Educación Continua

Personas que están a cargo de tomar decisiones y que observan potenciales beneficios en el uso de tecnologías relacionadas a Big Data, quienes buscan incrementar significativamente las ventajas competitivas en su organización. En particular, el diplomado está orientado a un amplio rango de profesionales en áreas de gestión, finanzas, comercial, marketing en múltiples sectores desde salud hasta banca.

Profesional universitario, licenciado o egresado de instituto profesional con dominio básico de Excel y manejo de internet a nivel usuario.

- Aplicar las técnicas de procesamiento masivo de datos en un contexto laboral de diversas industrias.
- Analizar casos específicos de usos del big data desde la perspectiva del administrador de la información y de quien recibe las recomendaciones que se generan de ella.

Nombre del curso: Casos de Estudio del Big Data
Resultados de Aprendizaje

Al finalizar este curso los/las estudiantes debieran ser capaces de:

1. Aplicar las principales lecciones de gestión a través del uso aplicado de Big-Data en distintas industrias.
2. Identificar la aplicación de soluciones del Big-Data en contextos reales de la organización.
3. Guiar la utilización de técnicas de procesamiento masivo de datos en el contexto laboral.
4. Estimar los beneficios y desafíos de la implementación de proyectos del Big-Data en la empresa y organizaciones

Contenidos:
-                 Big-Data en la Industria Bancaria

• Realidad Actual y Data Scientists
• Computación cognitiva y los desafíos de la banca
• Objetivos centrales de la banca
• Caso aplicado: Royal Bank

-                 Big-Data en E-Commerce

• Tendencias del E-Commerce
• Recomendación de ventas
• Detección de fraudes
• Predicción de deserción de clientes
• Caso aplicado: Amazon

-                 Big-Data en Salud

• Uso de datos clínicos electrónicos
• Atención de urgencia con Big Data
• El problema del fenotipo
• Caso aplicado: Clinical Time

-                 Gestión de Equipos Humanos utilizando Big Data

• Aplicación en modelos de evaluación de disposición y satisfacción de colaboradores
• Administración de la tasa de rotación y riesgo de fuga laboral en la organización
  
  Metodología de enseñanza y aprendizaje:

Se utilizará una plataforma basada en Moodle, el cual es un LMS (Learning Management System) utilizado ampliamente en e-learning. A través de esta plataforma se realizará la entrega de contenidos, la evaluación y el aprendizaje a través de la interacción entre los alumnos y entre ellos con los tutores expertos.
Respecto al enfoque metodológico se utilizarán una serie de recursos de aprendizaje, donde se unifiquen elementos cognitivos y conductuales. Este enfoque utiliza como principal recurso al storytelling, es decir, la palabra como fuerza generadora de realidades.

El storytelling ayudará a conceptualizar la importancia actual que tiene el Big Data y su estado del arte en el concierto mundial, a través de un relato consistente y poderoso frente a adultos profesionales, que se asume cuentan con poco tiempo y que necesitan entender de manera más didáctica cómo afecta, en términos concretos, este tema en su vida laboral. Por su parte, el formato scribbling constituye una de las herramientas concretas del storytelling, efectivo a la hora de convertir conceptos difíciles o que incluyen mucha información, en diagramas fáciles de entender.

Cada curso estará constituido por cápsulas de aprendizaje, comenzará con una animación inicial que contextualice el planteamiento del curso mediante el formato scribbling (de acuerdo a la lógica del storytelling) y que genere el proceso inicial de motivación de toda la temática. Luego se ahondará respectivamente en cada cápsula utilizando la mencionada voz en off grabada en estudio profesional, incluyendo videos de profesores editados y montados con recursos gráficos de apoyo.

Adicionalmente, se incorporan otras herramientas que apoyarán este recurso como el caso de actividades formativas vinculadas a videos ya existentes sobre el tema, como el caso de TED Talks de dominio público, y videos de profesores.

Se considera dentro de dos cursos simulaciones de software, en cuanto Big Data utiliza aplicaticiones web como Google Analytics, GPUs y modelamiento de grafos que deben ser mostrados en tanto su funcionamiento real.  La simulación de software comprenderá también ejercicios breves guiados sobre la utilización de estos programas, que se asociarán a cada simulación correspondiente.

Para ayudar monitorear y apoyar el proceso de aprendizaje de los alumnos se contará con un cuerpo de tutores quienes conducirán este proceso, respondiendo a las preguntas, de los alumnos, guiándolos en su aprendizaje y dándoles feedback de su desempeño.

Evaluación de los Aprendizajes:
-                 Controles (15%).
-                 Foros de discusión (20%).
-                 Trabajo grupal (25%)
-                 Test on-line o presencial (40%).

JEFE DE PROGRAMA
CARLOS JEREZ
Ingeniero Civil de Industrias UC, M.Sc.  UC, MSc. y Ph.D. en Matemáticas Aplicadas de la Ecole Polytechnique de Francia. Profesor Asociado Ingeniería Eléctrica y Director del Programa de Ingeniería Matemática y Computacional de la Escuela de Ingeniería UC.

EQUIPO DOCENTE
DANIEL CAPURRO
PhD, médico especialista en Medicina Interna, Profesor Asistente de la Escuela de Medicina de la P. Universidad Católica de Chile, y Profesor Asistente Afiliado al Departamento de Informática Biomédica y Educación Médica de la Escuela de Medicina de la Universidad de Washington.

GUSTAVO DEL REAL
Ingeniero industrial UCV, MB Universidad Adolfo Ibáñez, profesor de Business Intelligence. Director de Pricing & Revenue Optimization, Business Intelligence & CRM, Scotiabank.

CARLOS JEREZ
Ingeniero Civil de Industrias UC, M.Sc.  UC, MSc. y Ph.D. en Matemáticas Aplicadas de la Ecole Polytechnique de Francia. Profesor Asociado Ingeniería Eléctrica y Director del Programa de Ingeniería Matemática y Computacional de la Escuela de Ingeniería UC.

HANS HANCKES 
Ingeniero Civil Industrial, Tecnologías de Información, Pontificia Universidad Católica de Chile. Chief Operations Officer, Latin America at Groupon.
* EP (Educación Profesional) de la Escuela de Ingeniería se reserva el derecho de remplazar, en caso de fuerza mayor, a él o los profesores indicados en este programa.

Los alumnos deberán ser aprobados de acuerdo los criterios que establezca la unidad académica:
a)              Calificación mínima de 4.0 en su promedio ponderado y
b)             75% de asistencia o cifra superior a las sesiones presenciales.
En el caso de los programas en modalidad en línea, los estudiantes tendrán que cumplir con la calificación mínima de 4.0 y con los requisitos establecidos para cada programa.
*En los programas con evaluaciones sumativas, solo se puede entregar certificado de aprobación
Los alumnos que aprueben las exigencias del programa recibirán un certificado de aprobación otorgado por la Pontificia Universidad Católica de Chile.
El alumno que no cumpla con una de estas exigencias reprueba automáticamente sin posibilidad de ningún tipo de certificación.

• Fan, J., Han, F., Liu, H. (2014) Challenges of Big Data analysis. Natl. Sci. Rev. 1: 293–314.
• Han, J., Kamber, M., Pei, J. (2011). Data Mining: Concepts and Technique, Third Edition.  The Morgan Kaufmann Series.
• Knell, R. (2013) Introductory R: A Beginner"s Guide to Data Visualisation, Statistical Analysis and Programming in R, Kindle Edition
• Parra, D., & Sahebi, S. (2013). Recommender systems: Sources of knowledge and evaluation metrics. In Advanced Techniques in Web Intelligence-2 (pp. 149-175). Springer Berlin Heidelberg. 
• Perer, A, Wang, F., Hu, J. (2015) Mining and exploring care pathways from electronic medical records with visual analytics. Journal of Biomedical Informatics, Volume 56, issue C, pages 369-378
• Pichara, K.; Soto, A.; and Araneda, A. . (2008)   Detection of Anomalies in Large Datasets Using an Active Learning Scheme Based on Dirichlet Distributions.  In IBERAMIA, volume 5290, of Lecture Notes in Computer Science, pages 163-172,
• Vardeman, S. (1994) Statistics for Engineering Problem Solving. PWS Publishing Co.
• Wang, L., Wang, G., Alexander, C. (2015). Big Data and Visualization: Methods, Challenges and Technology Progress. Digital Tecnologies Vol 1, No 1- pp33-38.

Las personas interesadas deberán completar la ficha de postulación que se encuentra disponible en la página web (www.educacionprofesional.ing.uc.cl). Un correo de confirmación solicitará enviar los siguientes documentos a la coordinación programas@ing.puc.cl.

• Fotocopia Carnet de Identidad.
• Fotocopia simple del Certificado de Título o del Título.
• Curriculum Vitae actualizado.

-          El postulante será contactado, para asistir a una entrevista personal (si corresponde) con el Jefe de Programa del Diplomado o su Coordinadora Académica.
-          Las inscripciones son desde enero 2018 hasta el día antes del comienzo de la actividad o hasta completar las vacantes.
-          El postular no asegura el cupo, una vez aceptado en el programa, se debe cancelar el valor para estar matriculado.

VACANTES: 60
“No se tramitarán postulaciones incompletas”.
El Programa se reserva el derecho de suspender la realización del diplomado/curso si no cuenta con el mínimo de alumnos requeridos. En tal caso se devuelve a los alumnos matriculados la totalidad del dinero en un plazo aproximado de 10 días hábiles. 
A las personas matriculadas que se retiren de la actividad antes de la fecha de inicio, se les devolverá el total pagado menos el 10% del total del arancel