Diplomado en Big data para la toma de decisiones

Estudia en la Universidad N°1 de habla hispana en Latinoamérica por QS Latam University Rankings 2024

Acerca del programa:

El Diplomado en Big Data para la Toma de decisiones entrega las herramientas necesarias para desarrollar una visión estratégica que permita mejorar la operación de las organizaciones y obtener ventajas competitivas en la era de la economía digital por medio de descubrir, administrar y analizar grandes volúmenes de datos. 

Diplomado en Big data para la toma de decisiones

Dirigido a:

Profesionales, ejecutivos o emprendedores que requieran tomar decisiones eficaces de gestión basado en los beneficios del uso de tecnologías de Big Data y que puedan incrementar significativamente las ventajas competitivas en la agilidad de su organización, área funcional o emprendimiento. También está enfocado a profesionales que requieran conocer los fundamentos de Big Data para liderar proyectos de gestión, que tengan como base el uso cuantitativo de información, para lograr una mejor precisión e impacto en la toma de decisiones de la empresa


Jefe de Programa

Cristián Paris Ibarra

Máster en Gestión de Emprendimientos Tecnológicos, Universidad Adolfo Ibáñez. Ingeniero Civil de Industrias, Diploma en Ingeniería Matemática, UC. Actualmente es Subdirector del Instituto de Ingeniería Matemática y Computacional UC. Anteriormente fue Project Manager, Ingeniero de Desarrollo de Negocios e Ingeniero de I+D en la Fundación Inria Chile. Cuenta con experiencia en el desarrollo de modelos matemáticos avanzados de análisis estocástico para simulaciones de dinámica de fluidos computacional con aplicaciones en parques eólicos.
linkedin

Equipo Docente

keyboard_arrow_down

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. Experiencia en desarrollo de proyectos en Big Data, Advance Analytics y consultorías de negocio para diferentes empresas internacionales. Sus principales fortalezas son el liderazgo de equipos de Data Science y el desarrollo de nuevos negocios basados en tecnología y modelos analíticos. Siempre interesado en participar de proyectos e iniciativas desafiantes donde pueda contribuir con sus conocimientos y habilidades a generar nuevos desarrollos que mejoren la vida de las personas.

Ricardo Verga

Master of Fine Arts, Parsons, The New School for Design, Nueva York. Profesor Asistente Adjunto de las Escuelas de Ingeniería y Diseño UC. Fundador de c80.cl y Artnumerica.info. Trabaja en temas relativos a la visualización de información, programación aplicada en el diseño y el arte, y tiene particular interés en temas tecnológicos y sus implicancias sociales, culturales y artísticas.

Domagoj Vrgoc

Profesor Asistente del Instituto de Ingeniería Matemática y Computacional de la Pontificia Universidad Católica. Doctor en Computación de la Universidad de Edimburgo, Reino Unido. Sus áreas de interés son manejo de datos, la Web Semántica y Teoría de Computación. Su tesis de doctorado fue destacada por la British Computing Society como una de las mejores de su generación. Es autor de más de 30 papers técnicos y ha sido parte de los comités de programas de las conferencias más importantes en bases de datos, la Web, e Inteligencia Artificial, como ACM PODS, ICDT, WWW, ISWC, IJCAI, entre otros.

* 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

El verdadero mejoramiento de la eficiencia organizacional está relacionado con la implementación de soluciones tecnológicas que permitan agilizar la toma de decisiones basadas en información cuantitativa y cualitativa relevante en tiempo real. El uso eficiente de dicha información requiere de una adecuada administración de grandes volúmenes de datos por minuto, lo cual demanda análisis extensos y rigurosos, junto con métricas e indicadores cada vez más exactos. El análisis de grandes volúmenes de datos permite extraer tendencias y patrones complejos de información, con enormes implicancias estratégicas, permitiendo predecir mejor y transformando la forma en que se hacen los negocios hoy en día.

La metodología de enseñanza y aprendizaje para este curso en línea consiste en técnicas metodológicas activas, donde el participante puede interactuar con sus pares y el profesor-tutor a través de los recursos tecnológicos que provee la plataforma educativa virtual del diplomado.

Requisitos de Ingreso

Se recomienda a responsabilidad del estudiante:

  • Poseer un título profesional universitario o técnico, licenciatura o egreso de instituto profesional.
  • Dominio básico de Excel y manejo de internet a nivel usuario y conocimientos básicos de estadística.

Objetivos de Aprendizaje

  1. Evaluar proyectos de aplicación de Big Data en una organización, conociendo los fundamentos, principios y últimas tendencias en plataformas computacionales relacionadas con Big Data, su importancia estratégica y modo de gestión, y las aplicaciones y herramientas analíticas de Ciencia de Datos y Estadística para modelos predictivos y visualización de datos.


Desglose de cursos

Curso 1: Big Data en empresas y organizaciones

keyboard_arrow_down
Big Data in companies and organizations.

Horas Totales: 75 | Horas directas: 35 | Horas indirectas: 40

Créditos: 4

Descripción del curso 

El propósito de este curso es proporcionar al estudiante los conocimientos básicos necesarios para comprender qué es el Big Data, cuál es su valor en una organización y cómo esta puede aprovechar dicho valor. Durante el curso, el estudiante aprenderá los conceptos fundamentales relacionados con el Big Data, las herramientas que se utilizan, el potencial de creación de valor que posee, la preparación necesaria dentro de la organización para aprovechar dicho potencial y cómo evaluar su impacto económico. 

Al concluir el curso, el estudiante tendrá una visión amplia sobre la aplicabilidad y el valor del Big Data dentro de las organizaciones. Además, podrá evaluar la pertinencia, los requerimientos y la preparación necesaria para llevar a cabo proyectos de Big Data de manera satisfactoria.  

Los contenidos serán abordados en 6 clases en línea (8 semanas), donde se entregarán los contenidos mediante recursos interactivos que integran videos, esquemas, artículos, lecturas y preguntas formativas. Lo anterior se realiza a través de una plataforma educativa virtual. 

Resultados del Aprendizaje

  1. Identificar los conceptos fundamentales de Big Data y familiarizarse con las herramientas asociadas a este campo. 
  2. Desarrollar estrategias efectivas de gestión para crear valor dentro de la organización a partir de datos masivos. 
  3. Distinguir los elementos claves que componen un proyecto de Big Data, desde los procesos para la captura de datos, las herramientas y el capital humano necesario, hasta la evaluación del impacto estratégico y financiero generado para la organización. 

Contenidos:

  • Introducción al Big Data. 
    • ¿Qué es el Big Data? 
    • ¿Por dónde comienza una empresa a usar Big Data? 
    • ¿Cuáles son las decisiones claves durante la elección de una solución Big Data? 
  • Transformación digital.
    • ¿Qué es transformación digital? 
    • ¿Cómo se relaciona el Big Data con la transformación digital?
    • ¿Cuál es el rol del CLevel y del Chief Data Officer?
  • Equipo analítico, modelos y administración.
    • ¿Cómo se construye un equipo analítico? 
    • Modelos analíticos y herramientas.
    • Administración de proyectos analíticos.
  • Arquitectura para Big Data.
    • ¿Qué es un sistema distribuido?
    • Componentes del ecosistema Hadoop.
    • Análisis de datos.
    • Evolución de las arquitecturas.
  • Evaluación de proyectos.
    • Evaluación financiera de proyectos.
    • Evaluación de proyectos desde el punto de vista estratégico.
    • Arquitectura en la nube.
  • Casos de éxito en Big Data
    • Casos de uso en la Industria Minera.
    • Casos de uso en la Industria Financiera.
    • Alibaba, un gigante de la Inteligencia Artificial.

Estrategias metodológicas:

  • Aprendizaje autónomo asincrónico estructurado en 6 módulos 
  • Clases expositivas  
  • Foros 
  • Estudio de caso  

Estrategias evaluativas:

  • 6 Controles individuales - 15% 
  • 3 Foros de discusión - 20% 
  • 1 Trabajo grupal - 25% 
  • 1 Examen on-line individual - 40%

Curso 2: Modelamiento estadístico y sistemas recomendadores

keyboard_arrow_down
Statistical modeling and recommender systems

Horas Totales: 75 | Horas directas: 35 | Horas indirectas: 40

Créditos: 4

Descripción del curso

El curso entregará al estudiante conocimientos y habilidades básicas de modelamiento matemático y estadístico que le permitan extraer información útil de un conjunto de datos. En particular, el estudiante aprenderá – de manera teórica y práctica, utilizando herramientas computacionales - a procesar, clasificar y agrupar datos, y utilizarlos como insumo para Sistemas Recomendadores.

Lo que el estudiante aprenda en el curso le permitirá trabajar con datos para poder convertir éstos en información útil para la toma de decisiones en su organización, en un amplio rango de aplicaciones, y/o para supervisar a equipos de personas dentro de la misma que deban realizar esta tarea.

La metodología de enseñanza y aprendizaje para este curso online consiste en técnicas metodológicas activas, donde el participante puede interactuar con sus pares y profesor-tutor a través de los recursos tecnológicos que provee la plataforma educativa virtual provista para el curso.

Resultados del Aprendizaje

  1. Identificar el fundamento del modelamiento estadístico para el manejo de grandes volúmenes de datos. 
  2. Explicar el proceso de modelamiento y sus distintas fases para la implementación de soluciones. 
  3. Generar flujos de trabajo de datos para proyectos de Big Data en la organización. 
  4. Realizar inferencias estadísticas sobre datos para aumentar el impacto positivo en la toma de decisión de una organización, utilizando herramientas computacionales (software R). 

Contenidos:

  • Introducción a estadística
    • Terminología estadística básica
    • Tipos de muestreo
    • Modelos de probabilidad
  • Introducción a modelamiento estadístico y Big Data
    • Modelos estadísticos
    • Big Data: Bajo qué contextos se justifica su uso
  • Preprocesamiento de datos
    • Limpieza de datos
    • Integración de datos
    • Reducción de datos
    • Transformación de datos
  • Métodos de clasificación
    • Árboles de decisión
  • Otros métodos de clasificación
    • Bayes ingenuo
    • Método de los k-vecinos más cercanos
    • Métodos conjuntos
  • Métodos de agrupación y sistemas recomendadores
    • Métodos de partición
    • Métodos jerárquicos
    • Sistemas recomendadores

Estrategias metodológicas:

  • Aprendizaje autónomo asincrónico estructurado en 6 módulos 
  • Clases expositivas  
  • Foros 
  • Estudio de caso  

Estrategias evaluativas:

  • 6 Controles individuales - 15% 
  • 3 Foros de discusión - 20% 
  • 1 Trabajo grupal - 25% 
  • 1 Examen on-line individual - 40% 

Curso 3: Visualización de datos

keyboard_arrow_down
Data Visualization

Horas Totales: 75 | Horas directas: 35 | Horas indirectas: 40

Créditos: 4

Descripción de curso

El curso está dirigido a profesionales de diversas disciplinas que en su trabajo deben tomar decisiones en base al análisis de datos, proceso que se vuelve altamente complejo si no se utilizan conceptos y técnicas de Big Data (matemáticas, estadísticas, de diseño y de ciencias de computación) y exploración visual (búsqueda de patrones relaciones, etc). Estos permiten la transformación de gigantescas cantidades de datos en información veraz, oportuna y representativa de realidades complejas, facilitando de esta manera la toma de decisiones de forma eficiente y eficaz. En este contexto, la visualización de datos se convierte en una herramienta fundamental para que esta transformación de datos a información y luego a conocimiento que relevante, se realice exitosamente

El estudiante aprenderá a utilizar herramientas técnicas conceptuales y metodológicas básicas que le permitirán desarrollar proyectos de visualización de grandes volúmenes datos eficientes, según sus objetivos comunicacionales. desde el reconocimiento de usuarios y sus necesidades de información, hasta los procesos de transformación de datos a representación visual. Estas herramientas resultan fundamentales a la hora de convertir los datos y su análisis, en información relevante pueda ser comunicada de manera eficiente, fácil de comprender, y útil para la toma de decisiones, ya sea dentro de una organización, o en el contexto de cualquier proyecto relacionado con Big Data. 

La metodología de enseñanza y aprendizaje para este curso online consiste en metodologías activas, donde el participante puede interactuar con sus pares y con su y profesor-tutor, a través de los recursos tecnológicos que provee la plataforma educativa virtual provista para el curso.

Resultados del Aprendizaje

  1. Identificar las herramientas y metodologías para el desarrollo de proyectos de visualización de datos.
  2. Elaborar estrategias de alto impacto para la comunicación de grandes volúmenes de datos.
  3. Diseñar representaciones perceptibles que permitan amplificar el conocimiento organizacional.
  4. Diseñar mecanismos de síntesis y visualización de datos de valor para apoyar la toma de decisiones.

Contenidos:

  • Introducción a la visualización de datos
    • Contexto de la visualización de datos
    • Algunas definiciones sobre la visualización
    • Historia
    • Panorama hoy
  • ¿Para qué sirve la visualización de datos? Objetivos y métodos
    • Los roles de la visualización
    • Modelos y procesos de visualización
    • Usuario, contexto y medio: consideraciones para crear una visualización
    • Definir escala y objetivos de la visualización
  • Datos e información: conceptos, formatos y fuentes
    • ¿Qué es un dato?
    • Tipos de datos
    • Formato de archivos
    • Fuentes de datos
  • Representación de datos: Percepción y codificación visual
    • Percepción visual: aspectos congnitivos de la visión
    • Codificación y variables visuales
    • ¿Qué mostrar en una visualización?
  • Cómo implementar una visualización: Herramientas y lenguajes
    • Panorama de herramientas para la visualización
    • Herramientas pre hechas
    • Librerías de visualización
    • Visualizaciones desde cero
    • Proceso de visualización
  • Profundización, desafíos y proyecciones para la visualización
    • Más allá de los gráficos
    • Autores y libros
    • Data, sociedad y futuro
    • Futuro no muy lejano

Estrategias metodológicas:

  • Aprendizaje autónomo asincrónico estructurado en 6 módulos 
  • Clases expositivas  
  • Foros 
  • Estudio de caso  

Estrategias evaluativas:

  • 6 Controles individuales - 15% 
  • 3 Foros de discusión - 20% 
  • 1 Trabajo grupal - 25% 
  • 1 Examen on-line individual - 40% 

Curso 4: Manejo de grandes volúmenes de datos (Big Data)

keyboard_arrow_down
Managing Big Data

Horas Totales: 75 | Horas directas: 35 | Horas indirectas: 40

Créditos: 4

Descripción del curso

El real mejoramiento de la eficiencia organizacional está relacionado con la implementación de soluciones tecnológicas que permiten agilizar la toma de decisiones en base a información cuantitativa y cualitativa relevante en tiempo real. Dicha información proviene de una adecuada administración de grandes volúmenes de datos por minuto, que demandan extensos y rigurosos análisis junto con métricas e indicadores cada vez más exactos. El análisis de grandes volúmenes de datos permite extraer tendencias y patrones complejos de información, con enormes implicancias estratégicas, permitiendo predecir mejor y transformando la forma en la que se hacen hoy en día los negocios. Este curso permite al alumno escoger las herramientas adecuadas para manejo de los datos en su empresa, entendiendo las infraestructuras computacionales que se requieren para manejar datos de distintos volúmenes y características.

La metodología de enseñanza y aprendizaje para este curso online consiste en técnicas metodológicas activas, donde el participante puede interactuar con sus pares y profesor-tutor a través de los recursos tecnológicos que provee la plataforma educativa virtual provista para el curso.

Resultados del Aprendizaje

  1. Identificar las herramientas de manejo de datos adecuadas para el contexto de su empresa.  
  2. Modelar datos usando herramientas de bases de datos relacionales (SQL), bases de datos NoSQL y bases de datos distribuidas. 
  3. Estimar la necesidad de cambiar la infraestructura de los datos desde un modelo clásico centralizado (tipo SQL) a un modelo de Big Data distribuido

Contenidos:

  • Manejo de datos
    • Datos de una empresa
    • Distintos formatos de datos
    • Problemas organizacionales
    • Sistemas de bases de datos
    • Bases de datos relacionales
  • ¿Cómo interactuar con una base de datos?
    • Base de datos en el ecosistema de una empresa
    • Lenguaje de consultas SQL
    • Múltiples usuarios trabajando con los datos
  • Distribución de los datos
    • Paso al mundo de Big Data
    • Distribución de los datos
    • Comparando sistemas centralizados y sistemas distribuidos
  • NoSQL
    • Otros modelos de datos
    • Key-value stores
    • Bases de datos de documentos
    • Bases de datos de grafos
  • Procesamiento masivo de datos
    • ¿Cómo manejar a datos diversos?
    • Sistema de archivos de Google
    • Google File System: Garantías de consistencia
    • ¿Cómo ocupar el sistema de archivos de Google?
  • MapReduce
    • ¿Cómo priorizar petabytes de datos?
    • MapReduce
    • Blocking y tolerancia a fallas
    • ¿Cómo ocupar MapReduce?

Estrategias metodológicas:

  • Aprendizaje autónomo asincrónico estructurado en 6 módulos 
  • Clases expositivas  
  • Foros 
  • Estudio de caso  

Estrategias evaluativas:

  • 6 Controles individuales - 15% 
  • 3 Foros de discusión - 20% 
  • 1 Trabajo grupal - 25% 
  • 1 Examen on-line individual - 40% 

Requisitos Aprobación

La Nota final del diplomado se calculará de acuerdo a la siguiente ponderación de los cursos:

  • Curso Big Data en Empresas y Organizaciones: 25%
  • Curso Modelamiento Estadístico y Sistemas Recomendadores:25%
  • Curso Visualización de Datos: 25%
  • Curso Manejo de grandes volúmenes de datos (Big Data): 25%

El estudiante aprobará el diplomado cumpliendo con los siguientes requisitos:

  • Calificación mínima de 4.0 en cada curso
  • Realizar todas las actividades del diplomado.

*En caso de que un alumno repruebe un curso perteneciente a un diplomado, en Educación Profesional Ingeniería UC ofrecemos la oportunidad de realizar un nuevo intento. Para ejercer este derecho, el alumno deberá pagar un valor de 3 UF por curso, e indicar la fecha de la versión en la que desea matricularse. La gestión debe realizarse dentro de un máximo de 2 años a contar de la fecha de inicio del diplomado original, y es factible para un máximo de 2 cursos por diplomado. 

Para aprobar los programas de diplomados se requiere la aprobación de todos los cursos que lo conforman. 

Los alumnos que aprueben las exigencias del programa recibirán un certificado de aprobación digital otorgado por Pontificia Universidad Católica de Chile.

Proceso de Admisión

Las 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.
  • Fotocopia simple del Certificado de 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. Cualquier información adicional o inquietud podrás escribir al correo programas@ing.puc.cl.

VACANTES: 40

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.


¿Te parece interesante este programa?

No