Data Science & Business Intelligence
Fecha de inicio: Abril 2024
Duración: 7 meses
Modalidad: 100% online con clases sincrónicas (video conferencia en vivo)
Perfil de Ingreso:
Dirigido a Ingenieros civiles industriales, Ingenieros comerciales o profesionales de la
administración, así como informáticos o profesionales de las matemáticas que quieran
involucrarse en el mundo de los negocios. Profesionales que estén involucrados con las finanzas.
Profesionales relacionados con el Business Intelligence o que quieran migrar hacía estas áreas.
Profesionales que trabajen con grandes volúmenes de datos y que quieran explotar estos de
buena manera. Profesionales que vean como atractivo desempeñarse en la industria de
servicios digitales.
También pueden ingresar técnicos en el área de la informática, softwares, estadísticas,
matemáticas o cualquier área a fin con el estudio y manejo de grandes bases de datos.
Metodología:
El Diplomado en Data Science & Business Intelligence considera un plan de estudio de 5
módulos:
1. Fundamentos de Data Science,
2. Python en la ciencia de datos,
3. Procesamiento de datos y desarrollo de modelos Data Science.
4. Data Science y Machine learning
5. Proyecto Data Science & Business Intelligence)
La modalidad del programa es online con clases sincrónicas, las cuales serán realizadas los
sábados de 09:00 a 15:00 horas, bajo el siguiente detalle.
Primera sesión 09:00 – 11:00 hrs.
Break 1 11:00 – 11:30 hrs.
Segunda sesión 11:30 – 13:30 hrs.
Break 2 13:30 – 14:00 hrs.
Tercera sesión 14:00 – 15:00 hrs.
El diplomado, tiene un fuerte componente práctico, por tal motivo, se considera una
metodología de aprendizaje-enseñanza de Aprendizaje Basado en Proyectos (APB). Así cada
estudiante podrá poner en valor de forma inmediata las competencias desarrolladas en el
proceso formativo. Al inicio de cada módulo, los estudiantes podrán conocer la rúbrica de
[Link]/postgrados
Diego Portales 90, Recreo, Viña del Mar
evaluación que se utilizará y las particularidades de cada entregable.
En el caso del módulo 5, los estudiantes tendrán que consolidar el proyecto final del
diplomado; siendo capaces de mostrar cómo la Ciencia de Datos puede agregar valor al
negocio.
La nota final del diplomado corresponde al promedio ponderado de los módulos que la
componen. Se consideran los créditos de cada módulo para definir el peso sobre la nota final.
En el caso de los módulos que consideran submódulos, se calcula la nota final como un
promedio aritmético de cada submódulo.
Competencias y resultado de aprendizaje:
• Utilizar los fundamentos y herramientas de la informática y ciencias fundamentales
para aplicarla en la ciencia de datos.
• Identificar las herramientas de Data Science para resolver problemas relacionados con
predicciones, patrones y análisis de grupos con el fin de optimizar el proceso del
negocio.
• Relacionar Data Science con modelos de Machine Learning con el fin de resolver
problemas que están más allá del alcance de modelos/teóricos tradicionales.
• Desarrollar un proyecto con datos reales que permita generar un producto Data
Science y comunicar los resultados de manera precisa con el fin de responder a la
exigencia del business.
Contenidos del Programa
Módulo 1: Fundamentos de Data Science.
Descripción del módulo:
Este módulo considera aproximarse a definir la ciencia de datos y cómo ésta puede agregar valor
al negocio; se discuten diferentes casos de usos. En un segundo momento, se instalarán algunos
de los softwares fundamentales para el diplomado (Python y R). Además, se reconocerán
frameworks para realizar Ciencia de datos y conceptos relacionados a la experi mentación.
Finalmente, se profundiza en estadística computacional.
Contenidos:
Introducción al Data Science & Business Intelligence
• Qué es la ciencia de datos
• Aplicaciones de la Ciencia de datos
[Link]/postgrados
Diego Portales 90, Recreo, Viña del Mar
• Motores de recomendación y procesamiento de datos con Python
Herramientas informáticas para ciencia de datos
• Softwares para Ciencia de datos
• Framework para Ciencia de datos
• Experimentación en Ciencia de datos
Conceptos esenciales de estadística computacional
• Fundamentos de estadística
Principales herramientas en Data Mining (Minería de datos)
• Como hacer minería de datos
Módulo 2: Python en la ciencia de datos.
Descripción del módulo:
Este módulo consta de 5 semanas de clases, donde se trabajará con lenguaje Python,
entregando conceptos fundamentales de la programación para Ciencia de datos.
Contenidos:
Introducción a Python
• Python, El lenguaje más utilizado en Data Science.
• Conociendo Python. (Qué es Python y cómo se opera)
Python en la Ciencias de Datos
• Aplicaciones de Python en la ciencia de datos.
• Introducción a librerías fundamentales para Data Science con Python: numpy, scipy,
scikit-learn, pandas, pyspark, tensorflow, keras.
Manejar datos con Python
• Extraer, transformar y crear datos con Python (Librería Pandas)
[Link]/postgrados
Diego Portales 90, Recreo, Viña del Mar
Módulo 3: Procesamiento de datos y desarrollo de modelos en Data Science.
Descripción del módulo:
Este módulo consta de 4 semanas de clases, donde se trabajará con lenguaje Python,
entregando conceptos más aplicados a la minería de datos, búsqueda de algoritmos y modelos
predictivos, trabajando con datos reales.
Contenidos:
Data mining en ciencia de datos
• Aplicaciones de Minería de datos.
• Ingeniería de características para Data Science.
Datos incompletos en Data Science.
• Cómo trabajar con bases de datos incompletas.
• Qué algoritmos utilizar
Desarrollar modelos de Data Science con Python I
• Definición y aplicación de modelos predictivos: Aprendizaje supervisado.
• Definición y aplicación de modelos predictivos: Aprendizaje no supervisado y análisis
de grupos.
• Ejercicios prácticos de Python y Ciencia de datos
Módulo 4: Data Science y Machine Learning
Descripción del módulo
Este módulo consta de 4 semanas de clases, y se centrará en la toma de decisiones con
respecto al modelo más adecuado a utilizar en machine learning.
Contenidos:
Cuantificar la performance de los modelos data science
• Cuantificar la performance de los modelos de Data Science.
• Comparar diferentes modelos (conjunto de algoritmos) y decidir cuál es el modelo más
adecuado.
Cuantificar la performance de los modelos data science, ejercicios
• Ejercicios de modelos de Data Science.
[Link]/postgrados
Diego Portales 90, Recreo, Viña del Mar
Interpretar y presentar modelos de Data Science
• Explicar al Business, como funciona un modelo de data science.
• Identificar las características pertinentes al éxito de un modelo.
Módulo 5: Proyecto Data Science & Business Intelligence
Descripción del módulo
Este módulo consta de 5 semanas de clases, donde se entregará un problema o una necesidad
de optimización utilizando ciencia de datos para finalmente comunicarlo en el business.
Docentes:
Ignacio Aracena Riveros
Máster en física de la ETH Zürich, Suiza
Doctor en física de la universidad de Berna, Berna, Suiza.
Senior Data Scientist, jobCloud AG, Zurich, Senior Senior Data Scientist, Switzerland. swissQuant
Group AG, Zurich, Switzerland
Data Science consultant, Freelance, Switzerland
Eduardo Puraivan Huenumán
Profesor de Matemática, Universidad Católica de Temuco.
Magíster en Estadística, Universidad de Valparaíso. Ingeniero Civil Industrial, Universidad Viña
del Mar.
Doctorando en Ingeniería Informática Aplicada, Universidad de Valparaíso.
Pablo Ormeño-Arriagada
Doctor en Ingeniería Informática-Universidad Técnica Federico Santa María.
Magíster en Ciencias de la Computación-Universidad Técnica Federico Santa María.
Ingeniero Civil Informático-Universidad Técnica Federico Santa María.
Adriana Villa Murillo
Doctor en Estadística y Optimización, Universidad Politécnica de Valencia. UPV-España.
Magíster Scientiarum en Estadística, Universidad Central de Venezuela. UCV-Venezuela.
Profesora de Matemática, Universidad Pedagógica Experimental Libertador. UPEL-Venezuela.
[Link]/postgrados
Diego Portales 90, Recreo, Viña del Mar
