Diplomado en

Big Data para la Toma de

Decisiones (Online)
Súmate a la revolución de los datos en los negocios, en la
industria y Estado, y prepárate con una completa introducción
a los elementos críticos y prácticas del Big Data.
DIRIGIDO A
» Todo profesional desempeñándose en diversas
industrias y sectores, en la búsqueda de
potenciales beneficios en el uso de tecnologías
relacionadas a Big Data.

OBJETIVOS DE APRENDIZAJE
» Explicar los fundamentos, principios y últimas
tendencias en plataformas computacionales
relacionadas a Big Data.

» Reconocer las aplicaciones y herramientas

analíticas de ciencias de datos y estadística
para la predicción, optimización y visualización
de información.

» Formular y evaluar proyectos de aplicación de

Big Data en una organización.
ESTRUCTURA Y CONTENIDOS DEL PROGRAMA
Curso: Curso:
BIG DATA EN EMPRESAS Y ORGANIZACIONES MODELAMIENTO ESTADÍSTICO Y
SISTEMAS RECOMENDADORES

• Introducción general al Big Data en una
compañía u organización.
- ¿Qué es?
- ¿Que no es?
- ¿Quién está a cargo?
- ¿Qué debería hacer como Chief Data &
Analytics Officer en mis primeros 90 días?
• Cómo evaluar la aplicabilidad en la empresa,
tipos de problemas de negocios, datos
disponibles, ejemplos de caso de uso, armado
de un caso de negocio.
- ¿Qué proyectos son de interés?
- ¿Cuáles son los posibles?
- ¿Cómo se financian estos proyectos?
• Data Science usando Big Data como deporte
de equipo. Roles y funciones.
- ¿Cómo se arma un equipo de Data Science?
- Roles y responsabilidades.
- Habilidades necesarias.
- Estrategia de Crecimiento.
- Administración de Proyectos Digitales.
- Agile.
• Herramientas de
Big Data – Arquitectura.
- ¿Con qué herramientas se cuenta?
- Diferentes arquitecturas de Big Data:
On premise, Cloud, Híbridos.
- ¿Cómo se gobiernan los datos?
- ¿Cómo se protege la privacidad del Dato y la
Seguridad?
- ¿Son los datos suficientes y representativos?
• Modelos analíticos y herramientas.
- ¿Cuáles son los diferentes tipos de modelos de
machine learning?
- Herramientas: extracción de datos,
entrenamiento de modelos, visualización.
- ¿Cómo es el paso a producción?
• Ejemplos de casos de uso, nuevas tendencias.
• Armado de una evaluación económica de un
caso de uso.
• Preprocesamiento de datos. Calidad de datos.
- Limpieza de datos.
- Integración de datos.
- Reducción de datos.
- Transformación de datos.
• Métodos de clasificación.
- El proceso de clasificación.
- Árboles de decisión.
- Bayes ingenuo.
- K-vecinos más cercanos.
- Métodos conjuntos: Bagging, Boosting y Random Forests.
• Métodos de Agrupación.
- Definición y propiedades.
- Métodos de partición: K-means y K-medoides.
- Métodos jerárquicos.
• Sistemas Recomendadores.
- Impacto y casos importantes.
- Filtrado colaborativo.
- Filtrado basado en contenido.
- Métodos híbridos.
Curso: Curso:
VISUALIZACIÓN DE DATOS MANEJO DE GRANDES VOLÚMENES DE DATOS
(BIG DATA)

• ¿Qué es la visualización de datos? • Bases de datos relacionales.

- De qué trata la visualización. - Diversos fuentes de datos (Excel, CSV, texto plano, páginas web,…).
- Breve contexto. - Organización clásica de los datos: Bases de datos relacionales.
- Breve historia de la visualización. - Lenguaje SQL.
- Panorama de la visualización hoy. - Propiedades de una base de datos relacional: ACID.
- Una definición operativa. - Integración de los datos.
• ¿Para qué sirve la Visualización de Datos? • Bases de Datos Distribuidas.
- Visualización para amplificar el conocimiento. - Paso al mundo de Big Data (limitaciones de una base de datos relacional).
- Para qué nos sirve la visualización. - Un sistema distribuido.
- Qué queremos mostrar. - Propiedades de sistemas distribuidos: CAP y BASE.
- El proceso interactivo. - Limitaciones de sistemas distribuidos: ACID vs CAP.
- Resolución de fallas en un sistema distribuido usando el consenso
• ¿Cómo trabajar la Visualización de Datos? distribuido.
- Proceso de visualización.
- Representación: percepción. • Bases de Datos NoSQL.
- Representación: diseño y codificación visual. - Características de sistemas NoSQL.
- Qué no hacer. - Bases de datos de búsqueda: Amazon Dynamo.
- Evaluación. - Bases de datos de documentos: MongoDB.
- Bases de datos de grafos: Neo4J.
• ¿Cómo continuar la Visualización?
- Recomendaciones para profundizar. • Procesamiento Masivo de Datos.
- Herramientas recomendadas. - Distribución de los datos (Google distributed File System).
- Autores recomendados. - Map-reduce.
- Recordando los objetivos de la visualización. - Infraestructura de Apache Hadoop.
- Apache Pig: lenguaje de scripting para Hadoop.

Nota: El orden de los cursos dependerá de la programación que realice la Dirección Académica.
EQUIPO DOCENTE

ALEJANDRO JARA
Ph.D. en Matemáticas de la Universidad Católica de Leuven, Bélgica.
Profesor Asociado del Departamento de Estadísticas de la UC.

CLAUDIO MORCHÓN
Master en Ingeniería Matemática, especialidad en Ciencias y Técnicas
Estadísticas e Investigación Operativa, Universidad Carlos III de Madrid.
Contador Público y Master en Finanzas, Universidad de San Andrés.

RICARDO VEGA
Diseñador y artista, MFA Technology (Parsons, The New School, Nueva
York). Profesor de la Escuela de Diseño de la UC. Trabaja en temas relativos
a la visualización de información, programación aplicada en el diseño y el
arte, con especial énfasis en las implicancias sociales y culturales de la
tecnología.

DOMAGOJ VRGOC
Jefe del Diplomado Big Data para la Toma de Decisiones.
Doctor en Computación de la Universidad de Edimburgo, Reino Unido.
Profesor Asistente del Instituto de Ingeniería Matemática y Computacional
UC.
MODALIDAD
» Online

REQUISITOS
» Profesional universitario, licenciado o egresado de
instituto profesional.

» Dominio básico de Excel y manejo de internet a nivel

usuario.

• El programa se inicia con un quorum mínimo de participantes, se

reserva el derecho a modificar las fechas y/o profesores.
 DURACIÓN: 300 hrs. cronológicas

VALOR: $1.890.000.-
Convenio Marco ID 1580451

POSTULA EN: programas@ing.puc.cl

Contáctanos para trabajar contigo

confeccionando el programa
perfecto para tu organización.

Consulta por descuentos, facilidades de pago y convenios con tu banco para pago en cuotas.