning
  • Introducción a las redes neuronales
  • Redes convolucionales
  • Redes recurrentes
Algoritmos de aprendizaje no supervisado en Python utilizando scikit-learn
  • K-means
  • Mezcla gaussianas
  • Cluster jerárquico
  • Autoencoders

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, Candidato a doctor Pontificia Universidad Católica de Chile

Iván Lillo, Doctor Pontificia Universidad Católica de Chile

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.

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

Profesores

Denis Parra Santander

Ph.D University of Pittsburgh (EE.UU.)

Denis Parra Santander es Ph.D Computer Science, University of Pittsburgh (Pensilvania, EE.UU). Además, es ingeniero civil en Informática, Universidad Austral de Chile. Actualmente, se desempeña como profesor asociado del Departamento de Ciencia de la Computación de la Pontificia Universidad Católica de Chile.

Francisco Pérez Galarce

Ph.D (c) Pontificia Universidad Católica de Chile

Francisco Pérez Galarce es Ph.D (c) in Computer Science, Pontificia Universidad Católica de Chile. También es magíster en Gestión de Operaciones e  ingeniero civil industrial, Universidad de Talca.

Gabriel Sepulveda Villalobos
Gabriel Sepúlveda

Candidato a doctor Pontificia Universidad Católica de Chile

Gabriel Sepúlveda es candidato a doctor 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.

Ignacio Becker
Ignacio Becker

Ph.D (c) Pontificia Universidad Católica de Chile

Ignacio Becker es Ph.D (c) in Computer Science, Pontificia Universidad Católica de Chile (UC). También es licenciado en Astronomía, 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.

Patricio Cofré

Máster Northwestern University (EE.UU.)

Patricio Cofré tiene un Master of Engineering Management, Northwestern University (Chicago, EE.UU.). También es magíster en Ciencias de Ingeniería de la Pontificia Universidad Católica de Chile (UC) e ingeniero eléctrico UC. Además es diplomado en Data Science de University of Columbia y Professional Certification en Data Science de John Hopkins.  Además, es cofundador de Metric Arts, ahora parte de EY. 

Profesores Taller Optativo

Damián Campos

MBA Pontificia Universidad Católica de Valparaíso (Chile)

Damián Campos es MBA Pontificia Universidad Católica de Valparaíso e ingeniero civil industrial. 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, desarrollo de planes de negocio, capacitación y entrenamiento de fuerzas de venta para distintas industrias.

Enrique San Juan

Periodista Universitat Oberta de Catalunya (España)

Director de la agencia digital Community Internet Barcelona – The Social Media Company, con sede en Barcelona, España. De profesión periodista especializado en nuevas tecnologías, es graduado en Comunicación por la Universitat Oberta de Catalunya (España) y 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.

Myriam Aluanlli
Myriam Aluanlli

Máster Universidad de Barcelona (España)

Myriam Aluanlli es máster en Coaching y Liderazgo Personal de la Universidad de Barcelona (España), Magíster en Ciencias de la Ingeniería e ingeniera civil industrial de la Pontificia Universidad Católica de Chile. Además tiene experiencia profesional en áreas de recursos humanos, estudios y evaluación de proyectos en distintas empresas chilenas. Por otra parte, sus principales fortalezas son compromiso, iniciativa, buen manejo de relaciones interpersonales y trabajo en equipo. Interesada en participar de proyectos e iniciativas desafiantes donde pueda aportar con sus conocimientos y habilidades.

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 online:
CLP $1.950.000

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. El certificado del curso es apostillable. Sin embargo, la Clase Ejecutiva UC no se hace parte de la gestión de apostillarlo.

Un día en Clase Ejecutiva UC