Documentos de Académico
Documentos de Profesional
Documentos de Cultura
FUNDAMENTALS
PEA
Programa
Programa dede
Especialización
Especialización
Analítica
Analítica
Perfil Beneficios Competencias
principios y fundamentos Ingenieros Estadísticos e Casos reales: enfoque en El participante será capaz
1. Taller de Socialización
diferentes tareas que se pueden realizar en Ciencia de
Datos en el entorno Big Data. Se abordan casos reales y
(04 horas académicas) su aplicación práctica.
Herramienta: R y Python
Data Science
Se busca generar cohesión entre los participantes para la
realización de trabajo en equipo. Syllabus:
• Introducción a Machine Learning, conceptos básicos.
• Tipos de aprendizaje (Machine Learning, Statistical
Fundamentals
Learning).
2. R Essentials
• Otros tipos de aprendizaje (supervisado, no
supervisado, por refuerzo)
(12 horas académicas) • Casos de éxito de Machine Learning, Machine Learning
Este curso permite ingresar al mundo de R, entender sus on premise / in cloud.
funcionalidades principales para conocer el mundo de la
ciencia de los datos.
Herramienta: R 6. Supervised Methods
Syllabus: (24 horas académicas)
Programa Horas
académicas:
Tiempo
de duración:
• Instalación de herramientas (local + cloud). Nos permite explorar nuevas técnicas de análisis
• Introducción a R / R studio ¿cómo funcionan? predictivo para entender y predecir comportamientos
Curricular 104 04 Meses
• Importar datos de diferentes formatos a R. futuros.
• Programación práctica en R. Herramienta: Python y R
• Gráficos con R. Syllabus:
• Regresión lineal simple, múltiple y logística, KNN.
• Naïve Bayes.
Workshops Projects
3.
• Decisión tres.
Python Essentials • Random Forest.
(88 horas académicas) (16 horas académicas) (12 horas académicas) • SVM.
Cursos hands-on para el desarrollo Los participantes estarán • Introducción a las redes neuronales y ensamblado
Este curso permite ingresar al mundo de Python, entender
de habilidades analíticas, técnicas acompañados por un tutor durante de modelos.
sus funcionalidades principales para entender el mundo
con herramientas especializadas todo el desarrollo del PEA, además • Comparación entre modelos.
de la ciencia de los datos.
aplicadas al Big Data. podrás compartir experiencias
con personas de diferente perfil Herramienta: Python
académico y laboral. Syllabus:
• Instalación de herramientas (local + cloud). 7. Unsupervised Methods
• Estructuras y elementos del lenguaje. (12 horas académicas)
• Principios de programación en Python Nos permite explorar técnicas de clustering y reducción de
(pensando en objetos). dimensiones para encontrar nuevas variables influyentes
• Introducción a librerías numpy, pandas y matplotlib. y mejoradas.
Taller de Socialización Data Science Project Herramienta: Python y R
Syllabus:
4.
• K means.
R Essentials Statistical Essentials • K modes.
(12 horas académicas) • Expectation maximization.
Python Essentials • DB Scan.
Este curso permite entender los principios y • Mclust.
Statistical Essentials fundamentos de los conceptos estadísticos aplicados en
8.
la Ciencia de Datos.
Herramienta: R y Python Data Science Project
Machine Learning Introduction (16 horas académicas)
Syllabus:
• Análisis estadístico exploratorio. Para implementar soluciones de información en la
Unsupervised Methods • Medidas de tendencia central. organización se necesita un marco de trabajo que lo
• Medidas de dispersión, medidas de posición. haga posible. El curso es un taller de metodologías ágiles
Supervised Methods • Inferencia estadística usando SCRUM enfocado en proyectos de inteligencia de
• Métodos de muestreo. negocios.
Herramienta: Python y R
Syllabus:
• Taller vivencial
Docente DMC
MSc. Jimmy Salazar Ing. Cesar Valencia Mg. Jesús Salinas
Especialista de Analista de Predictivos en Profesor Principal en
Inteligencia Analítica en Entel. Universidad Nacional
BBVA. Agraria La Molina
Ingeniero estadístico titulado, con más de Soy un egresado de Ingeniería de Sistemas Ingeniero Estadístico de la Universidad
6 años de experiencia trabajando en áreas de la Universidad Nacional de Ingeniería Nacional Agraria La Molina y Magister en
analíticas y muy involucrado al uso de (Quinto Superior). Comunicativo, dinámico, Ingeniería Industrial, mención en Gestión
herramientas de Machine Learning, Big Data responsable, con disposición de aprendizaje Industrial de la Universidad Nacional
y los lenguajes de programación Python y y poder asumir retos orientado a resultados, Mayor de San Marcos. Ha sido director del
Scala, orientado a trabajar bajo la plataforma mediante el trabajo en equipo y bajo departamento académico de Estadística
Big Data propia del Corporativo (DATIO). situaciones de presión. Con interés en el e Informática de la Universidad Nacional
Actualmente es Scrum Master en el BBVA Análisis de Datos (Analytics), Sistemas de Agraria La Molina. Actualmente se
Continental, responsable del proyecto Big Información, Inteligencia de Negocios (BI), desempeña como profesor principal en el
Data que consiste en desarrollar y automatizar Inversiones, Minería de Datos, Machine departamento académico de Estadística
todos los procesos de modelos analíticos y Learning y Big Data. e Informática y docente en la maestría de
campañas dentro de nuestra plataforma. Estadística Aplicada de la UNALM. Además,
docente en la maestría en Ciencia de los
Datos de la Universidad Ricardo Palma. Sus
áreas de interés son el análisis multivariado
y el reconocimiento estadístico de patrones.
Docente DMC
Nota: Todos los profesores mencionados están
relacionados al programa de especialización. No
necesariamente podrían desarrollar una clase.
MBA Jonny Chambi David Allende André Chávez
Co founder & CEO, Jefe Data Science en Senior Data Scientist en
DMC Perú. Subgerente Interbank. Interbank.
de Analytics en Banco
Falabella Perú
MBA de la UPC. Master Europeo en Dirección Profesional con experiencia en modelado Candidato a Magister mi maestría en
de Marketing y Gestión Comercial de EOI predictivo, segmentación de clientes, minería Data Science Estadístico de la UNMSM
España. Profesional de Ingeniería Estadística de datos y big data. Experiencia en áreas de perteneciente al quinto superior en grado
de la Universidad Nacional de Ingeniería. Con análisis de negocios resolviendo problemas académico, , el área que me apasiona, en la
cerca de 10 años de experiencia en proyectos comerciales de banca, telecomunicaciones, universidad Ricardo Palma con pasantías en
de Business Intelligence, CRM y Data Mining. venta minorista y gobierno, utilizando análisis la Universidad ITAM de México y la Pontificia
Se ha desmpeñado en diferentes empresas de avanzados, minería de datos y entrenador Universidad Javeriana de Colombia. Co-
banca y telecomunicaciones como Telefónica, estadístico para ejecutivos. Especialista en fundador de San Marcos Data Science
Banco Interbank, BBVA Banco Continental y análisis de negocios e ingeniería estadística. Community, comunidad dedicada a promover
JNE. Actualmente como Director Ejecutivo de la investigación de los estudiantes de la
DMC, empresa dedicada a la capacitación en UNMSM en temas como Data Science, Big
Big Data y Business Analytics. Data, Machine Learning, Data Mining, etc.
DATOS IMPORTANTES
Duración: 4 meses
Lugar: Laboratorio DMC. Jr. Río de la Plata 167. Of. 203. San Isidro.
Requisitos:
• Conocimientos básicos en conceptos estadísticos, uso de R y/o Python.
Proceso de admisión: Enviar CV a capacitacion@dmc.pe
INFORMES
Teléfono: (511) 253- 5066
Celular: 975491764
Correo: capacitacion@dmc.pe
Web: www.dmc.pe
Dirección: Jr. Río de la Plata 167. Of. 203 - San Isidro.