Acerca del programa:
El Curso en Aplicaciones de Machine Learning y Ciencia de Datos está orientado a presentar las técnicas y herramientas de la ciencia de datos y el aprendizaje de máquina desde la perspectiva de lo que podemos lograr con ellas, al mismo tiempo que se señalan los principales desafíos y limitaciones que enfrentan.

Dirigido a:
- Profesionales que necesiten entender el ámbito de aplicación, oportunidades y desafíos del nuevo mundo que abre la inteligencia artificial.
- Interesados en el área de Ciencia de Datos y Machine Learning más desde la perspectiva aplicada, que de los algoritmos o sus bases matemáticas.
Jefe de Programa
Equipo Docente
keyboard_arrow_downPatricio Cofré
Master of Engineering, Northwestern University. Ingeniero Civil de Industrias (con mención en Tecnologías de la Información), UC. Ha desarrollado diversos proyectos de analytics en varios países de Latinoamérica. Profesor Instructor Adjunto del Departamento de Ciencia de la Computación de la Escuela de Ingeniería UC. CEO de Metric Arts, empresa consultora fundada el año 2007, especializada en las áreas de inteligencia de negocios y análisis de negocios.
* 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; y de asignar al docente que dicta el programa según disponibilidad de los profesores.
Descripción
keyboard_arrow_downLas técnicas asociadas a la ciencia de datos y al aprendizaje de máquina, a veces englobadas bajo el paraguas de la inteligencia artificial, han adquirido gran notoriedad en los últimos años. Esto se debe principalmente a que han comenzado a surgir aplicaciones espectaculares en diversos ámbitos de negocios y de la sociedad.
El presente curso está diseñado para abordar las temáticas asociadas a la ciencia de datos y el machine learning desde la perspectiva de sus aplicaciones en el mundo de los negocios y otros sectores. El curso inicia con una revisión de las técnicas básicas, para luego avanzar rápidamente a examinar aplicaciones interesantes, apreciar las oportunidades y comprender sus dificultades y limitaciones. Los alumnos aprenderán a utilizar técnicas y herramientas de aprendizaje supervisado y no supervisado para el descubrimiento de asociaciones, correlaciones o dependencias que pueden ser importantes en la toma de decisiones.
La metodología de enseñanza y aprendizaje para este curso en línea se basa en técnicas metodológicas activas, permitiendo que el participante interactúe con sus pares y el profesor-tutor a través de los recursos tecnológicos proporcionados por la plataforma educativa virtual destinada para el curso.
Requisitos de Ingreso
keyboard_arrow_downSe recomienda contar con conocimientos básicos de programación, específicamente en lenguaje Python. En particular, debe ser capaz de utilizar controles de flujo, distintos tipos de datos y funciones, y diccionarios con Python.
Si desea evaluar su nivel, puede realizar una prueba opcional gratuita en este link: https://www.hackerrank.com/prueba- python . Se recomienda iniciar los test en orden, ya que van creciendo en dificultad. Los dos últimos tienen un nivel superior al requerido para ingresar al diplomado, y han sido instalados allí sólo como desafío. Si uno de los test falló, se recomienda revisar y ejercitar esos contenidos antes del inicio del programa.
A continuación, ponemos a su disposición algunos cursos optativos por si desea prepararse previamente al inicio del programa:
- MOOC “Introducción a la Programación en Python I: Aprendiendo a programar con Python”, disponible en el siguiente link: https://www.coursera.org/learn/aprendiendo-programar-python .
- Curso “Herramientas de programación en Python para procesamiento de datos”, disponible en el siguiente link: https://teleduc.uc.cl/curso/herramientas-programacion-python-procesamiento-datos/.
Objetivos de Aprendizaje
keyboard_arrow_down- Analizar las oportunidades de aplicación que la ciencia de datos y el aprendizaje de máquina ofrecen, así como los principales desafíos y limitaciones que existen en la actualidad.
Metodología
keyboard_arrow_down- Aprendizaje autónomo asincrónico estructurado en 6 módulos
- Clases expositivas
- Foros
- Estudio de caso
Desglose de cursos
keyboard_arrow_downHoras Totales: 75 | Horas directas: 35 | Horas indirectas: 40
Créditos: 4 créditos.
Resultados del Aprendizaje
- Identificar los principales conceptos y técnicas asociados a Machine Learning y ciencia de datos.
- Reconocer la importancia y los principales desafíos de los datos.
- Asociar las diversas técnicas con oportunidades de aplicación en los negocios.
- Examinar las dificultades y oportunidades en la aplicación de técnicas de ciencia de datos y aprendizaje de máquina.
Contenidos:
- Introducción al aprendizaje de máquinas y ciencia de datos
- Conceptos de inteligencia de negocios y minería de datos
- Conceptos de ciencia de datos y aprendizaje de máquina
- El auge actual del aprendizaje de máquina e inteligencia artificial
- Tipos de datos y aplicaciones
- Aplicaciones sobre transacciones estructuradas
- Aplicaciones sobre texto
- Aplicaciones sobre audio
- Aplicaciones sobre video
- Técnicas de ciencia de datos y aprendizaje de máquina
- Visualización en ciencia de datos
- Aprendizaje supervisado
- Aprendizaje no supervisado
- Aprendizaje reforzado
- Aplicaciones en los negocios
- Aplicaciones de visualización en ciencia de datos
- Aplicaciones de aprendizaje supervisado
- Aplicaciones de aprendizaje no supervisado
- Aplicaciones de aprendizaje reforzado
- Casos de ciencia de datos
- Caso en compañía de seguros
- Caso en banca
- Caso en retail
- Caso en calidad del aire
Evaluación
keyboard_arrow_down- 3 controles individuales – 40%
- 3 mini proyectos individuales – 60%
Requisitos Aprobación
keyboard_arrow_down- Calificación mínima del curso 4,0 en su promedio ponderado.
El alumno que no cumpla con estas exigencias reprueba automáticamente sin posibilidad de ningún tipo de certificación.
Los resultados de las evaluaciones serán expresados en notas, en escala de 1,0 a 7,0 con un decimal, sin perjuicio que la Unidad pueda aplicar otra escala adicional.
Los alumnos que aprueben las exigencias del programa recibirán un certificado de aprobación digital otorgado por la Pontificia Universidad Católica de Chile.
Proceso de Admisión
keyboard_arrow_downLas personas interesadas deberán completar la ficha de postulación que se encuentra al costado derecho de esta página web y enviar los siguientes documentos al momento de la postulación o de manera posterior a la coordinación a cargo:
- Fotocopia Carnet de Identidad.
Cualquier información adicional o inquietud podrás escribir al correo programas@ing.puc.cl.
VACANTES: 40
INFORMACIÓN RELEVANTE
Con el objetivo de brindar las condiciones de infraestructura necesaria y la asistencia adecuada al inicio y durante las clases para personas con discapacidad: Física o motriz, Sensorial (Visual o auditiva) u otra, los invitamos a informarlo.
El postular no asegura el cupo, una vez inscrito o aceptado en el programa se debe pagar el valor completo de la actividad para estar matriculado.
No se tramitarán postulaciones incompletas.
Puedes revisar aquí más información importante sobre el proceso de admisión y matrícula.
Fechas disponibles
Los detalles del programa pueden variar en cada fecha de edición
Fecha | Horario | Lugar | Valor | |
---|---|---|---|---|
25 noviembre 2025 - 20 enero 2026 | Asincrónico | $575.000 | Ver más |
¿Te parece interesante este programa?
Sí No