Diplomado en Ciencia de datos para la gestión

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

Acerca del programa:

El Diplomado en Ciencia de datos para la gestión entrega Conocimientos y herramientas de inteligencia artificial para una óptima gestión, a través de la lectura, interpretación y administración de los datos.

Competencias para transformar los negocios mediante técnicas de inteligencia de negocios y ciencia de datos, utilizando información de variables como productos y servicios, compradores y oferentes, hábitos de compra , entre otras.

La metodología online consiste en herramientas activas, donde el participante puede interactuar con sus pares y profesor-tutor, a través de los recursos tecnológicos que provee la plataforma educativa virtual.

Imagen Diplomado en Ciencia de datos para la gestión

Dirigido a:

  • Profesionales interesados en adquirir competencias en el área de Ciencia de Datos para aplicarlos en la gestión o la transformación digital de los negocios. 

Jefe de Programa

Jaime Navón Cohen

Ph.D. Computer Science, University of North Carolina at Chapel Hill. Master of Science, Technion-Israel Institute of Technology. Ingeniero Civil Electricista, Pontificia Universidad Católica de Chile. Profesor Asociado del Departamento de Ciencia de la Computación, Pontificia Universidad Católica de Chile.
linkedin

Equipo Docente

keyboard_arrow_down

Mauricio Arriagada Benítez

Doctor en Ciencia de la Ingeniería, Pontificia Universidad Católica de Chile, Master en Ciencias de la Ingeniería de la Pontificia Universidad Católica de Chile, Ingeniero Civil en Computación e Informática, Universidad de Tarapacá, Chile. Master in Computer Science, University of Northern Iowa – USA. Master en Ingeniería de Software, Universidad de Tarapacá – Chile.

Fernando Florenzano

Magíster en Ciencias de la Ingeniería, PUC. Ingeniero Civil Computación PUC.

Denis Parra

Profesor Asistente UC; Ingeniero Civil en Informática, Universidad Austral de Chile; Doctor of Philosophy in Information Science, University of Pittsburgh, EE.UU. 

Cristián Rodríguez

Ingeniero Civil de Industrias UC con Mención en Tecnologías de la Información, Profesor Diplomado Inteligencia de Negocio, Profesor Magíster en Tecnologías de la Información y Gestión, Escuela de Ingeniería UC. Cofundador en Archetype, empresa consultora fundada el año 2016 y especializada en el área de Inteligencia de Negocios, Análisis de Negocios y Gestión Estratégica con Inteligencia de Negocios (Enterprise Performance Management). 

Hernán Valdivieso

Magíster en Ciencias de la Ingeniería e Ingeniero Civil en Computación, UC. Profesor Instructor del Departamento de Ciencia de la Computación de la Escuela de Ingeniería UC. Su área principal de trabajo es la docencia y el desarrollo de técnicas de visualización.

* 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

Se orienta a quienes buscan adquirir las competencias fundamentales de la ciencia de datos, pero que no necesariamente tienen una base matemática. Ni tampoco se interesan por los detalles de los algoritmos, sino más bien en la forma de ponerlos en práctica en los negocios y las organizaciones.

Veamos que ofrecen los cuatro cursos de este diplomado. Todo trabajo en ciencia de datos comienza con la obtención de los datos, y una de las principales fuentes son las bases de datos. Un curso de Python y base de datos entrega las competencias para interactuar con un motor relacional o un motor noSQL desde un programa Python. El curso de minería de datos y machine learning enseña las principales técnicas, algoritmos y métodos que permiten utilizar los datos para entender qué está sucediendo y obtener insights que permitan tomar mejores decisiones.

El foco del curso sobre visualización de la información apunta a ser capaces de producir visualizaciones efectivas desde una montaña de datos muy difíciles de entender. Por último, el curso sobre inteligencia de negocios permite poner todo en la perspectiva de los negocios; entregando una visión muy amplia de lo qué es y a qué apunta la inteligencia de negocios hoy en día.

El formato del Diplomado en Ciencia de datos para la gestión es 100% en línea. Y se estructura sobre estos cuatro cursos que utilizan técnicas metodológicas activas. Gracias a estas últimas, el participante puede interactuar con sus pares y profesor-tutor a través de los recursos tecnológicos que provee la plataforma educativa virtual.

Además, se recomienda contar con conocimientos básicos de programación, específicamente en lenguaje Python. En particular, ser capaz de utilizar controles de flujo, distintos tipos de datos y funciones y diccionarios con Python

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:

 Es deseable contar con algún grado de conocimiento matemático (algebra lineal, estadística básica y cálculo).

Objetivos de Aprendizaje

  • Diseñar y construir programas en lenguaje Python capaces interactuar con un motor de bases de datos para extraer y modificar información, y aplicar algoritmos y técnicas de minería de datos en el contexto de una analítica descriptiva y predictiva.
  • Presentar en forma gráfica la información de modo que pueda ser comprendida rápidamente.
  • Aplicar técnicas y enfoques de inteligencia de negocios para una gestión guiada por datos en el proceso de transformación digita


Desglose de cursos


Curso 1: Python y bases de datos

Nombre en inglés: Python and Databases 

Horas Totales: 75 horas (35 horas directas)

Descripción del curso

El punto de partida para el trabajo de análisis de datos es obtenerlos desde las fuentes originales. Muchas veces están disponibles en forma de datasets ya preparados y compuestos por un conjunto de archivos de texto (csv, tsv, etc); otras veces es necesario conectarse con algún motor de bases de datos (MySQL, PostgreSQL, SQLServer, etc) y extraerlos directamente desde allí. En ocasiones es necesario transformar los datos extraídos para luego volver a cargar la data ya transformada, en otro motor de bases de datos que es usado para análisis (almacén de datos o data warehouse). 

Los alumnos de este curso aprenderán los conceptos fundamentales asociados a las bases de datos, y a interactuar con un motor de bases de datos real, mediante el lenguaje standard SQL, para luego aprender cómo conectarse a un motor de bases de datos desde un programa Python para extraer y manipular la información. Finalmente, se aborda la interacción, también desde Python, con un motor de la categoría NoSQL como MongoDB o similar. 

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. Describir las características de una base de datos relacional y una base de documentos.
  2. Interactuar directamente con un motor de bases de datos desde la herramienta de administración.
  3. Escribir consultas simples utilizando el lenguaje SQL.
  4.  Agregar, eliminar información y formular consultas simples de una base de datos relacional mediante el lenguaje standard SQL.
  5. Construir programas Python capaces de conectarse a un motor de bases de datos para extraer o registrar información.

Contenidos:

  • Conceptos fundamentales de bases de datos.
  • El modelo relacional.
  • El lenguaje de consultas estándar SQL.
  • Interacción directa con una base de datos relacional usando SQL.
  • Conectores y librerías Python para trabajo con Bases de Datos relacionales.
  •  Extracción directa de información desde un programa Python.
  • La librería Pandas y el concepto de Dataframe.
  •  Extracción de información de mediana complejidad desde un programa Python.
  • Modificación y eliminación de información de la base de datos desde Python.
  • El modelo de documentos.
  • El formato JSON.
  • Interacción con una base de datos de documentos desde un programa Python.

Metodología de enseñanza y aprendizaje:

La modalidad de capacitación es e-learning asincrónica, por lo que los participantes accederán a una plataforma educativa virtual (LMS). Las actividades se desarrollan en forma remota, lo que permite entregar flexibilidad en los horarios, de manera que cada participante pueda distribuir su tiempo y ser autónomo en su proceso de aprendizaje. No obstante, el proceso de enseñanza-aprendizaje se acompañará con un tutor, quien tendrá un rol de mediador y facilitador, ofreciendo apoyo a los participantes en aspectos técnicos y también administrativos durante la actividad de capacitación. 

Respecto a las estrategias de enseñanza - aprendizaje, se utilizarán videoclases, screencast y clases interactivas para la presentación de contenidos y actividades de aplicación que serán desarrolladas a partir de cuestionarios y tareas, dirigidas a que los participantes resuelvan problemas/situaciones aplicando los conocimientos aprendidos y comprobar la comprensión de los contenidos a través de test automáticos. 

Los participantes también contarán con foros abiertos de consulta, como apoyo a su proceso de aprendizaje, donde podrán interactuar con sus pares y tutor. 

Al inicio del curso se contará con una clase sincrónica en formato streaming, en que el jefe de programa o un profesor del programa, introducirán a los alumnos en las materias a abordar. 

Evaluación de los aprendizajes:

  • Tres pruebas on-line, todas de igual ponderación                            (40% en total)
  • Tres actividades de aplicación, la tercera con doble ponderación    (60% en total)  

Curso 2: Introducción a Minería de Datos y Machine Learning

Nombre en inglés: Introduction to Data Mining and Machine Learning 

Horas Totales: 75 horas (35 horas directas)

Descripción del curso

El curso comienza con la problemática de obtención, preparación y limpieza de los datos para pasar luego a las técnicas y algoritmos asociados a la minería de datos para clasificación, clustering, etc. además de algoritmos, técnicas y herramientas de machine learning. 

Los alumnos de en este curso aprenderán los conceptos fundamentales asociados a Minería de Datos, entendiendo cuáles son las diferentes fuentes de información a utilizar, revisar un pre procesamiento de datos, y posteriormente entender y aplicar las diferentes técnicas de extracción de conocimiento de datos utilizando reglas de asociación, árboles de decisión, métodos de regresión, algoritmos de clasificación, evaluación de clasificadores y una introducción al aprendizaje de máquina. 

El enfoque del curso es de tipo práctico, con oportunidades de aplicar los conocimientos en proyectos y casos concretos. Se entregan herramientas de extracción y análisis de información para que una organización pueda generar valor desde los datos para mejorar su posición competitiva. 

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. Conocer y comprender las principales teorías y prácticas de la emergente área de Minería de Datos
  2. Aplicar reglas de asociación para encontrar relaciones en un set de transacciones.
  3. Desarrollar soluciones a problemas reales de Big Data y ciencia de datos que involucren la necesidad de técnicas de Minería de Datos como árboles de decisión y clustering.
  4. Implementar soluciones usando herramientas de software de Minería de Datos aplicándolas en datos reales. 

Contenidos:

  • Conceptos fundamentales de Minería de Datos
  • Preparación de datos y reducción de información
  • Reglas de Asociación
  • Algoritmos de Clasificación
  • Algoritmos de Clustering y medidas de similaridad
  • Selección de modelos e introducción a Machine Learning 

Metodología de enseñanza y aprendizaje:

La modalidad de capacitación es e-learning asincrónica, por lo que los participantes accederán a una plataforma educativa virtual (LMS). Las actividades se desarrollan en forma remota, lo que permite entregar flexibilidad en los horarios, de manera que cada participante pueda distribuir su tiempo y ser autónomo en su proceso de aprendizaje. No obstante, el proceso de enseñanza-aprendizaje se acompañará con un tutor, quien tendrá un rol de mediador y facilitador, ofreciendo apoyo a los participantes en aspectos técnicos y también administrativos durante la actividad de capacitación. 

Respecto a las estrategias de enseñanza - aprendizaje, se utilizarán videoclases, screencast y clases interactivas para la presentación de contenidos y actividades de aplicación que serán desarrolladas a partir de cuestionarios y tareas, dirigidas a que los participantes resuelvan problemas/situaciones aplicando los conocimientos aprendidos y comprobar la comprensión de los contenidos a través de test automáticos. 

Los participantes también contarán con foros abiertos de consulta, como apoyo a su proceso de aprendizaje, donde podrán interactuar con sus pares y tutor. 

Al inicio del curso se contará con una clase sincrónica en formato streaming, en que el jefe de programa o un profesor del programa, introducirán a los alumnos en las materias a abordar. 

Evaluación de los aprendizajes:

  • Tres pruebas on-line, todas de igual ponderación: (40% en total)
  • Tres actividades de aplicación, la tercera con doble ponderación :(60% en total)

 

Curso 3: Visualización de información en la era de Big Data

Nombre en inglés: Information Visualization in the era of Big Data 

Horas Totales: 75 horas (35 horas directas)

Resultados de Aprendizaje

  1.  Analizar y evaluar visualizaciones de información existentes, así como proponer mejoras.
  2. Identificar relaciones entre tipos de datos, tareas de visualización y tipos de gráficos para diseñar visualizaciones de información.
  3.  Diseñar e implementar en lenguaje Python gráficos simples y avanzados usando datasets tabulares.
  4. Diseñar e implementar en lenguaje Python gráficos usando datasets de red.
  5. Diseñar e implementar en lenguaje Python gráficos para visualizar datos de texto y espaciales.

Contenidos:

  • Ejemplos históricos de Visualización de datos.
  • Conceptos fundamentales de visualización de información.
  • Funciones básicas de matplotlib y seaborn.
  • Modelo anidado de Mundzner de diseño y validación de visualización.
  • Reglas y recomendaciones generales para visualizaciones efectivas.
  • Diseño e implementación de gráficos simples para datos tabulares usando modelo anidado.
  • Diseño e implementación de gráficos avanzados para datos tabulares usando modelo anidado.
  • Reducción de dimensionalidad.
  • Diseño e implementación de gráficos avanzados para datos de red usando modelo anidado.
  •  Visualización básica de datos de texto.
  •  Visualización básica de datos espaciales.

Metodología de enseñanza y aprendizaje:

La metodología se presenta más adelante ya que para todos los cursos es la misma. 

Evaluación de los aprendizajes:

  • Tres pruebas on-line, todas de igual ponderación                            (40% en total)
  • Tres actividades de aplicación, la tercera con doble ponderación    (60% en total)

 

Curso 4: Presente y futuro de la inteligencia de negocios

Nombre en inglés: Business Intelligence: Present and Future 

Horas Totales: 75 horas (35 horas directas)

Descripción del curso

La Inteligencia de Negocios se ha consolidado como una práctica fundamental para generar valor a partir de los datos. Tradicionalmente, esta práctica se ha centrado en procesos de integración, almacenes de datos corporativos y visualización de datos (reportes, dashboards). Sin embargo, la irrupción de la Inteligencia Artificial y la Ciencia de los Datos requiere una mirada fresca que permita aprovechar las nuevas oportunidades. En este curso se describe la Inteligencia de Negocios actual y la que está apareciendo. 

El curso parte con un resumen de los componentes y roles “clásicos” de la Inteligencia de Negocios. A continuación, se presentan los principales desafíos que han surgido producto de la aparición de nuevas tecnologías, soluciones y necesidades de análisis de información. Se presentará una plataforma de análisis de datos moderna que frente a estos desafíos. Posteriormente pasaremos del mundo técnico al mundo más de gestión y personas. Hablaremos de Agilidad en Inteligencia de Negocios, de Gobierno y Calidad de Datos, de la necesidad de Pensamiento Analítico como base para la generación de valor. Luego, analizaremos la aparición del rol de Traductor Analítico y su importancia. Para cerrar, y considerando todos los puntos vistos en el curso, se presentará una visión moderna (y futura) de la Inteligencia de Negocios. 

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. Comprender las características de una plataforma moderna de análisis de datos y los desafíos de la forma actual de hacer Inteligencia de Negocios.
  2. Utilizar los principios de agilidad aplicados a los proyectos de inteligencia de negocios.
  3. Identificar los principios y roles básicos asociados al Gobierno de Datos.
  4. Comprender la importancia del pensamiento analítico.
  5. Describir las características e importancia del rol de Traductor Analítico.
  • Contenidos:
  • Estado actual de la inteligencia de negocios.
  • Plataforma Moderna de Análisis de Datos.
  •  Centralización vs Descentralización.
  • Desafíos de la Inteligencia de Negocios actual.
  • El rol de la Agilidad en la Inteligencia de Negocios.
  • Principios de Gobierno de Datos.
  • Roles asociados al Gobierno de Datos.
  •  Introducción a la Calidad de Datos.
  • El pensamiento analítico como base de la creación de valor a partir de los datos.
  • El nuevo rol del Traductor Analítico.
  • Uniendo Todo: Inteligencia de Negocios para una nueva década. 

Metodología de enseñanza y aprendizaje:

La modalidad de capacitación es e-learning asincrónica, por lo que los participantes accederán a una plataforma educativa virtual (LMS). Las actividades se desarrollan en forma remota, lo que permite entregar flexibilidad en los horarios, de manera que cada participante pueda distribuir su tiempo y ser autónomo en su proceso de aprendizaje. No obstante, el proceso de enseñanza-aprendizaje se acompañará con un tutor, quien tendrá un rol de mediador y facilitador, ofreciendo apoyo a los participantes en aspectos técnicos y también administrativos durante la actividad de capacitación.

Respecto a las estrategias de enseñanza - aprendizaje, se utilizarán videoclases, screencast y clases interactivas para la presentación de contenidos y actividades de aplicación que serán desarrolladas a partir de cuestionarios y tareas, dirigidas a que los participantes resuelvan problemas/situaciones aplicando los conocimientos aprendidos y comprobar la comprensión de los contenidos a través de test automáticos.

Los participantes también contarán con foros abiertos de consulta, como apoyo a su proceso de aprendizaje, donde podrán interactuar con sus pares y tutor.

Al inicio del curso se contará con una clase sincrónica en formato streaming, en que el jefe de programa o un profesor del programa, introducirán a los alumnos en las materias a abordar. 

 Evaluación de los aprendizajes:

  •  Tres pruebas on-line, todas de igual ponderación :(40% en total)
  • Tres actividades de aplicación, la tercera con doble ponderación (60% en total)

Nota: El orden de los cursos dependerá de la programación que realice la Dirección Académica 

Requisitos Aprobación

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

  • Curso: Python y Bases de Datos                                         25%
  • Curso: Introducción a Minería de Datos y Machine Learning        25%
  • Curso: Visualización de Información en la Era de Big Data          25%
  • Curso: Presente y Futuro de la Inteligencia de Negocios    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 por favor llenar la ficha de postulación de este programa

  • Fotocopia Carnet de Identidad.

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