Está en la página 1de 5

BIG DATA

SCIENCE
PROFESSIONAL

PEA
Programa de
Especialización
Analítica
Los datos Perfil Beneficios Competencias

son el idioma de este siglo, El programa está dirigido a


Ingenieros Estadisticos e
Uso de herramientas líderes
en el mercado.
Analizar grandes volúmenes
de datos para generar

y no saber tratarlos
Informáticos, Matematicos, insights accionables.
Economistas, Informáticos, Metodología basada en
Ingenieros de Sistemas, casos reales. Desarrollar modelos

es una nueva forma de Analfabetismo Administradores y carreras


afines. Plana docente compuesta
por ponentes extranjeros y
predictivos analizando
data estructurada y no
estructurada.
El programa desarrolla a profundidad líderes del sector.
las técnicas de Machine Learning y
análisis de grandes cantidades de datos. Laboratorios de cómputo.
Se usa R y Python como principales Biblioteca y centro de
herramientas. Se abordan temas de información.
análisis de datos no estructurados,
como Text Mining y Deep Learning con Fomento del pensamiento
fundamentos de aprendizaje supervisado analítico.
y/o no supervisado. Se engloba
el aprendizaje en un proyecto con Acceso a la Bolsa de
aplicación real. Trabajo especializada de
DMC.
PEA - Big Data Science Profesional

1. Soft skills
(4 horas académicas) 6. Supervised Methods
(24 horas académicas) 10. Web Scrapping and
Text Mining

Big Data
(12 horas académicas)
Se busca generar cohesión entre los El curso nos permite explorar técnicas
participantes para la realización de un de análisis predictivo avanzado para El curso presenta las técnicas más
óptimo trabajo en equipo. entender y predecir comportamientos usadas para extraer información no
futuros. El curso se desarrolla con casos estructurada desde las distintas páginas
100% prácticos basada en la experiencia webs y las técnicas para el tratamiento

Science 2. R essentials internacional del docente. del texto.


(12 horas académicas) Herramienta: Python
Herramienta: R
Este curso permite reforzar los Syllabus:
fundamentos de R, entender sus • Regresión, KNN, Naive Bayes, Redes

Professional
funcionalidades principales para ingresar Neuronales
al mundo de la Ciencia de los Datos.
Herramienta: R
• Decision Trees, Random Forest, SVM
• Comparación entre modelos
• Modelos ensamblados: bagging, boosting,
11. Data Science Project
(12 horas académicas)
Syllabus: mixtura de expertos. El curso brinda asesoramiento para
• Introducción a R plasmar en una solución tangible el
• Principales librerías usadas en Ciencia proyecto de Big Data Science
de Datos Asesorías con hitos de entrega definidos

7. Unsupervised Methods
• Principios de programación en R desde el inicio
(12 horas académicas)
El curso nos permite explorar nuevas
Programa Horas Tiempo
3. Python Essentials técnicas clustering para segmentar

12. SCRUM
Académicas: de Duración: (12 horas académicas) y encontrar insights potencialmente

Curricular 180 05 Meses Este curso permite reforzar los


fundamentos de Python, entender sus
rentables para tu organización.
Para
(8 horas académicas)

implementar soluciones de
funcionalidades principales para ingresar Herramienta: Python
Syllabus: información en la organización se
al mundo de la Ciencia de los Datos. • K means ++ necesita un marco de trabajo que lo
Workshop Projects Business Herramienta: Python
Syllabus:
• k modes
• Expectation Maximization
haga posible. El curso es un taller de
metodologías ágiles usando SCRUM
• Introducción a Python • DB Scan
(136 horas Académicas) (20 horas Académicas) (24 horas Académicas) • Principales funcionalidades en Ciencia • Mclust enfocado en proyectos de inteligencia de
de Datos negocios.
Cursos hands-on para el desarrollo Los participantes estarán Son cursos avanzados en los • Principios de programación en Python Taller vivencial de metodologías ágiles.
de habilidades blandas, técnicas acompañados por un tutor durante que se abordan casos prácticos
con softwares especializados y todo el desarrollo del PEA, además desde la perspectiva de negocio.
8. Big Data Tools and Cloud
(24 horas académicas)

4.
aplicados al Big Data. podrá compartir experiencias Sirve además para fortalecer
Statistical essentials
13. Data Visualization
con personas de diferente perfil las habilidades blandas de los (12 horas académicas)
Este curso explora los conceptos básicos
académico y laboral. participantes del procesamiento distribuido de grandes (12 horas académicas)
Este curso permite reforzar los bases de datos a través de clusters
fundamentos Estadísticos necesarios Este curso tiene como objetivo introducir
de computadores usando modelos de
para la Ciencia de Datos y Machine en los conceptos de visualización para
programación simple en entornos cloud
Learning. representar los datos de forma analítica
a través del uso de distintas tecnologías.
así como identificar la mejor forma
Herramienta: R y Python Herramienta: Hadoop, hive, spark, google
Syllabus:
de presentar los datos ante distintas
cloud, AWS, Kafka.
• Introducción a Machine Learning audiencias.
Soft skills Data Science Project Data Visualization • Análisis exploratorio de datos
Syllabus:
• Entorno Big Data, Herramienta: Tableau
• Tratamiento de Datos (crear variables, • Apache Hadoop Syllabus:
seleccionar datos, filtrar casos, identificar • Data discovery & visualization
R Essentials SCRUM Data Science Toolkitt valores Nulos Atípicos)
• Apache Hive y Apache Spark
• Proceso de visualización de datos
• Big Data e Innovación.
• Métodos de Imputación de datos perdidos • Tipologías de visualización
(KNN, medias, medianas) • Dashboards
Python Essentials • Estandarización de datos, estadística • Data story telling
inferencial.

Statistical essentials 9. Deep Learning


(12 horas académicas)

Machine Learning Inmersion 5. Machine Learning


Inmersion
El curso presenta los conceptos y
técnicas del aprendizaje automático 14. Data Science Toolkit
(12 horas académicas)
(12 horas académicas) haciendo especial énfasis en las técnicas
Este curso tiene como objetivo introducir
Supervised Methods Este curso explora desde un punto de de redes neuronales, se revisan los
en los conceptos de visualización para
vista aplicativo los fundamentos de aspectos teóricos de deep learning
representar los datos de forma analítica
Machine Learning, el entendimiento contextualizados en técnicas específicas
Unsupervised Methods para el desarrollo de proyectos de
así como identificar la mejor forma
de como funcionan los algoritmos de de presentar los datos ante distintas
aprendizaje automático. aprendizaje automático a través de
audiencias.
Big Data Tools and Cloud Herramienta: R y Python
ejemplos prácticos. Herramienta: Linux / Python / Git
Syllabus: Herramienta: Keras / Tensorflow Syllabus:
Syllabus: • Creación de un repositorio github
Deep Learning & Text Mining • Introducción a Machine Learning.
• Conceptos básicos • Fundamentos de las redes neuronales • Pipelines
• Tipos de aprendizaje (ML, Statistical • Introducción a las redes neuronales • Entornos self learning
• Fundamentos de Deep Learning
Web scraping and text mining Learning)
• Otros tipos de aprendizaje (supervisado, • TensorFlow / Keras.
no supervisado, por refuerzo)
Herramientas: • Casos de éxito de ML, ML on premise /
in cloud
Docentes DMC - Nacionales

MBA Jonny Chambi Ing. Arturo Rojas Ing. Laren Osorio Toribio
Jefe de CVM, Entel Perú. Sub Gerente de Big Data Engineer en el
Universidad Peruana de Soluciones Business laboratorio de Big data y
Ciencias Aplicadas. Intelligence - BCP. Analytics en el BCP.

MBA de la UPC. Master Europeo en Dirección Ingeniero de Sistemas de UNI, 15 años de Investigador en soluciones de DataScience
de Marketing y Gestión Comercial de EOI experiencia en soluciones, arquitectura y Big Data. Desarrollador de Proyectos de
España. Profesional de Ingeniería Estadística y procesos de Business Intelligence & Minería de datos. Formulador de estrategias
de la Universidad Nacional de Ingeniería. Con Analytics. SCRUM Master (CSM) con comerciales para el despliegue de Modelos
cerca de 10 años de experiencia en proyectos amplia experiencia en pensamiento LEAN, Analíticos. Experiencia en la mejora de
de Business Intelligence, CRM y Data Mining. técnicas de Programación Neurolingüística Procesos, Planeamiento Estratégico y
Se ha desmpeñado en diferentes empresas de - PNL, coaching ontológico y Neurociencia. Business Intelligence. Manejo de software
Banca y Telecomunicaciones como Telefónica, Actualmente se desempeña como Sub necesario para el apoyo en la toma de
Banco Interbank, BBVA Banco Continental y Gerente de soluciones Business Intelligence, decisiones, como el Rapid Miner, Python,
JNE. Actualmente como Director Ejecutivo de Technical Lead - SCRUM MASTER Data R - Statistics, SPSS Modeler, SQL Server
Warehouse Banco de Crédito del Perú (BCP). Business Intelligence, Mongo D.B, Tableau.
DMC. Empresa dedicada a la capacitación en
Big Data y Business Analytics.

MSc. Vilma Romero MSc. Jesus Salinas Ing. Oscar Barrientos


Docentes DMC - Internacionales Docente y Consultor, Profesor Technical Leader at
Co-organizadora en Principal en Universidad Interbank
R-Ladies Lima. Nacional Agraria La Molina

MSc. en Estadística por la Universidad Ingeniero Estadístico de la Universidad Ingeniero de Sistemas Colegiado de la
de Lancaster (Reino Unido) e Ingeniera Nacional Agraria La Molina y Magister en Universidad de Lima certificado en SAP
CONTAMOS CON EXPERTOS DE LA ANALÍTICA DE Estadística de la Universidad Nacional de Ingeniería Industrial, mención en Gestión BusinessObjects y Tableau Software,
con sólida experiencia en Inteligencia de
DATOS, CON UNA RECONOCIDA TRAYECTORIA Ingeniería (UNI). Actualmente, es Docente Industrial de la Universidad Nacional Mayor de
Negocios, Sizing e Implementación.
en la Escuela Profesional de Ingeniería San Marcos. Ha sido director del departamento
INTERNACIONAL, COMPROMETIDOS CON EL Estadística de la UNI, Docente de Minería de académico de Estadística e Informática de
Mejores prácticas y soporte de las herramientas
de inteligencia de negocios líderes en el
Datos en la Universidad ESAN y Docente en la Universidad Nacional Agraria La Molina.
DESARROLLO PROFESIONAL DE LOS ALUMNOS. el Programa de Especialización en Business Actualmente se desempeña como profesor
mercado como SAP BusinessObjects,
Tableau Software y QlikView.
Intelligence & Business Analytics en principal en el departamento académico Docente a tiempo parcial en la Universidad
SEUPROS, FIEECS-UNI. Además, es Co- de Estadística e Informática y docente en Peruana de Ciencias Aplicadas sobre los
Organizadora del capítulo “R-Ladies Lima”, la maestría de Estadística Aplicada de la cursos Sistemas de la Información, y Business
parte de un movimiento global que promueve UNALM. Además, docente en la maestría en Intelligence & Predictability.
la diversidad de género en la comunidad R. Ciencia de los Datos de la Universidad Ricardo Docente de Diplomados en institutos de
Realizó dos proyectos de investigación con Palma. Sus áreas de interés son el análisis renombre.
el Instituto Francés de Investigación para el multivariado y el reconocimiento estadístico
Desarrollo (IRD) e IMARPE, y contribuyó al de patrones.
paquete R “ImarpeTools”.
PhD. Alex Rayón (ESP) PhD. Edwyn Aldana (MEX)
Vice-Rector for Consejo Nacional de
International Relations at Ciencia y Tecnología-
Deusto University. CONACYT. André Chávez MSc. Jimmy Salazar Ing. Dennis Barreda
Senior Data Scientist at Especialista de Product Leader/Big Data
Actualmente Vicedecano de Relaciones Ingeniero de Sistemas y Computación de la Interbank. Inteligencia Analítica en Engineer en Banco de
Externas y Formación Continua de la Facultad Universidad Distrital Francisco José de Caldas
BBVA. Crédito BCP.
Deusto-Ingeniería y director de Deusto Data. (Bogotá-Colombia). Maestría en Ciencias de
Es también profesor del área de economía y la Computación en la Universidad Nacional Experiencia en mas de 6 años trabajando
transformación digital, tanto en la Facultad Autónoma de México (UNAM). Doctorado Actualmente Senior Data Scientist en en áreas analíticas, desempeñándome en Bch. en Ciencias de la Computación, con
de Ingeniería como en la Business School en Ciencias de la Computación en la misma Interbank. Estadístico de la UNMSM herramientas de data mining y proyectos en fuertes habilidades de programación.
de la Universidad de Deusto. Es además, universidad (UNAM). Impartió cursos de perteneciente al Quinto Superior en grado plataforma Big data. Actualmente trabajo en Alta adaptabilidad a diferentes idiomas,
consultor, conferenciante y divulgador de Programación Lineal, Programación Dinámica, académico. Culminando maestría en Data el área de Inteligencia Analítica en el BBVA conocimientos en C ++, C # .Net, Visual Basic
Big Data, Industria 4.0 y Economía Digital, Procesos Estocásticos en el programa de Science en la Universidad Ricardo Palma, con Continental, responsable en el desarrollo .Net, R y actualmente desarrolla en Python.
habiendo dirigido e implantado proyectos de Matemáticas Aplicadas de la UNAM. Se pasantías en la Universidad ITAM de México de modelos comercial, calibración y Disfruta trabajando con datos, haciendo
Big Data en grandes y medianas empresas, desempeñó en diferentes empresas tanto de y la Pontificia Universidad Javeriana de modelos predictivos, leyendo sobre el estado
seguimiento. Msc Data Scientist Practitioner.
tanto en España como en Latinoamérica, gobierno como del sector privado en las áreas Colombia. Cofundador de San Marcos Data del arte del aprendizaje automático.
UNIR - Universidad Internacional de la Rioja
de Ingeniería de Software, Bases de Datos y Science Community, comunidad dedicada a
y en diferentes sectores de actividad (España). Especialización Aplicación de
Análisis Cuantitativo de Procesos. promover la investigación de los estudiantes
económica (industria, consumo, marketing, instrumentos de Bloomberg para análisis de
de la UNMSM en temas como Data Science,
administraciones públicas, etc.) mercado. ESAN (Perú). Ingeniero Estadístico
Big Data, Machine Learning, Data Mining, etc.
UNI - Universidad Nacional de Ingeniería
(Perú) Nota: Todos los profesores mencionados están
relacionados al programa de especialización. No
necesariamente podrían desarrollar una clase.
CERTIFICACIÓN
• Machine Learning Specialist.
• Data Science Professional.
• Big Data Executive

DATOS IMPORTANTES
Duración: 5 meses
Lugar: Laboratorio DMC. Jr. Río de la Plata 167. Of. 203. San Isidro.
Requisitos:
• Conocimiento de algún software informático o estadístico.
• Conocimiento de programación básica de preferencia.
• Dos años de experiencia laboral orientado a áreas de Business Intelligence
(sin contar prácticas profesionales).
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.

También podría gustarte