Habilidades que se fomentan

Pensamiento Sentido
Liderazgo Competitividad Colaboración
computacional humano
Contenidos atractivos y convocantes.

Vinculación de la teoría a la práctica.

Encuentros para favorecer la construcción
de nuevos aprendizajes.

Retos semanales para aterrizar los contenidos.

Acompañamiento de un grupo de Sherpas
Digitales especializados.
Sherpas Digitales
Del instructor al propulsor del aprendizaje en comunidad.
Un Sherpa Digital:
✓ Orienta el proceso de formación de los participantes a
través de la medicación en la comunidad virtual de
aprendizaje.
✓ Inspira a los jóvenes a ser mejores personas, a través del
análisis y la vinculación de los temas con el contexto
contemporáneo.
✓ Contagia a los participantes a seguir investigando sobre la
industria 4.0
✓ Fomenta la participación de los estudiantes en la
comunidad de aprendizaje.
✓ Brinda seguimiento a la comunidad, “tomando la
temperatura” del ánimo y la motivación de los
participantes para intervenir si es necesario: con nuevos
contenidos, nuevas discusiones, redirigir la discusión, entre
otros.
Componentes de
la comunidad
Puntos clave para la comunidad

In Mo
Inspiración Motivación

Pr Co
Provocación Conexión
 Ciclos formativos

General
Recomendado para estudiantes
de cualquier Carrera y semestre.
Ejes temáticos:
Especializado
• Innovación Recomendado para estudiantes de carreras
• Investigación tecnológicas / ingenierías de los últimos semestres de
• Nube la carrera. Prerequisito: haber cursado el ciclo general.
• Administración Ejes temáticos/ Certificación en:
• Producción • Análisis de datos
Tres
• Analisis de negocios meses de
• Ciencia de datos duración.

• Inteligencia artificial
 Investigación Administración Producción Nube Innovación
M: Colaboración M: Colaboración M: Colaboración M: Colaboración M: Colaboración
H: 3 H: 3 H: 3 H: 3 H: 3

Trama curricular del S: 0

M: Azure
S: 0
M: Azure
S: 0
M: Azure
S: 0
M: Azure
S: 0
M: Azure

ciclo general H: 10
S: 4
H: 10
S: 2
H: 10
S: 3
H: 10
S: 1
H: 10
S: 1
M: Analítica de M: Analítica de M: Analítica de
datos datos datos
H: 7 H: 7 H: 7
S: 3 S: 1 S: 2
M: Inteligencia M: Inteligencia M: Inteligencia M: Inteligencia
Artificial (AI) Artificial (AI) Artificial (AI) Artificial (AI)
Acotaciones: H: 4 H: 4 H: 4 H: 4
S: 1 S: 1 S: 2 S: 1
M: Seguridad M: Seguridad
M: módulo. H: 6 H: 6
H: duración del módulo. S: 4 S: 4
S: orden en el que los M: BOT M: BOT M: BOT M: BOT
participantes tomarán el H: 4 H: 4 H: 4 H: 4
trayecto. S: 3 S: 4 S: 3 S: 4
DHR: dedicación horaria M: Internet de las M: Internet de las M: Internet de las
recomendada cosas (IoT) cosas (IoT) cosas (IoT)
H: 4 H: 4 H: 4
S: 2 S: 2 S: 3
DHR DHR DHR DHR DHR
Teóricas 25hrs. Teóricas 27hrs. Teóricas 22hrs. Teóricas 22hrs. Teóricas 32hrs.
Comunidad 25 hrs. Comunidad 27 hrs. Comunidad 22 hrs. Comunidad 22 hrs. Comunidad 32 hrs.
Semanal 6 hrs. Semanal 8 hrs. Semanal 6 hrs. Semanal 6 hrs. Semanal 9 hrs.

Analista de datos
DHR
Teóricas 34.55 hrs
Comunidad 34.55 hrs
Semanal 6 hrs
•Perfil profesional que interpreta los
datos para establecer estrategias dentro
de una empresa. Recopila datos a la vez
que los analiza de forma estadística.
DHR: dedicación horaria recomendada
Se requiere el ciclo general para acceder al especializado. Anunciaremos
Analista de
negocios
DHR
Teóricas 14 hrs
Comunidad 14 hrs
Semanal 6 hrs
•Profesional con las habilidades de
análisis de requerimientos, dirección de
proyectos y ejecución de pruebas al
extraer conclusiones de los datos,
buscar recopilar y limpiar datos de
distintos orígenes. Convierte los datos
de inteligencia empresarial en
conclusiones de datos para la toma de
decisiones estratégicas.
Perfiles del Ciclo especializado
próximamente las fechas de ingreso.
Ingeniería en
Ciencia de datos
AI
DHR
DHR
Teóricas 14 hrs
Teóricas 19 hrs
Comunidad 14 hrs
Comunidad 19 hrs
Semanal 6 hrs
Semanal 6 hrs
•Profesional que realiza un análisis •Agregan funcionalidades inteligentes
avanzado para extraer valor de los de visión, vox, lenguaje y de
datos. Su trabajo puede variar Tel conocimiento a las aplicaciones, para
análisis descriptivo al análisis predictivo. ello usan los Cognitive Services.
El análisis predictivo se usa en Machine
Learning para aplicar técnicas de
modelado qué pueden detectar
anomalías o patrones punto se trata de
una parte importante de los modelos
de previsión.
 Calendario

Plan de operación
Calendario de la primera emisión: ciclo general
Abril Mayo Junio
L M M J V S D L M M J V S D L M M J V S D
1 2 3 4 5 1 2 3 1 2 3 4 5 6 7
6 7 8 9 10 11 12 4 5 6 7 8 9 10 8 9 10 11 12 13 14
13 14 15 16 17 18 19 11 12 13 14 15 16 17 15 16 17 18 19 20 21
20 21 22 23 24 25 26 18 19 20 21 22 23 24 22 23 24 25 26 27 28
27 28 29 30 25 26 27 28 29 30 31 29 30
Inicio de la difusión de la convocatoria: 13 de abril de 2020.
Inicio de inscripciones: 13 de abril de 2020
Inicio de travesía: 04 de mayo de 2020
Finalización de travesía: 22 de junio de 2020
Vinculación

Microsoft
• Provee la plataforma y
modelo de formación.
• Genera contenidos.
• Brindamos el pool de Sherpas.
• Forma a los Sherpas.
Viculación
Universidad
• Facilidades para convocar y
sumar a los jóvenes
universitarios de cualquier
carrera de la universidad.