Diplomado en Estrategia de datos, Inteligencia Artificial y ética empresarial

Docente: Jaime Navón 

Unidad académica responsable: Escuela de Ingeniería  

Requisitos: Sin prerrequisitos 

Créditos: 4 

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

Descripción del curso:  

Este curso se centra en la problemática de los datos desde un punto de vista estratégico, como recurso fundamental para construir soluciones que apoyen la transformación digital y la innovación a través de la IA. Se estudian tanto los aspectos de captura y organización, como la problemática de gobernanza, incluyendo los aspectos éticos y regulatorios, siempre desde el punto de vista del tomador de decisiones. 

Resultados de aprendizaje: 

• Identificar el rol de los datos en la transformación digital y los principales desafíos relacionados con ellos, incluyendo aspectos éticos y regulatorios. 
• Analizar diversas estrategias para la captura y organización de los datos. 
• Formular una estrategia de gobierno de datos en la organización. 

Contenidos:

• Modulo 1: El rol de los datos en la IA 
  • Los datos como base de la IA 
  • Los datos como recurso  
  • Estrategia de datos 
  • Desafíos principales relacionados con datos 
• Modulo 2: Calidad y sesgo 
  • Factores de calidad de los datos 
  • Asegurando la calidad en la fuente 
  • Creando una cultura de calidad de los datos 
  • El problema del sesgo 
• Módulo 3: Captura y organización de los datos 
  • Fuentes de datos y forma de adquisición 
  • Datos estructurados, no estructurados, big data 
  • Metadata 
  • Infraestructura, herramientas, tecnología 
  • Arquitecturas centralizadas y descentralizadas 
  • Datos en la nube 
• Módulo 4: Gobierno de datos 
  • La necesidad de un gobierno de datos 
  • Gestión de la metadata 
  • Frameworks de gobernanza de datos 
  • Roles y responsabilidades 
• Módulo 5: Seguridad de los datos 
  • Privacidad, confidencialidad e integridad 
  • Principales amenazas 
  • Encriptación de los datos 
  • Gestión de identidad y accesos (IAM) 
  • Frameworks de seguridad de los datos 
• Módulo 6: Aspectos éticos y legales  
  • Privacidad de los datos 
  • Datos sensibles y datos personales 
  • Marco regulatorio internacional 
  • Marco regulatorio nacional 

Estrategias metodológicas:  

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

Estrategias evaluativas: 

• 3 controles individuales – 40% 
• 3 mini proyectos individuales – 60%

Docente: Patricio Cofré

Unidad académica responsable: Escuela de Ingeniería  

Requisitos: Sin prerrequisitos 

Créditos: 4 

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

Descripción del curso:  

En este curso, los estudiantes aprenderán los fundamentos de la Inteligencia Artificial (IA), explorando desde los conceptos básicos hasta sus aplicaciones más avanzadas. Conocerán herramientas esenciales como el aprendizaje automático, y las redes neuronales, desarrollando además habilidades para identificar aplicaciones y diseñar soluciones innovadoras a problemas reales. 

El propósito es que los participantes comprendan no solo la teoría, sino también el impacto y el potencial de la IA en diferentes disciplinas, incluyendo la toma de decisiones empresariales y la resolución de desafíos complejos en la sociedad. Con ello, podrán fortalecer su perfil profesional y responder a la creciente demanda de habilidades en IA en el mercado laboral actual y futuro. 

Resultados de aprendizaje: 

• Reconocer los fundamentos, la evolución histórica y los principales tipos de aprendizaje automático que configuran la base de la Inteligencia Artificial.
• Explicar los principios de la Inteligencia Artificial Generativa, identificando ejemplos y aplicaciones prácticas.
• Aplicar conceptos de IA en el análisis de casos de estudio, comprendiendo su implementación en la industria y explorando oportunidades de adopción en la toma de decisiones empresariales.
• Planificar soluciones de IA utilizando metodologías pertinentes, integrando teoría y práctica, y considerando principios de gobernanza en la ejecución de proyectos.
• Analizar los horizontes de adopción y las nuevas capacidades de la IA en la organización.
• Proponer estrategias de mitigación y aprovechamiento de oportunidades para un desarrollo responsable y sostenible.

Contenidos:  

• Módulo 1: ¿Qué es la Inteligencia Artificial? 
  • Fundamentos de la IA. 
  • Historia y evolución de la IA. 
  • Tipos de aprendizaje automático 
• Módulo 2: Inteligencia Artificial Generativa 
  • Principios de Inteligencia Artificial Generativa (IAG)
  • Ejemplos de IAG 
  • Aplicaciones prácticas de la IAG. 
• Módulo 3: Aplicaciones de Inteligencia Artificial 
  • Casos de estudio en el uso de IA en la industria. 
  • Implementación de IA en la toma de decisiones empresariales. 
  • Primeros pasos para implementar soluciones de IA en tu empresa 
• Módulo 4: Planificación de proyectos de Inteligencia Artificial 
  • Metodologías para la implementación de soluciones de IA.
  • Integración de teoría y aplicación práctica en proyectos reales.
  • Gobernanza para planificación y ejecución de proyectos en IA.
• Módulo 5: Transformación basada en Inteligencia Artificial 
  • Horizontes de Adopción de la IA
  • Nuevas Capacidades de la IA
  • Foresight
• Módulo 6: Impactos de la Inteligencia Artificial en la sociedad 
  • Ética en la IA. 
  • Desafíos y oportunidades sociales de la IA. 
  • Mitigaciones y regulaciones propuestas. 

Estrategias metodológicas:  

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

Estrategias evaluativas: 

• 3 controles individuales – 40% 
• 3 mini proyectos individuales – 60%

Docente: Hernán Valdivieso 

Unidad académica responsable: Escuela de Ingeniería  

Requisitos: Sin prerrequisitos 

Créditos: 4 

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

Descripción del curso:  

El curso comienza abordando la problemática de la obtención, preparación y limpieza de datos, para luego adentrarse en las técnicas y algoritmos asociados a la minería de datos, como clasificación, clustering, entre otros. Además, se exploran algoritmos, técnicas y herramientas de machine learning. 

Los estudiantes de este curso adquirirán conocimientos fundamentales sobre Minería de Datos, comprendiendo las diversas fuentes de información a utilizar, revisando el preprocesamiento de datos y aplicando técnicas de extracción de conocimiento. Esto incluye el uso de reglas de asociación, árboles de decisión, métodos de regresión, algoritmos de clasificación y la evaluación de clasificadores, junto con una introducción al aprendizaje de máquina. 

El enfoque del curso es práctico, brindando oportunidades para aplicar los conocimientos en proyectos y casos concretos. Se proporcionan herramientas de extracción y análisis de información para que una organización pueda generar valor a partir de los datos, mejorando su posición competitiva. 

Al finalizar el curso, los estudiantes contarán con conocimientos teóricos y prácticos sobre las principales técnicas utilizadas en la creación de programas capaces de extraer conocimiento relevante de bases de datos. También comprenderán algunas de las principales aplicaciones actuales de estas técnicas, así como sus potencialidades y limitaciones. 

Resultados de aprendizaje: 

• Reconocer las principales teorías y prácticas de la Minería de Datos.
• Identificar relaciones interesantes en un conjunto de transacciones mediante el uso de reglas de asociación.
• Distinguir técnicas como árboles de decisión, clustering y otras, aplicándolas en escenarios prácticos reales.
• Evaluar la calidad y pertinencia de los resultados obtenidos, reconociendo las potencialidades y limitaciones de cada técnica.

Contenidos:  

• Introducción a Minería de Datos y conceptos sobre Data Warehouse
• Procesamiento, selección y transformación de datos
• Reglas de asociación
• Clasificación
  • Árbol de decisión
  • KNN
  • Random Forest
• Clustering
  • K-Means
  • Clustering jerárquico
• Introducción al Machine Learning
  • Modelo de entrenamiento
  • Métricas de evaluación

Estrategias metodológicas:  

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

Estrategias evaluativas: 

• 3 controles individuales – 40% 
• 3 mini proyectos individuales – 60%

Docente: Carlos Portales 

Unidad académica responsable: Facultad de Economía y Administración

Requisitos: Sin prerrequisitos 

Créditos: 4 

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

Descripción del curso:

Este curso pretende que los alumnos logren desarrollar una comprensión profunda de la ética empresarial que trascienda las normas formales, promoviendo una cultura de integridad y responsabilidad en todas las facetas de la organización, contemplando el uso de nuevas tecnologías.

Resultados de Aprendizaje:

• Analizar las dimensiones éticas en la cultura organizacional y su impacto en la toma de decisiones empresariales usando nuevas tecnologías.
• Desarrollar estrategias para integrar la ética y la responsabilidad social en la gestión empresarial, promoviendo un enfoque sostenible y orientado al valor compartido.
• Fomentar la transparencia y la rendición de cuentas dentro de la empresa, asegurando una gestión ética que trascienda las normas y códigos formales con el uso de nuevas tecnologías.

Contenidos:

• Módulo 1: Introducción a la Ética Empresarial
  • Definición y conceptos clave
  • Importancia de la ética en el entorno empresarial moderno
  • Diferencia entre ética y cumplimiento normativo
  • Análisis de casos prácticos y buenas prácticas
• Módulo 2: Cultura Organizacional y Ética
  • Cómo construir una cultura ética
  • Rol del liderazgo en la promoción de la ética
  • Impacto de la cultura ética en el desempeño organizacional
  • Análisis de casos prácticos y buenas prácticas
• Módulo 3: Uso de tecnologías emergentes y la toma de Decisiones Éticas
  • Marco para el uso de nuevas tecnologías y la toma de decisiones éticas
  • Casos de estudio y ejemplos prácticos
  • Manejo de dilemas éticos en el entorno laboral
  • Gestión de decisiones difíciles desde el punto de vista ético en el mercado, con competidores y en temas de marketing con clientes
• Módulo 4: Valor compartido y Responsabilidad Social Corporativa y Valor compartido (RSC)
  • Concepto y evolución del valor compartido y sus diferencias con la RSC
  • Integración de la ética en el valor compartido y la RSC
  • Beneficios y desafíos del valor compartido y la RSC para las empresas
  • Análisis y discusión de casos prácticos exitosos y aplicaciones a distintas empresas
• Módulo 5: Ética y Sostenibilidad con uso de tecnologías
  • Relación entre ética empresarial y sostenibilidad
  • Prácticas sostenibles y su impacto ético con el uso de nuevas tecnologías
  • Innovación y ética en la sostenibilidad empresarial
  • Plan de acción para implementar la ética en el modelo de negocios con el uso de nuevas tecnologías y la sostenibilidad de una empresa
• Módulo 6: Transparencia y Rendición de Cuentas
  • Importancia de la transparencia en la ética empresarial
  • Mecanismos de rendición de cuentas
  • Estrategias para implementar prácticas de transparencia en la empresa
  • La transformación personal, del liderazgo y organizacional para la instalación de la transparencia y la buena rendición de cuentas en el día a día de la empresa

Estrategias Metodológicas:

El curso está constituido de seis clases e-learning y dos clases sincrónicas. 

• Aprendizaje autónomo asincrónico 
• Clase expositiva 
• Foro 
• Estudio de caso 

Estrategias Evaluativas:

• 6 controles individuales: (15%) 
• 3 foros: (25%) 
• 1 trabajo de aplicación final grupal: (30%) 
• 1 examen final global individual: (30%)