Diplomado en Big data y ciencia de datos

Docente(s): Jaime Navón 

Unidad académica responsable: Escuela de Ingeniería

Requisitos: Sin prerrequisitos

Créditos: 0

Horas totales: 8 | Horas directas: 4 Horas indirectas: 4

Descripción del curso 

Este seminario tiene el propósito de entregar una perspectiva muy general de todas las materias relacionadas con ciencia de datos e inteligencia artificial. Conceptos como big data y machine learning son introducidos y relacionados con otros como data mining e inteligencia de negocios. De esta forma los alumnos comprenderán la relación que tienen estos conceptos entre ellos y con otros temas emergentes.

Resultados de aprendizaje

1. Identificar las principales diferencias Big Data, Data Science e Inteligencia Artificial y qué esperar de éstos.
2. Reflexionar sobre el impacto de estas tecnologías y técnicas en los negocios y la vida actual

Contenidos: 

• Tendencias Tecnológicas y la estrategia: Big Data, IoT, Análisis de Datos, Inteligencia Artificial y Machine Learning
• Big Data: Definiciones, arquitecturas, Map-Reduce, Hadoop, Spark
• Bases de Datos, Data Warehouses y Data Lakes

Estrategias metodológicas

• Clases expositivas
• Análisis de situaciones. 

Estrategias evaluativas

• No aplica

*Este seminario, constituido en un seminario sin créditos, se podrá programar adicionalmente fuera del Diplomado y constituirá un apoyo en la difusión del mismo, permitiendo a los asistentes convalidar su ejecución al ingresar al programa.

Docente(s): Néstor Campos

Unidad académica responsable: Escuela de Ingeniería

Requisitos: Sin prerrequisitos

Créditos: 3

Horas totales:48 | Horas directas: 24 |Horas indirectas: 24

Descripción del curso 

Los espectaculares avances en el área de inteligencia artificial y más específicamente en aprendizaje de máquina, así como el creciente uso de la minería de datos para la toma de decisiones en las organizaciones requieren el ser capaces de almacenar, procesar y gestionar datos en volúmenes, velocidades y variabilidades nunca antes vista. Este curso se enfoca precisamente en esa problemática. Se estudian arquitecturas de alta disponibilidad junto con opciones de infraestructura incluyendo aquellas basadas en la nube.

Resultados de aprendizaje

1. Comprender las principales tecnologías asociadas a Big Data y reconocer bajo qué contexto utilizarlas.
2. Diseñar arquitecturas de alto nivel en proyectos relacionados a Business Intelligence y Big Data.
3. Generar ambientes de alta disponibilidad para proyectos de Data Science y Big Data.
4. Identificar los conceptos de infraestructura Big Data en servicios de consumo on demand (servicios en la nube).

Contenidos: 

• Tecnologías y servicios en la nube para BI, Big Data y Data Science.
• Procesamiento de datos eficiente con tecnologías Big Data
• Diseño de arquitecturas de alta disponibilidad para BI y Big Data
• Diseño y uso de infraestructura de alto rendimiento para algoritmos de Data Science.
• Estrategias y mejores prácticas en el desarrollo de componentes para arquitecturas de procesamiento masivo de datos
• Diferencias entre soluciones de datos tradicionales y soluciones de Big Data
• Gestión operativa de la infraestructura en un modelo de servicio continuo

Estrategias metodológicas

• Enseñanza de conceptos teóricos asociados a Big Data, Business Intelligence y Data Science, 
• Ejemplos de proyectos y formas de abordar las soluciones a las problemáticas
• Ejercicios de casos que los estudiantes tendrán que desarrollar en clases.

Estrategias evaluativas

• 1 prueba teórica, para evaluar el aprendizaje de los conceptos técnicos y tecnologías - 20%
• 2 análisis de casos basados en proyectos, para medir la capacidad de entender los problemas de cada proyecto y generar soluciones de alto nivel para éstos, tanto a nivel arquitectónico como de infraestructura - 40% cada uno

Docente(s): Miguel Jorquera

Unidad académica responsable: Escuela de Ingeniería

Requisitos: Sin prerrequisitos

Créditos: 3

Horas totales: 48 | Horas directas: 24 |Horas indirectas: 24

Descripción del curso 

El tener habilidades básicas de programación y conocer alguno de los lenguajes más utilizados en el ámbito de la ciencia de datos resulta esencial. Este curso revisa conceptos básicos de programación e introduce los aspectos más relevantes del lenguaje R para ser usado en el trabajo de análisis de datos. El curso parte revisando aspectos muy básicos de programación para luego pasar a elementos más específicos del trabajo con datos del lenguaje R incluyendo trabajo estadístico y visualización.

Resultados de aprendizaje

1. Revisar conceptos básicos de programación usando el lenguaje R
2. Usar el lenguaje R como una herramienta para analizar datos
3. Utilizar los sistemas gráficos de R para visualización de datos
4. Analizar conjuntos de datos utilizando los principios del análisis exploratorio de datos
5. Explicar la información visual contenida en los gráficos que generan R
6. Exponer los resultados de un análisis de datos

Contenidos: 

• Conceptos generales de programación en R: variables, estructuras de control, condicionales
• Funciones y paquetes
• Vectores y Matrices
• Listas
• Data Frames
• Importación, limpieza y filtrado de datos
• Dataframes: construcción y mezcla
• Visualización gráfica
• Análisis estadístico de datos con R: población y muestreo, tipos de datos, tablas de frecuencias, estadísticos descriptivos, coeficiente de posición y dispersión, errores de los procesos de medición, aplicaciones
• Distribuciones de probabilidad
• Regresión lineal con R
• Regresión logística con R
• Series de tiempo

Estrategias metodológicas

• Clases expositivas
• Talleres prácticos.

Estrategias evaluativas

• 2 controles - 30%
• 3 talleres - 70%

Docente(s): Sebastián Raveau

Unidad académica responsable: Escuela de Ingeniería

Requisitos: Sin prerrequisitos

Créditos: 3

Horas totales: 48 | Horas directas: 24 |Horas indirectas: 24

Descripción del curso 

Este curso comienza introduciendo la necesidad y oportunidades que ofrece la minería de datos para luego pasar a cubrir las principales técnicas y algoritmos empleados para ello en el ámbito de las empresas y organizaciones.

Resultados de aprendizaje

1. Identificar las principales teorías y prácticas de la emergente área de Minería de Datos
2. Desarrollar soluciones a problemas reales de Big Data y ciencia de datos que involucren la necesidad de técnicas de Minería de Datos
3. Implementar soluciones usando herramientas de software de Minería de Datos aplicándolas en datos reales.

Contenidos: 

• Introducción: El concepto, el proceso y los problemas en que es relevante.
• Análisis de la canasta de mercado y reglas de asociación
• Clasificación: Árboles de Decisión, K-vecinos cercanos.
• Clustering: K-Means, Mean-Shift y Clustering aglomerativo.
• Selección de modelos (hold out, cross validation)

Estrategias metodológicas

• Clases expositivas. 
• Actividades prácticas en laboratorios computacionales para aplicar las técnicas aprendidas en datos reales. Se les entrega a los alumnos una base de datos (dataset) y se trabaja en ella extrayendo patrones, clusters y otras operaciones típicas de minería de datos. Se utiliza el lenguaje de programación aprendida (R) y se buscan conclusiones de utilidad para un determinado objetivo. 
• Lecturas individuales.

Estrategias evaluativas

• Control 1 20%
• Control 2 20%
• Laboratorio computacional 1 30%
• Laboratorio computacional 2 30%

Docente(s): Hernán Valdivieso o Joshua Kunst

Unidad académica responsable: Escuela de Ingeniería

Requisitos: Sin prerrequisitos

Créditos: 3

Horas totales: 48 | Horas directas: 24 |Horas indirectas: 24

Descripción del curso 

En la nueva era de los datos, las industrias están experimentando transformaciones profundas hacia un mundo digitalizado, siendo los datos el elemento atómico que gatilla esta revolución. Parte importante del ciclo de vida de los datos es poder entender y comunicar hallazgos intrínsecos a la información. La disciplina de visualización de datos está enfocada en cubrir estos elementos. Tradicionalmente a cargo de las áreas de TI, la visualización de datos a migrado progresivamente a ser parte de la cotidianidad de cada usuario de la organización.

El propósito de este curso es poder entregar las competencias de manera efectiva para la generación de visualizaciones destacadas.

Este curso contempla sesiones que abordan tantos los aspectos teóricos como prácticos de la visualización de datos. Para eso, las clases son tanto de tipo expositivo como talleres aplicados con metodología hands on. Además, se considera una actividad de proyecto grupal, que permite integrar los elementos claves aprendidos en el curso. Todas las actividades teóricas y prácticas buscan potenciar las habilidades de capacidad de análisis, toma de decisiones y el trabajo en equipo, a través de la presencia y participación del alumno en las sesiones de los cursos.

Resultados de aprendizaje

1. Identificar la importancia de la visualización de datos.
2. Aplicar los conceptos fundamentales de las técnicas de visualización, comunicación y diseño efectivo.
3. Manejar técnicamente los principales programas de visualizaciones.
4. Exponer los datos de manera gráfica.
5. Implementar reportes y tableros de manera efectiva.

Contenidos: 

• Unidad 1: Teoría sobre Visualización de Datos
  • Introducción: breve historia, disciplinas de comunicación gráfica e importancia de visualizar datos
  • La “des-Excelización” y democratización de datos en la empresa
  • Condiciones necesarias para una visualización: datos y caso
  • Objetivos de la visualización: contenido vs usuario, acceso, interacción y actualización
  • Fuentes de información: sistemas transaccionales, sistemas web, datos públicos
  • Preparación de datos: integridad, calidad, homologación
  • Generalidades sobre tipos de datos: medidas, dimensiones
  • Atributos a usar en una visualización
  • Análisis de los tipos de gráficos más comunes para representar datos
  • Exploración visual de datos
  • Indicadores, Reportes y Dashboards
  • Presentación de las herramientas principales del mercado
  • Visualizaciones avanzadas: scripting 
• Unidad 2: Visualización de Datos Aplicada
  • Datos de empresa: reportes transversales a industrias y vistas especificas
  • Revisión de casos de uso de Dashboards generales
  • Revisión de casos de uso específicos por industrias
  • Revisión de casos de uso por niveles de usuarios: analistas vs C-level

Estrategias metodológicas

• Clases teóricas
• Análisis interactivos de casos
• Actividades prácticas

Estrategias evaluativas

• Control Unidad 1 - 30%
• Actividad práctica Unidad 2 - 30%
• Actividad práctica proyecto grupal Unidad 2 - 40%

Docente(s): Nicolás Ceroni

Unidad académica responsable: Escuela de Ingeniería

Requisitos: Sin prerrequisitos

Créditos: 3

Horas totales: 48 | Horas directas: 24 |Horas indirectas: 24

Descripción del curso 

Este curso se enfoca en la forma de aplicar las técnicas de la Ciencia de Datos en diferentes ámbitos de negocios y organizaciones. Se estudian casos reales de uso de modelos predictivos para la toma de decisiones.

Resultados de aprendizaje

1. Evaluar oportunidades de negocio accionables a partir del análisis de datos.
2. Aplicar los conceptos y métodos fundamentales de Data Science a problemas reales de negocio, interpretando adecuadamente los resultados y generando acciones de valor agregado.
3. Desarrollar modelos descriptivos, predictivos y prescriptivos sobre datos de diversas industrias.

Contenidos:

• La evolución de la ciencia de datos y el análisis predictivo para el apoyo a la toma de decisiones
• Las características que definen a una organización data-driven
• Cómo las empresas modernas estás generando productos y servicios analíticos
• Metodologías de análisis de datos y búsqueda de patrones
• Generación de modelos descriptivos, análisis de casos reales y trabajo práctico
• Generación de modelos predictivos y prescriptivos, análisis de casos reales y trabajo práctico.
• Cómo interpretar modelos analíticos para tomar mejores decisiones de negocio

Estrategias evaluativas

• Clases expositivas.
• Talleres y desarrollo de proyectos prácticos
• Estudio y discusión de conceptos en clases

Estrategias metodológicas

• Participación en clases – 30%
• 2 proyectos prácticos grupales – 70%

Docente(s): Rodrigo Sandoval

Unidad académica responsable: Escuela de Ingeniería

Requisitos: Sin prerrequisitos

Créditos: 3

Horas totales: 48 | Horas directas: 24 |Horas indirectas: 24

Descripción del curso 

La ciencia de datos y, particularmente, el aprendizaje automático o machine learning, es una disciplina que ha demostrado significativos avances en el desarrollo de soluciones tecnológicas avanzadas, e inclusive, de nuevos e innovadores negocios.

En este curso se explican los conceptos, modelos, y herramientas más conocidas, desde una perspectiva práctica y de potencial aplicación, a una audiencia cuyo foco está en entender la ciencia, la tecnología y la entrega de valor de negocio potencial gracias a la ciencia de datos. En el contenido, se cubre desde las aplicaciones más conocidas del aprendizaje automático, hasta el uso de modernos modelos de aprendizaje profundo, para resolver algunas de las problemáticas industriales más relevantes hoy en día. Junto con esto, se incluye la explicación de las mejores prácticas actuales para desarrollar estrategia y proyectos basados en estas técnicas, considerando aspectos organizacionales, costos, y recursos.

El curso se desarrolla combinando clases expositivas, con ejercicios prácticos, que permiten experimentar el uso de las diferentes herramientas vistas en el curso, incluyendo evaluaciones individuales de conocimientos.

Resultados de aprendizaje

1. Distinguir potencias y limitaciones del Machine Learning y Deep Learning para la resolución de problemas en diferentes industrias.
2. Detectar situaciones y su contexto en las cuáles estas técnicas resolverían problemas de gran valor de negocio.
3. Proponer un plan estratégico de desarrollo de tecnología basada en ciencia de datos, alineado con la estrategia corporativa.
4. Utilizar modelos de redes neuronales profundas en contextos de Visión Computacional que sean capaces de detectar objetos e interpretar contenido de imágenes. 
5. Aplicar modelos de procesamiento de lenguaje natural para la resolución de problemas en textos no-estructurados de diferentes tipos y orígenes. 

Contenidos: 

• Introducción, conceptos, gestión de datos.
  • Metodología de desarrollo de modelos (CRISP-DM, KDD, otros)
  • Pre-procesamiento de datos.
• Evaluación y selección de modelos 
  • Workflow de evaluación. Hold out, Cross Validation, refinamiento de hiper-parámetros.
  • Métricas de evaluación. Accuracy, Precision, Recall, RMSE
• Modelos de aprendizaje automático supervisado
  • Modelos de regresión numérica. Regresión Lineal y no-lineal.
  • Modelos de clasificación, capacidades y características, así como ejemplos de aplicación. Entre los modelos: Árbol de Decisión, Random Forest, KNN, Naive Bayes, SVM, Redes Neuronales.
• Modelos de aprendizaje no-supervisados
  • K-Means, DBSCAN, HDBSCAN
• Modelos de Aprendizaje Profundo
  • Introducción y conceptos esenciales.
  • Ejemplos de aplicaciones en visión computacional y en procesamiento de lenguaje natural con modelos pre-entrenados (ej: YOLO)
  • Características de las redes neuronales y conceptos básicos (álgebra lineal, funciones de mapeo).
  • Diferentes topologías de redes profundas: FFN, Convolucional.
  • Aplicación en contextos de información No-Estructurada: procesamiento de video (Visión Computacional), procesamiento de texto natural (NLP y NLU), Word Embedding, Redes Neuronales Convolucionales.
  • Modelos no-supervisados Profundos: Autoencoders, GAN, y especialmente, Transformers y modelos generativos.

Estrategias metodológicas

• Clases expositivas, complementando los conceptos y teoría con ejemplos reales y prácticos en industrias como fábricas, logística, financieras, servicios, retail, entre otros.
• Actividades en clases, tanto individuales, como grupales.
• En estos trabajos, los alumnos desarrollarán ejemplos relacionados con los elementos vistos en clases, utilizando alternativamente R y Python, así como las herramientas R-Project y Google Colaboratory Notebooks.

Estrategias evaluativas

• Un control de conocimientos individual -20%
• Un trabajo grupal de ejercicio - 30% 
• Examen final individual – 50%