DEPARTAMENTO

DE POSGRADO Y
EDUCACIÓN CONTINUA

EDUCACIÓN CONTINUA
CICLO 2018

DIPLOMATURA EN BIG DATA

Y ANALYTICS APLICADOS
A LA INDUSTRIA DEL
PETRÓLEO, GAS Y ENERGÍA
BREVE INTRODUCCIÓN
La cantidad de datos generados por las distintas aplicaciones en las distintas industrias,
ha abierto en estos últimos a generados por las distintas aplicaciones en las distintas
industrias, ha abierto en estos últimos años una ventana de oportunidades inmensa. Las
empresas han encontrado que oculto en los grandes volúmenes de datos almacenados
y/o disponibles existe un gran valor que puede ayudarlos a mejorar y/u optimizar su
negocio.
Las empresas de Petróleo, Gas y Energía no son ajenas a esta situación y los volúmenes
de datos que pueden manejar pueden ser considerados como “Interesantes”, en cuanto al
cómo manejarlos (almacenarlos, procesarlos y extraer valor oculto en ellos).
El presente programa ofrece a los cursantes de la Industria del Petróleo, Gas y Energía la
posibilidad de acercarse de una manera teórico practica a un conjunto de nuevas
tecnologías y conocimientos que aportan estas capacidades de gran valor para su
industria.

CARACTERÍSTICAS DE LA DIPLOMATURA
La diplomatura tiene un carácter TEORICO-PRACTICO. En las clases se trataran distintos
tópicos relacionados a BIG DATA y ANALYTICS y se presentaran ejemplos y/o casos de
uso y/o aplicación.
Se realizaran dos Workshops, uno en las primeras semanas de la Diplomatura con
Expositores Invitados y uno al finalizar la Diplomatura en el cual los alumnos presentaran
un trabajo realizado por ellos (Monografía, Trabajo Teórico o Práctico) en el cual se
demuestren alguno/s de los conceptos, problemas encontrados en un proceso y/o
resultados obtenidos al aplicar los mismos a un sector de estas industrias.

DESTINATARIOS
Ingenieros de Producción, en Reservorios, Geólogos, Físicos, Petrofísicos, Geofísicos,
Ingenieros Químicos, Ingenieros Industriales, especialistas en IT, Economistas,
Contadores, y cualquier profesional interesado en cómo aplicar estas técnicas en la
industria del Petróleo, Gas y Energía.

PROGRAMA

Módulo 1: Introducción Conceptual y Definiciones (2 Clases – Total 7 hs. Teoría)

Objetivos:
Introducir un lenguaje de uso común y lo conceptos básicos de las disciplinas.

Contenidos:
Objetivos de la Diplomatura, Metodología y Temáticas a tratarse.
Datos, Información, Conocimiento y Sabiduría: Definiciones, Curva de Valor, Datos
Estructurados y No Estructurados. Relación entre Datos, Hechos y Problemas.
Definiciones de Modelo y Patrón.
Definiciones de Iteratividad e Interactividad.
Conceptos de Probabilidades y Estadística: Probabilidad, Riesgo e Incertidumbre,
Discriminación y Concentración, Correlación y Causalidad. Lo Univariado, Univariante,
Multivariado, Multivariante, Paramétrico y No Paramétrico.
Orden y Complejidad. Entropía e Información.
Distribuciones.
Definiciones de Big Data, Analytics, IIoT, Fast Data y CEP.
Herramientas: HDFS, Map Reduce, Spark. Machine Learning, Visualización de
Información, Simulación, Inteligencia Artificial. Asociación, Segmentación, Inferencia,
Predicción y Pronósticos.
Control Estadístico de Procesos, OPC y SCADA.
Metodología. Identificación y Valoración de Problemas y Soluciones. Estrategia de
Planificación.

Módulo 2: Etapa e Entendimiento (2 Clases – Total 4,5hs Teoría + 2,5 hs Práctica)

Objetivos:
Trabajar sobre la primera etapa de la Metodología y comenzar a conocer las
herramientas.

Contenidos teóricos:
Entender: Reglas, Características y Naturaleza del Problema.
Objetivo y Objetivo Técnico.
Fuentes de Datos: Diccionario, Disponibilidad y Calidad. Exploración y Visualización de
Datos. Algunas Técnicas de Visualización de Información. Datos Necesarios y Datos
Disponibles.
Nomenclatura Única. Integridad e Integración.
Gobernanza de Datos. Single True Point.

Contenidos prácticos: Introducción a R, Rstudio, Herramientas de Visualización.

Workshop de Problemáticas de la Insdustria (8Hs – Día Sábado): Actores Invitados de

la Industria nos contaran problemáticas y posibles casos de aplicación de estas técnicas a
la resolución de problemas de negocios.

Módulo 3: Preparación de Datos (5 Clases – Total 10,5hs Teoría + 3,5 hs Práctica)

Objetivos:
Dar una aproximación a las técnicas utilizadas para tratar datos de la industria.

Contenidos teóricos:
Fuentes de la Industria 1 - Información Sísmica. Que se mide? Que podemos esperar y
obtener. Preparación de Datos Sísmicos 1. Por qué Analytics sobre Datos Sísmicos?
Fuentes de la Industria 1b - Técnicas de Preparación de Datos Sísmicos en Analytics.
Data Management: Problemas de Gestión de Datos en la Industria. Diversidad de
Fuentes. Como integrar datos Diversos. Técnicas y Conceptos.
Técnicas de Procesamiento de Datos para Analytics: Data Cleansing, Datos Nulos y
Recodificación. Técnicas de Preparación de Datos para Analytics. Visualización de
Información como Soporte a la preparación de Datos. Preparación de Datos Orientada al
Objetivo.
Selección de Variables: Técnicas. Muestreo.
Plan de Procesamiento de Datos.

Contenidos prácticos:
Procesamiento de Datos con R. Definición del Trabajo Practico.

Módulo 4: Técnicas de Modelado (10 Clases – Total 21,5hs Teoría + 13,5 hs Práctica)
Objetivos:
Dar una aproximación a las técnicas de Modelado utilizadas en Analytics para tratar
problemas de la industria.

Contenidos teóricos:
Visualización de Información y Exploración de Datos.
Técnicas Descriptivas: Reglas de Asociación. Secuencias. Segmentación.
Análisis de Correlación. PCA.
Técnicas de Inferencia: Pruebas de Hipótesis. Qué Son? Para que Sirven?
Mecanismo General. Algunos Ejemplos.
Predicción: Conceptos. Estimación y Clasificación. Técnicas de Estimación Predicción:
Técnicas de Clasificación.
Pronósticos: Características Relevantes a ser modeladas. Intervalos de Confianza. Test
de Hipótesis. Técnicas: Suavizados, Regresiones y Autoregresiones, ARIMA, Redes
Neuronales.
Otros Tópicos de Modelado: Conceptos Introductorios a SNA, TEXT MINING, WEB
MINING, OPINION MINING, PROCESS MINING, DEEP LEARNING
Simulación: Conceptos y Técnicas. Método Montecarlo.

Contenidos prácticos:
Práctica de Visualización.
Procesamiento de Datos con R 4. Visualización de Información II. Consultas sobre
Trabajo Practico.
Taller de Modelado I. Seguimiento de Trabajos Prácticos.
Taller de Modelado II. Seguimiento de Trabajos Prácticos.

Módulo 5: Evaluación de Modelos (2 Clases – Total 3,5 hs Teoría + 3,5 hs Práctica)

Objetivos:
Dar una aproximación a las técnicas de Evaluación de Modelos utilizadas en Analytics
para tratar problemas de la industria.
Contenidos teóricos:
Evaluación: Que se evalúa y Cómo? Técnicas de Evaluación. Métricas: GANANCIA, LIFT,
KS, INDICE GINI, ROC. Varianza Intra y Extra. Ganancia de Información. Estabilidad.
Tablas de Contingencia.

Contenidos prácticos:
Desarrollo de Trabajo Práctico y Delineamiento de Presentación.

Módulo 6: Implementación, Gestión y Monitoreo de Modelos (3 Clases – Total 3,5 hs

Teoría + 7 hs Práctica)
Objetivos:
Dar una aproximación a los mecanismos de implementación, gestión y monitoreo de los
Modelos utilizadas en Analytics.

Contenidos teóricos:
Métodos de implementación: Batch, On Line, Tiempo Real y Eventos.
Gestión de Modelos: Monitoreo. Métricas. Puntos de Corte. Definición de un Tablero de
Control de Monitoreo.

Contenidos prácticos:
Desarrollo de Trabajo Práctico y Delineamiento de Presentación.

Workshop de Presentación de Trabajos Prácticos (8Hs – Día Sábado): Los equipos

de Alumnos presentaran los problemas trabajados durante el programa, sus resultados y
sus conclusiones.

COORDINADOR ACADÉMICO

ESTANISLAO MARTIN IRIGOYEN

Es Socio Gerente en INTELIGENTIA SRL, empresa dedicada al desarrollo e
implementación de Soluciones Analíticas.
Se desempeñó como analista en Inteligencia de Negocios, Inteligencia Artificial y Data
Mining en el equipo de Exploración de Datos Internacional Health Services Argentina,
como Consultor y Docente en Estadística y Data Mining en SPSS Argentina y como
consultor en SAS Institute Argentina implementando soluciones basadas en Data Mining y
Analytics en las siguientes industrias: Petróleo/Gas y Energía, Manufactura, Agro
Negocios, Agro Químicos, Retail, Farmacéutica, Bancario/Financiera, Salud, Logística,
Telefónicas, Seguros, Medios, etc.
A lo largo de su carrera a desarrollado y/o implementado diversos algoritmos y/o técnicas
de análisis de información, de procesamiento en tiempo real y/o de grandes volúmenes de
datos.
Ha sido docente auxiliar en carreras de grado en la Universidad de Buenos Aires en
materias de Cs. Físicas, Cs. Económicas y en materias de Data Mining e Inteligencia
Artificial en Cs de la Computación. Ha sido docente en diversos programas de extensión y
postgrado en el IAE, en la UAI, en CAECE y en la UB en temáticas de Data Mining,
Analytics y Big Data.
Se desempeñó como investigador y desarrollador de tecnologías en el Instituto Nacional
de Tecnología Industrial (INTI), como Becario de Investigación en la Comisión de
Investigaciones Científicas de la Provincia de Buenos Aires (CIC) y en la Fundación
Techint/UBA.

CUERPO DOCENTE

ESTANISLAO MARTIN IRIGOYEN

PABLO ANICICH:
Licenciado en Ciencias Físicas de la Facultad de Ciencias Exactas de la Universidad de
Buenos Aires.
Ha desarrollado su actividad profesional en Empresas de primera línea de la industria del
petróleo y el gas desde el año 1998, en el área de procesamiento de datos de sísmica de
reflexión 2D y 3D, marinos y terrestres. Esta actividad involucra el uso de algoritmos
provenientes de todas las ramas del conocimiento: procesamiento de señales, estadística
univariada y multivariada, análisis numérico, de series de tiempo, algoritmos de
aprendizaje automático, análisis de Fourier y descomposiciones multiresolución, entre
otros.
Se desempeñó en empresas como Schlumberger, Veritas dgc., CGG, Paradigm
Geophysical trabajando en proyectos para Repsol-YPF, Panamerican Energy, Tecpetrol,
YPFB-Chaco, British Petroleum, Pluspetrol, entre otras.
A lo largo del tiempo ha desarrollado algoritmos propios para análisis, control de calidad y
visualización de datos, usando técnicas analíticas y ciencia de datos. Actualmente se
desempeña como Geofísico Principal en TOTAL AUSTRAL.
Los módulos podrán ser dictados por todos o algunos de los docentes mencionados en
forma indistinta. La Universidad se reserva el derecho de realizar cambios en el cuerpo
docente que considere pertinentes.

RICARDO SCHIFINI:
Doctor en Ciencias Físicas por la Pontificia Universidade Católica do Rio de Janeiro y
Licenciado en Fisica de la UBA.
Se desempeñó durante 13 años como Investigador en el centro de R&D de Tenaris, líder
mundial en la producción de tubos de acero sin costura. Posee una patente sobre un
diseño innovador de soldadura. Alcanzando el grado de Senior Researcher.
Actualmente se desempeña como Data Engineer en INTELIGENTIA SRL de manera
independiente y como mentor de HTML, CSS y Javascript del proyecto Digitalers de
Telecom y Acamica, dirigido a jóvenes de bajos recursos.
Ha sido docente en la UBA, PUC-RJ y el CBC en materias de Análisis, Algebra y
Laboratorios de Física.
MARCOS PEREYRA
Se ha desempeñado como DBA y desarrollador de Software en MG Oil&Gas, como
Analista Gis en Petrolifera Petroleum, como Sr. Data Managment Resource en Gran
Tierra Energy.
En la actualidad forma parte del equipo de Geología, Geofísica e Ingeniería de Madalena
Energy, generando y administrando proyectos de software específicos de la industria en el
Upstream de Petróleo y Gas siendo el referente técnico en la Planeación, Administración
de datos técnicos y bases de datos georreferenciadas.
Ha desarrollado proyectos en Argentina, Perú, Colombia y Canadá.
Estudio análisis de sistemas en UnTref y Administración de Empresas en el Instituto
Universitario Aeronáutico.

Los módulos podrán ser dictados por todos o algunos de los docentes
mencionados en forma indistinta. La Universidad se reserva el derecho de realizar
cambios en el cuerpo docente que considere pertinentes.

CONSIDERACIONES GENERALES

INICIO
3 de Mayo de 2018

FINALIZACIÓN
6 de Diciembre de 2018

DURACION
El curso tiene una duración de 84 horas reloj.

MODALIDAD
Jueves de 18:15 a 22:15 h

SEDE DE DICTADO
Microcentro

ASISTENCIA MÍNIMA:
75 % de las clases.

METODOLOGÍA
Clases Teóricas y Prácticas. Desarrollo de un Proyecto y/o Monografía tratando a una
problemática de industria con las técnicas y métodos aprendidos en la Diplomatura.

APROBACIÓN
Presentación de un trabajo práctico y exposición del mismo en el Workshop Final.
CERTIFICACIÓN:
La Universidad de Belgrano, extenderá el respectivo Certificado, a quienes aprueben el
trabajo final y cumplan con la asistencia mínima requerida. A aquellos alumnos que
posean título de grado se les otorgará certificado de aprobación de la Diplomatura; a
aquellos alumnos que no cumplan con dicho requisito se les entregará certificado de
aprobación de Curso de Actualización Profesional.

Todos nuestros programas deberán contar con un cupo mínimo de alumnos

matriculados para su apertura. En caso de no reunir el número indicado al cierre de
inscripción, la Universidad se reserva el derecho de posponer o suspender el inicio
de la actividad.