Diplomado en Ciencia de Datos para la Gestión

El lenguaje Python se ha transformado en una herramienta fundamental tanto para los desarrolladores de software como para profesionales del área de Ciencia de Datos e Inteligencia Artificial.

Contáctenme

Diplomado en Ciencia de Datos para la Gestión



* 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

La Clase Ejecutiva de la Pontificia Universidad Católica de Chile tiene como misión perfeccionar profesionalmente a quienes se encuentran en la constante búsqueda de conocimientos en un mundo de cambios, donde la ciencia y la tecnología avanzan aceleradamente. Nuestros programas de diplomados y cursos responden a las necesidades de perfeccionamiento y desarrollo de cada persona, y entregan conocimientos, habilidades y herramientas UC que quedan para toda la vida. Esto con la mayor flexibilidad, de modo que los alumnos puedan realizar la mayor parte del trabajo exigido en los tiempos que tienen disponibles.

Descripción

Este Diplomado en ciencia de datos para la gestión es equilibrado en cuanto a conceptos y aspectos técnicos, con elementos de aplicación y proyección al futuro. Los aspectos más técnicos incluyen adquirir competencias en Python para trabajar en minería de datos y machine learning, mientras que en el ámbito de la aplicación a la gestión y a los negocios aprenderán sobre el estado del arte en inteligencia de negocios y el poder de la visualización de los datos para el apoyo a la toma de decisiones.  Al completar este programa los alumnos serán capaces no solo de identificar oportunidades de transformación de negocios mediante la introducción de técnicas de inteligencia de negocios y ciencia de datos sino de entender estas técnicas en detalle, con sus potencialidades y limitaciones.

Objetivos

Diseñar y construir programas en lenguaje Python capaces interactuar con un motor de bases de datos para extraer y modificar información, y aplicar algoritmos y técnicas de minería de datos en el contexto de una analítica descriptiva y predictiva.

Presentar en forma gráfica la información de modo que pueda ser comprendida rápidamente.

Aplicar técnicas y enfoques de inteligencia de negocios para una gestión guiada por datos en el proceso de transformación digital.

Dirigido a

Profesionales interesados en adquirir competencias en el área de ciencia de datos para aplicarlos en la gestión o la transformación digital de los negocios.

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

Contenidos




Presente y Futuro de la Inteligencia de Negocios
Profesor:  

Cristián Rodríguez , Ingeniero Civil de Industrias UC con Mención en Tecnologías de la Información

Clase en vivo

El profesor interactúa directamente con un grupo reducido de participantes para ayudar a resolver dudas respecto al trabajo grupal (alcance, foco, herramientas, etc.) y dudas relacionadas con el contenido del curso (profundización de conceptos, aclaraciones, recomendaciones, bibliografía, etc.).

Trabajo individual

El trabajo del grupo se centrará en familiarizar a los alumnos con el concepto de agilidad, aplicado en este caso a la inteligencia de negocios. Los alumnos desarrollarán un proyecto separado en tres entregas parciales, cada una construida sobre la anterior. Cada entrega corresponderá a una iteración en un proceso de desarrollo ágil.

El trabajo se entrega en forma individual y no grupal, pero los alumnos pueden conversar y discutir sobre sus ideas de soluciones con sus compañeros, antes de desarrollar y entregar el proyecto.

Conceptos de inteligencia de negocios
  • Introducción a la inteligencia de negocios
  • Plataforma clásica de inteligencia de negocios
  • Componentes de la plataforma clásica de inteligencia de negocios
  • Nuevas tendencias que impactan la inteligencia de negocios
Plataforma moderna de inteligencia de negocios
  • Desafíos de la inteligencia de negocios actual
  • Presentación plataforma moderna de análisis de datos
  • Componentes de la plataforma moderna de análisis de datos
  • Centralización versus descentralización
Agilidad y gobierno en inteligencia de negocios
  • Agilidad en inteligencia de negocios
  • Introducción al gobierno de datos
  • Roles asociados al gobierno de datos
  • Desafíos del gobierno de datos
Calidad de datos
  • Introducción a la calidad de datos
  • Metodología de calidad de datos
  • Etapas de la metodología de calidad de datos
  • Desafíos de calidad de datos
Pensamiento analítico
  • Introducción al pensamiento analítico
  • Pensamiento crítico
  • Pensamiento creativo
  • El nuevo rol del traductor analítico
El futuro de la inteligencia de negocios
  • Próximos años: Principales desafíos
  • El rol de los gerentes y directivos de la organización
  • El (probable) invierno analítico
  • Preparándose para una nueva era

Introducción a Minería de Datos y Machine Learning
Profesor:  

Mauricio Arriagada Benítez , Doctor en Ciencia de la Ingeniería, Pontificia Universidad Católica de Chile

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 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.

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

Python y Bases de Datos
Profesor:  

Jaime Navón Cohen , Ph.D. Computer Science, University of North Carolina at Chapel Hill

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, la forma correcta del uso de algunas herramientas, etc.

Trabajo individual

Los alumnos deben aplicar los conocimientos aprendidos en tres trabajos o miniproyectos concretos. El primer trabajo (miniproyecto 1) consiste en construir una base de datos a partir de data en formato csv y luego escribir un programa Python que se conecte con dicha base de datos para agregar nuevas filas y formular algunas consultas simples. En el segundo (miniproyecto 2), se trabaja con un dataset más complejo que da origen a una BD con varias tablas y, además, de interactuar desde Python en forma simple, se usa la librería Pandas. En el tercer trabajo (miniproyecto 3), la data debe obtenerse desde una API JSON y se debe escribir un programa Python que carge esa información en un motor MongoDB para luego hacer consultas sobre él.

Conceptos fundamentales de bases de datos
  • Bases de datos y motores de bases de datos
  • Modelos de dato
  • El modelo relacional
  • Introducción al lenguaje
Interacción con un motor relacional desde un programa Python
  • El lenguaje standard SQL
  • Interactuando con el motor: SQL desde el workbench
  • Conexión con el motor desde un programa Python
  • Creación, eliminación y consultas
Consultas más complejas, transacciones, dataframes
  • Consultas que involucran más de una tabla
  • La necesidad de transacciones
  • Propiedades ACID
  • Introducción al uso de dataframes en Pandas
Operadores de agregación y de conjuntos, carga desde archivos y desde una API
  • Operadores de conjunto
  • Operadores de agregación
  • Carga y procesamiento en Python de información en formato csv
  • Carga y procesamiento en Python de información que viene de una API
Bases de Datos NoSQL y el motor MongoDB
  • Bases de datos NoSQL
  • El motor MongoDB
  • El formato JSON
  • Interacción con MongoDB desde un programa Python
MongoDB desde Python
  • Conexión con el motor
  • Consultas simples
  • Extracción de contenido JSON desde una API
  • Procesamiento de contenido JSON en Python

Visualización de Información en la Era del Big Data
Profesor:  

Denis Parra Santander , Ph.D. Computer Science, University of Pittsburgh, PA, EE.UU.

Fernando Florenzano , Magíster en el Departamento de Ciencia de la Computación, Escuela de Ingeniería, Pontificia Universidad Católica de Chile

Hernán Valdivieso , Magíster en el Departamento de Ciencia de la Computación, Escuela de Ingeniería, Pontificia Universidad Católica de Chile.

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 alumnos 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

Profesores

Cristián Rodríguez

Ingeniero Civil de Industrias UC con Mención en Tecnologías de la Información

Ingeniero Civil de Industrias UC con Mención en Tecnologías de la Información, Profesor Diplomado Inteligencia de Negocio, Profesor Magíster en Tecnologías de la Información y Gestión - Escuela de Ingeniería UC. Cofundador en Archetype, empresa consultora fundada el año 2016 y especializada en el área de Inteligencia de Negocios, Análisis de Negocios y Gestión Estratégica con Inteligencia de Negocios (Enterprise Performance Management).

Denis Parra Santander

Ph.D. Computer Science, University of Pittsburgh, PA, EE.UU.

Ph.D. Computer Science, University of Pittsburgh, PA, EEUU. Ingeniero Civil en Informática, Universidad Austral de Chile. Profesor asociado del Departamento de Ciencia de la Computación, Pontificia Universidad Católica de Chile.

Fernando Florenzano

Magíster en el Departamento de Ciencia de la Computación, Escuela de Ingeniería, Pontificia Universidad Católica de Chile

Estudiante de Magíster en el Departamento de Ciencia de la Computación, Escuela de Ingeniería, Pontificia Universidad Católica de Chile.

Hernán Valdivieso

Magíster en el Departamento de Ciencia de la Computación, Escuela de Ingeniería, Pontificia Universidad Católica de Chile.

Estudiante de Magíster en el Departamento de Ciencia de la Computación, Escuela de Ingeniería, Pontificia Universidad Católica de Chile.

Jaime Navón Cohen

Ph.D. Computer Science, University of North Carolina at Chapel Hill

Ph.D. Computer Science, 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 del Departamento de Ciencia de la Computación, Pontificia Universidad Católica de Chile.

Mauricio Arriagada Benítez

Doctor en Ciencia de la Ingeniería, Pontificia Universidad Católica de Chile

Doctor en Ciencia de la Ingeniería, Pontificia Universidad Católica de Chile, Master en Ciencias de la Ingeniería de la Pontificia Universidad Católica de Chile, Ingeniero Civil en Computación e Informática, Universidad de Tarapacá – Chile. Master in Computer Science, University of Northern Iowa – USA. Master en Ingeniería de Software, Universidad de Tarapacá – Chile. Director Magister en Procesamiento y Gestión de Información (MPGI) UC.

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 la 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 está 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% Ex-alumnos (*)
  • 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