Documentos de Académico
Documentos de Profesional
Documentos de Cultura
OBJETIVOS DE APRENDIZAJE
» Explicar los fundamentos, principios y últimas
tendencias en plataformas computacionales
relacionadas a Big Data.
• Introducción general al Big Data en una • Herramientas de • Preprocesamiento de datos. Calidad de datos.
compañía u organización. Big Data – Arquitectura. - Limpieza de datos.
- ¿Qué es? - ¿Con qué herramientas se cuenta? - Integración de datos.
- ¿Que no es? - Diferentes arquitecturas de Big Data: - Reducción de datos.
- Transformación de datos.
- ¿Quién está a cargo? On premise, Cloud, Híbridos.
- ¿Qué debería hacer como Chief Data & - ¿Cómo se gobiernan los datos? • Métodos de clasificación.
Analytics Officer en mis primeros 90 días? - ¿Cómo se protege la privacidad del Dato y la - El proceso de clasificación.
Seguridad? - Árboles de decisión.
• Cómo evaluar la aplicabilidad en la empresa, - ¿Son los datos suficientes y representativos? - Bayes ingenuo.
tipos de problemas de negocios, datos - K-vecinos más cercanos.
disponibles, ejemplos de caso de uso, armado • Modelos analíticos y herramientas. - Métodos conjuntos: Bagging, Boosting y Random Forests.
de un caso de negocio. - ¿Cuáles son los diferentes tipos de modelos de
• Métodos de Agrupación.
- ¿Qué proyectos son de interés? machine learning? - Definición y propiedades.
- ¿Cuáles son los posibles? - Herramientas: extracción de datos, - Métodos de partición: K-means y K-medoides.
- ¿Cómo se financian estos proyectos? entrenamiento de modelos, visualización. - Métodos jerárquicos.
- ¿Cómo es el paso a producción?
• Data Science usando Big Data como deporte • Sistemas Recomendadores.
de equipo. Roles y funciones. • Ejemplos de casos de uso, nuevas tendencias. - Impacto y casos importantes.
- ¿Cómo se arma un equipo de Data Science? - Filtrado colaborativo.
- Roles y responsabilidades. • Armado de una evaluación económica de un - Filtrado basado en contenido.
- Métodos híbridos.
- Habilidades necesarias. caso de uso.
- Estrategia de Crecimiento.
- Administración de Proyectos Digitales.
- Agile.
Curso: Curso:
VISUALIZACIÓN DE DATOS MANEJO DE GRANDES VOLÚMENES DE DATOS
(BIG DATA)
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.
VALOR: $1.890.000.-
Convenio Marco ID 1580451
Consulta por descuentos, facilidades de pago y convenios con tu banco para pago en cuotas.