Documentos de Académico
Documentos de Profesional
Documentos de Cultura
NOTA IMPORTANTE: Para el periodo 2023-II se ofertarán las siguientes electivas y cada
semestre se van adicionando y/o quitando algunas. Es decir, es una bosa dinámica de
electivas. Los profesores pueden variar en cada asignatura.
Ciberseguridad
Arquitectura empresarial
Series de tiempo
Marketing Analytics
Minería de datos para publicidad
Procesamiento de Lenguaje Natural
Redes Neuronales
Deep Learning (Prerrequisito Redes Neuronales) - Horario miércoles
Automatización e integración de datos para inteligencia artificial
Visualización para analítica de datos
Análisis de datos espaciales
Análisis de datos para riesgo actuarial
Análisis de datos para inversiones en renta variable
REDES NEURONALES
El curso es una introducción a la teoría de las redes neuronales artificiales (RNA), desde una
perspectiva práctica, destinado a proporcionar habilidades prácticas y fundamentales para
realizar investigaciones con RNA. Examinaremos los fundamentos del aprendizaje
automático en RNA y describiremos los principios subyacentes que hacen que las RNA sean
marcos de computación genéricos. A su vez se desarrollarán habilidades computacionales
para diseñar, entrenar, evaluar y ajustar diferentes tipos de RNA, como redes
convolucionales, redes recurrentes LSTM, mapas auto organizados, entre otras. Los
resultados del aprendizaje de los estudiantes se medirán mediante la evaluación de entregas
de clase y la realización de proyectos que desarrollen modelos de RNA para proporcionar
soluciones eficaces a problemas reales.
Contenidos
Las Redes Neuronales Artificiales (RNA) son algoritmos que ajustan ciertos parámetros de
forma automática para ejecutar de manera óptima una tarea predictiva, mediante datos de
entrenamiento y abundante poder de cómputo. Recientemente, estos algoritmos han traído
consigo una amplia gama de innovaciones de futuro, como automóviles sin conductor,
reconocimiento facial y generadores de habla similares a los humanos.
CONTENIDO
SERIES DE TIEMPO
Contenidos
La metodología de Box-Jenkins
Aplicación de la técnica
Identificación del modelo
Estimación del modelo y prueba de adecuación
Pronósticos con el modelo
Contenido
Contenido
Introducción a la visualización de datos. ¿Qué es? ¿Qué problema resuelve? ¿Por qué
es importante?
Visualización de datos cuantitativos. Un recorrido por las gráficas en R y Python.
Distribuciones, correlaciones, series: diferentes tipos de gráficos como violín,
heatmap, burbujas, boxplot.
Visualización de datos cualitativos
Visualización de texto, flujos, treemaps
Visualización de datos geográficos
Dashboard. Power BI, Google Data Studio.
Dashboard Javascript. Librería D3, Plotly, Google Chart
Introducción al desarrollo Web con Django. Creación de datasolutions.
Prerrequisitos: Programación para Analítica de Datos.
MARKETING ANALYTICS
Técnicas de pronóstico
Estudiando al consumidor
Análisis conjunto
Regresión logística
Análisis de elección discreta
Valor del cliente
Segmentación de mercado
Análisis de conglomerados
Filtrado colaborativo basado en el usuario
Filtración colaborativa
Usar árboles de clasificación para la segmentación.
Toma de decisiones en marketing
Ventas al por menor.
para el uso de los datos generados por la web desde la minería. Este curso es innovador en el
campo publicitario, porque está orientado a ver, entender y visualizar de una manera no
convencional el uso de los datos, es decir permite conocer información no trivial ni evidente,
lo que redunda en decisiones estratégicas innovadoras.
Por otra parte, el curso acerca al estudiante a la realidad de la industria, en tanto las decisiones
empresariales en la actualidad se sustentan en los datos y no solamente en la intuición. Este
curso tiene una naturaleza teórico-práctica, con un dispositivo de estudio de caso.
El proceso educativo se orienta en sala de sistemas de manera que se presenten los conceptos
teóricos del análisis de datos y puedan ser aplicados en cada sesión, generando un ambiente
idóneo para el procesamiento de datos, generación de información y producción de
conocimiento que ayude a la toma de decisiones estratégicas. Se trabaja un caso real y se
configura partiendo de un hecho o conjunto de hechos determinados que requieren ser
atendidos, por tanto, se identificará el contexto, los relatos, informaciones, problemáticas,
relacionando conceptos y desarrollando preguntas que refieran a posibles acciones para el
caso de estudio.
COMPETENCIAS
ARQUITECTURA EMPRESARIAL
En esta fase se debe dar respuesta a una serie de interrogantes, ¿Qué deberían saber,
comprender y ser capaces de hacer los estudiantes? ¿Qué contenidos valen la pena
comprender? ¿Qué comprensiones duraderas son deseadas? En esta etapa se toman en cuenta
las metas deseadas, se examinan estándares de contenidos establecidos (nacionales,
organizacionales, de la industria) y se repasan las expectativas del currículo. Se debe
establecer prioridad en la selección de contenidos para ser racionables con el tiempo asignado
al espacio académico.
Objetivos deseados:
Estándar 1: Marco abierto de trabajo de arquitectura empresarial - (OpenGroup, 2018)
1.1 Los estudiantes comprenderán el enfoque abierto proporcionado por el marco de trabajo
TOGAF para el diseño, planificación y gobierno de una arquitectura empresarial.
1.2 Los estudiantes usarán el enfoque abierto proporcionado por el marco de trabajo TOGAF para
la implementación de la arquitectura empresarial en cualquier tipo de organización.
Estándar 2: Modelo de Arquitectura Empresarial del Estado Colombiano - (MinTIC, 2019)
2.1 Los estudiantes comprenderán la estructura de MAE y como sus elementos habilitan los
propósitos de la Política de Gobierno Digital y apalancan la transformación digital de las entidades
públicas del Estado colombiano.
2.2 Los estudiantes usarán el Modelo de Arquitectura Empresarial MAE para la implementación
de la arquitectura empresarial en cualquier entidad pública del Estado colombiano.
CIBERSEGURIDAD
COMPETENCIAS GENÉRICAS
Competencias Genéricas Esperadas:
o Comprender la aplicación y la importancia de la ciberseguridad en función de
atender las necesidades de la organización y sus sistemas de información.
o Identificar las diferentes vulnerabilidades, virus o brechas de seguridad.
o Identificar las técnicas o herramientas para utilizar como contramedidas.
o Explicar los procesos de Enrolamiento, autenticación y registro.
o Explicar por qué el uso de la criptografía y la esteganografía como técnicas de
protección de la información.
o
COMPETENCIAS ESPECÍFICAS
Competencias Específicas Esperadas:
o Representar las necesidades de usuarios, clientes y otros actores involucrados en
un sistema o situación problema, formalizando la descripción adecuada,
comportamiento y características, junto con las limitaciones y restricciones
relevantes para la implementación de un sistema de información o parte de él.
o Implementar sistemas de información o parte de estos a partir de su diseño,
haciendo uso de las tecnologías de la información.
o Usar técnicas que le permitan realizar verificación y/o validación para asegurar
que un sistema de información o parte de él satisface requerimientos e indicadores
de calidad.
o Aplicar estándares y normatividad vigente como marco referencial para la
construcción o mantenimiento de sistemas de información.
Competencias para investigar
o Comprender la aplicación y la importancia de la ciberseguridad en función de
atender las necesidades de la organización y sus sistemas de información.
o Explicar los procesos de Enrolamiento, autenticación y registro.
o Explicar por qué el uso de la criptografía y la esteganografía como técnicas de
protección de la información.
Competencias para diseñar
o Identificar las diferentes vulnerabilidades, virus o brechas de seguridad.
o Identificar las técnicas o herramientas para utilizar como contramedidas.
o Aplicar metodologías y técnicas para llevar a cabo la planeación, ejecución y
seguimiento de un proyecto que involucre construcción o mantenimiento de un
sistema de información o parte de él.
o Diseñar soluciones en las que utilice modelos, estándares, técnicas,
representaciones y/o mejores prácticas que determinen la implementación de un
sistema de información o parte de él.
Usar el análisis de datos para la toma de decisiones en el ámbito específico de los seguros de
vida y las rentas de vida individuales. Abordaremos de manera no formal algunos conceptos
básicos de estas dos áreas y usaremos el software R para hacer un análisis estadístico y
estructural de datos que se usan en estas ramas del conocimiento
Introducción conceptual a los seguros de vida. Modelo continuo y discreto. Uso de R para
tarificación de seguros y anualidades. Calculo de primas de seguros (prima pura de riesgo y
prima comercial)
Estudio de caso número 2. Tarificación de seguros atípicos de vida mediante simulaciones.
Usar el análisis de datos para la toma de decisiones en el ámbito específico de las finanzas
cuantitativas orientadas específicamente en el riesgo de mercado involucrado en las
inversiones en renta variable. Abordaremos de manera no formal algunos conceptos básicos
de estas dos áreas y usaremos el software R para hacer un análisis estadístico y estructural de
datos que se usan en estas ramas del conocimiento
Introducción básica de R Studio
Instalación y secuencias básicas. Análisis estadístico descriptivo e inferencial de datos.
Análisis correlacional y pequeño repaso de la regresión lineal y análisis de series de tiempo.
Temas a abordar: