Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Berkeley Ciencia de Datos Feb21
Berkeley Ciencia de Datos Feb21
Miedo a la disrupción. He aquí un sentimiento bastante común en el panorama actual de los negocios: miedo
a que una compañía más inteligente y más ágil aproveche los datos de tal forma que obtenga una ventaja
competitiva. Para combatir este temor, muchos líderes de opinión, incluyendo los de Berkeley Executive
Education, creen que todas las compañías deben empezar a pensar en sí mismas como “compañías de
datos”, pues es esa capacidad la que realmente las llevará a tener mejores rendimientos.
Invertir en Big Data y tecnologías relacionadas no tiene precedentes. Sin embargo, de acuerdo con una
investigación de New Vantage Partners, solo el 48% de las compañías dice que compite en el campo de la
analítica de datos; solo 31% ha logrado crear una organización impulsada por los datos, y solo el 28%
cuenta con una cultura forjada sobre datos. El reto de aprovechar el potencial del Big Data no recae en la
tecnología en sí misma, sino en la transformación de la gente, la cultura y los procesos.
Prepárate para ensuciarte las manos con datos a lo largo de este programa. Ciencia de Datos: Vinculando
los Principios con la Práctica, de Berkeley Executive Education, ayuda a los administradores de negocios
a entender qué es la ciencia de datos y la analítica, así como muchas de las técnicas más comunes para
manipular y analizar datos. Al final del programa serás capaz de trabajar eficientemente con ciencia de datos
y equipos de analítica para la toma de decisiones y para obtener resultados exitosos en tu organización.
APRENDIZAJES CLAVE:
Adopta una mentalidad impulsada por datos
• Aprende a hacer las preguntas adecuadas a los datos.
• Emplea técnicas comunes para convertir los datos en conocimientos clave para el negocio.
• Descubre qué método utilizar para responder preguntas específicas del negocio.
Durante este viaje de aprendizaje online a lo largo de 10 semanas tendrás contacto directo con profesores de
Berkeley Executive Education, líderes de la industria y colegas de muchas partes del mundo. Mediante un enfoque
riguroso y práctico, podrás analizar conjuntos de datos utilizando Jupyter Notebook, plataforma de código abierto
que usaremos para realizar análisis computacional. Aun cuando el temario está ya determinado, esta será una
experiencia de aprendizaje ágil, por lo que es posible que también haya oportunidades de aprendizaje dinámico
basadas en sucesos del mundo real.
Entrevistas con líderes de la industria que basan Laboratorios de aprendizaje, con duración de dos
sus estrategias en datos de compañías líderes semanas, que te permitirán enfocarte en tus
como Google, Oakland A’s, Uber y más. proyectos y profundizar en los datos.
Sesiones semanales, en vivo, cuyos objetivos son Ejercicios de aplicación utilizando Python en
introducir los conceptos técnicos del siguiente Jupyter Notebook para visualizar y analizar datos
módulo, brindar horas de asesoría y realizar (calificados como completos o incompletos).
revisiones de tareas en vivo. Foros de discusión moderados.
Webinars en vivo con profesores de Berkeley
Executive Education que incluyen sesiones de
preguntas y respuestas.
Haz la pregunta Describe los datos Realiza el análisis Resume los resultados
que quieres contestar y selecciona un y explora el análisis y responde a la pregunta
enfoque de análisis de sensibilidad
EJEMPLOS DE
COMPAÑÍAS E INDUSTRIA
Ejemplos de compañías:
Los profesores de Berkeley Executive Education tienen fuertes lazos con la industria, incluyendo a varias
de las firmas de tecnología más importantes, en y alrededor de Silicon Valley. El contenido del programa
está inspirado o proviene directamente de investigación y aplicaciones de compañías como:
Ejercicios de aplicación:
Campaña publicitaria de Rocket Fuel
Rocket Fuel es una empresa de publicidad digital que optimiza el marketing digital a
través de Big Data y Machine Learning. Utilizarás Python para organizar y visualizar
datos de una campaña de publicidad; después realizarás una prueba A/B para
determinar si la campaña fue exitosa o no.
Capital Bikeshare
Capital Bikeshare es una empresa de bicicletas compartidas a la que le interesa
predecir cuántos pasajeros puede llegar a tener en un día determinado. Utilizarás
Python para generar y analizar resúmenes estadísticos y para crear modelos de
regresión para intentar predecir el número de conductores de bicicletas en un día
determinado.
Nota: Todos los nombres de los productos y los nombres de las compañías son marcas registradas™ propiedad
de sus respectivos propietarios. Su utilización no implica ninguna afiliación o apoyo.
MÓDULOS DEL PROGRAMA
MÓDULO 1 MÓDULO 2
Toma de decisiones con Crear muestras de datos
modelos probabilísticos Cubriremos las definiciones clave de términos
Te daremos una introducción a los conceptos básicos relacionados con encuestas, así como métodos en
detrás de la ciencia de datos y la analítica antes de los que se utiliza el muestreo para analizar los pros
explorar los fundamentos de los datos. y contras de decisiones de negocio a través de la
exploración de muestreo, errores tipo I, errores tipo II
• Identifica la diferencia entre datos numéricos y límites de control.
y categóricos.
• Explora las formas básicas en las que los datos • Aprende a definir tipos de muestras de datos,
revelan información. variación de muestreo y calidad.
• Explora la relación entre variables categóricas • Identifica y define los conceptos básicos para el
y variables numéricas. muestreo.
• Ejemplo de la industria de la salud: Membresía • Identifica y mitiga los sesgos en muestras de datos.
HMO y visitas médicas utilizando datos agregados. • Ejemplos para ilustrar probabilidad conjunta,
• Introducción a Jupyter Notebook, Python y Pandas. marginal y condicional: Comcast, Google y Nextag.
MÓDULO 3 MÓDULO 4
Prueba de hipótesis Extrapolar información
Tomar decisiones de negocio basadas en datos
de muestras de datos
depende de hipótesis bien articuladas que, a su vez, Exploraremos los patrones lineales y curvos más
dependen de pruebas estadísticas. Cubriremos los comunes y veremos las diferentes formas de hacer
asuntos más importantes relacionados con este tema, que los datos se ajusten a modelos lineales. Una
incluyendo comparaciones estadísticas, intervalos de parte central será entender las exigencias del
confianza y márgenes de error. mercado, fijación de precios y elasticidades.
• Identifica los principios básicos de la experimentación. • Identifica las condiciones para utilizar e interpretar
• Identifica y discrimina entre pruebas estadísticas patrones lineales y curvos.
de un lado y de dos lados (bilateral). • Examina patrones curvos (no lineales)
• Completa conjuntos de problemas utilizando el modelo aplicados al peso de un vehículo y a la eficiencia
4M (Motivación, Método, Mecanismo, Mensaje). de combustible.
• Ejemplo: 24 Hour Fitness prueba una nueva dieta • Completa conjuntos de problemas utilizando el
propia haciendo pruebas entre grupos de control modelo 4M para tarjetas de crédito y crimen,
y grupos de tratamiento. y para los precios de casas en Filadelfia.
MÓDULO 5 MÓDULO 6
Modelos básicos de regresión Modelos avanzados de regresión
El análisis de regresión simple y los modelos de Construye sobre lo básico para definir el modelo de
regresión múltiple son el corazón de las decisiones regresión múltiple y explora diferentes casos de uso.
de negocio más elaboradas basadas en datos.
Nos enfocaremos en entender cómo se utilizan estos • Discrimina entre pendientes marginales y parciales.
modelos, las suposiciones que hacen que su • Articula inferencias en el modelo de
utilización sea válida y cómo aprovechar dichos regresión múltiple.
modelos para tomar mejores decisiones de negocio. • Resume el proceso de ajuste y desarrollo
de un modelo de regresión múltiple.
• Define y aplica el modelo de regresión simple • Ejemplo financiero: desarrolla un modelo de
e identifica las condiciones para utilizarlo. regresión múltiple, cuyo objetivo sea explicar
• Aplica e interpreta intervalos de predicción. los retornos en las acciones de Sony.
• Identifica los tres problemas principales que afectan • Ejemplo de recursos humanos: analiza datos
los modelos de regresión: cambiar la variación de de salarios utilizando MRM para identificar
los datos, valores atípicos y dependencia entre desigualdades de género.
las observaciones.
• Ejemplo de ventas: utiliza modelos de regresión
para determinar la ubicación de una franquicia.
MÓDULO 7 MÓDULO 8
Pronóstico de Machine Learning Desarrollo de equipos efectivos
Dejaremos de lado el mito del Machine Learning,
en ciencia de datos
aprendiendo lo básico y estudiando diferentes Con los conceptos clave y algunas de las
aplicaciones. herramientas más utilizadas, concluiremos
profundizando en las competencias que definen a los
• Comprende la diferencia entre aprendizaje equipos de ciencia de datos eficientes y aprendiendo
supervisado, semisupervisado y no supervisado. cómo construir una cultura basada en datos en
• Examina los diferentes enfoques de Machine tu organización. Se hará hincapié en las posibles
Learning, incluyendo el método de la “bolsa de dificultades y se diseñarán estrategias para trabajar
palabras” para aprendizaje supervisado, de manera efectiva con científicos de datos.
• Practica la realización de pronósticos utilizando
regresiones de series de tiempo. • Revisa los requerimientos para el desarrollo
• Ejemplo de ciberseguridad: Machine Learning para de un equipo efectivo de ciencia de datos.
• Continúa con el desarrollo de una cultura basada
detección de spam.
en datos.
• Ejemplo de publicidad Rocket Fuel: tasas de
conversión, beneficios, ROI, costo de oportunidad
y prueba A/B.
Nota: Para poder ayudarte a explorar algunas de las técnicas que te llevarán a tomar mejores decisiones basadas en datos,
se llevarán a cabo laboratorios de aprendizaje con duración de dos semanas para que tengas la posibilidad de profundizar
más en los datos. Esto es parte de las 10 semanas de las que consta el programa en su totalidad.
PROFESORADO
STEVE TADELIS
Catedrático en Negocios de James J.
and Marianne B. Lowrey, Haas School of Business
Antes de Berkeley Haas, Steve fue profesor asistente en la Universidad de Stanford por ocho años.
Steve también ha ocupado posiciones como director senior y economista distinguido en eBay Research
Labs (2011-13) y fue vicepresidente de Economía y Diseño de Mercado, en Amazon (2016-17), en donde
aplicó herramientas de investigación económica a una variedad de productos y aplicaciones de negocio,
trabajando con tecnólogos, científicos especializados en Machine Learning y líderes de negocio. A la
fecha, sigue como asesor de medio tiempo de Amazon como Amazon economist fellow.
CERTIFICADO
Una vez completado satisfactoriamente el programa, Berkeley Executive Education otorga un certificado
digital verificado a los participantes. El programa se califica como aprobado o no aprobado. Los
participantes deben completar como mínimo el 80% del curso para obtener el certificado.
Nota: Una vez que completes satisfactoriamente el curso, se te enviará el certificado digital a tu correo electrónico
con el nombre que utilizaste en tu registro. Todas las imágenes del certificado son meramente ilustrativas; la forma
de verse el certificado puede cambiar a discreción de Berkeley Executive Education.
SOBRE EMERITUS
DURACIÓN Berkeley Executive Education colabora con el proveedor
de educación en línea EMERITUS, para ofrecer
10 semanas un portafolio de cursos online de alto impacto. Estos
6–8 horas por semana* programas apuntalan a Berkeley Executive Education
como líder en práctica administrativa desarrollada después
de años de investigación, enseñanza y aplicación.
COSTO DEL PROGRAMA Al trabajar con EMERITUS, tenemos la posibilidad
$1,950 USD de expandir nuestras fronteras más allá de nuestros
campus, en un formato de colaboración atractivo
que nos permite mantenernos fieles a la calidad que
caracteriza a la Universidad de California, Berkeley.
Nuestros programas están diseñados para satisfacer las necesidades de diversos estilos de aprendizaje,
al tiempo que aprovechan el potencial del aprendizaje entre pares. Esto se logra a través de una
plataforma amigable que permite a los participantes navegar de forma sencilla en el contenido del
programa y así lograr sus objetivos de aprendizaje.
APRENDIZAJE REAL
Nuestro enfoque académico está diseñado
con el objetivo de traer los conceptos a la
vida real, tales como:
• Técnicas de microaprendizaje
• Aplicaciones en el mundo real
• Aprendizaje entre pares
• Enseñanza interactiva y en vivo
APRENDIZAJE CONVENIENTE
El acceso al contenido del curso es flexible y está disponible a través de múltiples dispositivos, lo que
permite a los profesionistas coordinar sus horarios y aprender de manera remota, donde sea, cuando
sea. Los participantes inscritos al programa tienen acceso a los materiales de forma modular: cada
semana se publica nuevo contenido. Los módulos del programa integran distintos instrumentos de
enseñanza como:
• Clases en video
• Foros de discusión
• Materiales para la clase: artículos, casos
• Quizzes
• Encuestas
• Tareas
Con el objetivo de personalizar los módulos del programa, se calendarizan sesiones en vivo durante el
curso, normalmente con tiempo para preguntas y respuestas. Los participantes que no puedan
conectarse a las sesiones en vivo podrán consultar las grabaciones. Nuestra plataforma de aprendizaje
líder en la industria permite a los participantes crear un perfil, conectarse y colaborar con otros
estudiantes, así como interactuar con académicos y expertos en la industria, como los líderes del
programa, coaches y los asistentes de los profesores. Usualmente las tareas están ligadas a situaciones
de la vida real, lo que hace que los conceptos se vuelven inherentemente prácticos.
APRENDIZAJE INTERESANTE
Nuestras aulas conectadas globalmente permiten a los participantes interactuar con otros colegas para
completar los trabajos y terminar el programa, enriqueciéndose culturalmente en el camino.
• Una dirección válida de correo electrónico. • Microsoft Office y programa para abrir PDF,
• Un dispositivo conectado a Internet: PC/laptop, con el objetivo de acceder a documentos
tableta o teléfono inteligente. como hojas de cálculo, presentaciones,
• La última versión del buscador de su elección para archivos PDF y transcripciones.
poder entrar a la plataforma de aprendizaje.
OTROS REQUERIMIENTOS
Algunos programas necesitan de cierto tipo de software, herramientas y aplicaciones. Se informará
a los participantes de los requerimientos adicionales en la fase de registro o cuando inicie el programa.
Nuestros asesores están disponibles para responder cualquier duda sobre los requerimientos.
CONTACTA A UN
ASESOR DE PROGRAMA
Email: admisiones.latam@emeritus.org
En colaboración con