Diplomado en Big data y machine learning

Estudia en la Universidad Nº 1 de Latinoamérica | Pontificia Universidad Católica de Chile

Acerca del programa:

La inteligencia artificial permite que los sistemas aprendan automáticamente, a través del análisis de millones de datos, lo cual tiene un gran impacto en nuestra vida cotidiana y en la productividad de las empresas. De allí la creciente necesidad de contar con especialistas en esta área.

Imagen de Diplomado Diplomado en Big Data y Machine Learning

Dirigido a:

  • Profesionales que necesiten adquirir las competencias necesarias para construir aplicaciones de big data y machine learning usando las herramientas del ecosistema Python e interesados en ciencia de datos que deseen adquirir habilidades para interactuar y visualizar volúmenes grandes de datos. 

Jefe de Programa

Jaime Navón Cohen

Jaime Navón Cohen es Ph.D Computer Science, University of North Carolina at Chapel Hill (EE.UU.). Además tiene un Master of Science, Technion-Israel Institute of Technology (Israel). Es ingeniero civil electricista, Pontificia Universidad Católica de Chile (UC)
linkedin

Equipo Docente

keyboard_arrow_down

Damián Campos

MBA Pontificia Universidad Católica de Valparaíso (Chile MBA Pontificia Universidad Católica de Valparaíso e ingeniero civil industrial. Tiene 30 años de experiencia profesional en cargos de estudio, gerencia y comerciales. Asimismo, su trayectoria docente abarca temas comerciales y de estrategia en Usach, U. de Chile, PUCV, Ulacex (Panamá) y USM. Además de consultoría, desarrollo de planes de negocio, capacitación y entrenamiento de fuerzas de venta para distintas industrias. 

Myriam Aluanlli

Máster Universidad de Barcelona. Es máster en Coaching y Liderazgo Personal de la Universidad de Barcelona (España), Magíster en Ciencias de la Ingeniería e ingeniera civil industrial de la Pontificia Universidad Católica de Chile. Además tiene experiencia profesional en áreas de recursos humanos, estudios y evaluación de proyectos en distintas empresas chilenas. Por otra parte, sus principales fortalezas son compromiso, iniciativa, buen manejo de relaciones interpersonales y trabajo en equipo. Interesada en participar de proyectos e iniciativas desafiantes donde pueda aportar con sus conocimientos y habilidades.

Enrique San Juan

Periodista Universitat Oberta de Catalunya Director de la agencia digital Community Internet Barcelona – The Social Media Company, con sede en Barcelona, España. De profesión periodista especializado en nuevas tecnologías, es graduado en Comunicación por la Universitat Oberta de Catalunya (España) y experto en la gestión de redes sociales para empresas, el desarrollo de estrategias de marketing digital y la comunicación profesional corporativa a través de webinars y videoconferencias.

Descripción

El Diplomado en Big data y machine learning aporta los conocimientos para construir soluciones inteligentes utilizando las técnicas y algoritmos más modernos de machine learning. Todo ello, al utilizar los enormes volúmenes de datos que se generan diariamente. Ciertamente, los avances tecnológicos de esta era tienen como gran protagonista a la inteligencia artificial. Día a día es posible encontrar información de nuevos logros en este campo que parecen sacados de libros de ciencia ficción. En buena medida, ello se debe a los espectaculares avances de los algoritmos y técnicas de machine learning (deep learning, reinforced learning). Estos permiten construir aplicaciones impresionantes en áreas como el reconocimiento visual. A su vez, el notable desempeño de estos algoritmos se debe a que ahora gracias a las técnicas de big data pueden entrenarse con volúmenes gigantescos de datos. La metodología del Diplomado en Big data y machine learning es 100% online. Y cuenta con una moderna plataforma de aprendizaje. 

Requisitos de Ingreso

Se 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:


Objetivos de Aprendizaje

  • Conocer la problemática de Big data, las plataformas más importantes y las técnicas que permiten manejar esa data.
  • Conocer las principales aplicaciones de ciencia de datos y machine learning.
  • Comprender e implementar los principales algoritmos de machine learning usando el lenguaje Python.
  • Presentar visualmente grandes volúmenes de datos en forma efectiva.

Metodología

Clases en vivo

  • Mini videos
  • Presentaciones
  • Foros de discusión
  • Clases en vivo con profesores o tutores

Desglose de cursos

Curso Visualización de información en la era del big data.

  • Introducción a visualización de información
  • Modelo anidado de Munzner para diseño y validación de visualizaciones
  • Diseño e implementación de gráficos simples para datos tabulares usando modelo anidado
  • Diseño e implementación de gráficos avanzados para datos tabulares usando modelo anidado
  • Diseño e implementación de gráficos para datos de red usando modelo anidado.
  • Visualización en diversos dominios de aplicación 


Curso Python para machine learning.

  • Conceptos fundamentales de machine learning
  • Procesamiento y visualización de datos a través de python tipos de variables análisis
  • Aprendizaje supervisado i: regresiones
  • Aprendizaje supervisado ii: clasificadores
  • Redes neuronales
  • Algoritmos de aprendizaje no supervisado en python utilizando scikit-lea


Curso Técnicas de big data para machine learning 

  • Ecosistema hadoop
  • Herramientas del ecosistema hadoop
  • Apache spark
  • Data analytics con apache spark
  • Machine learning con apache spark
  • Técnicas de visualización 


Curso Aplicaciones de machine learning y ciencia de datos 

  • Conceptos básicos
  • Aplicación en negocios por tipo de datos
  • Tipos de aprendizaje
  • Aplicaciones de los tipos de aprendizaje
  • Estudio de casos por tipo de datos
  • Estudio de casos por industria

Requisitos Aprobación

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

  • Curso: Técnicas de Big Data para Machine Learning         25%
  • Curso: Python para Machine Learning                                25%
  • Curso: Visualización de Información en la Era de Big Data          25%
  • Curso: Aplicaciones de Machine Learning y Ciencia de Datos      25%

Los alumnos deberán ser aprobados de acuerdo a los siguientes criterios:

  1. Calificación mínima de todos los cursos 4,0 en su promedio ponderado y
    1. 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.  

Para aprobar los programas de diplomados se requiere la aprobación de todos los cursos que lo conforman y en el caso que corresponda, de la evaluación final integrativa. 

Los alumnos que aprueben las exigencias del programa recibirán un certificado de aprobación digital 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.

 *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. 

Proceso de Admisión

Las personas interesadas deberán completar la ficha de postulación ubicada al lado derecho de esta página web. Un correo de confirmación solicitará enviar los siguientes documentos

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

VACANTES: 300

INFORMACIONES RELEVANTES

  • 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
28 marzo 2023 - 21 noviembre 2023 Asincrónico $2.060.000 Ver más
23 mayo 2023 - 23 enero 2024 Asincrónico $2.060.000 Ver más
25 julio 2023 - 21 mayo 2024 Asincrónico $2.060.000 Ver más
26 septiembre 2023 - 23 julio 2024 Asincrónico $2.060.000 Ver más
28 noviembre 2023 - 17 septiembre 2024 Asincrónico $2.060.000 Ver más

¿Te parece interesante este programa?

No