Diplomado en Inteligencia Artificial, tecnologías emergentes y liderazgo digital

Docente: Sergio Bocaz

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 se aborda la problemática de gobernanza desde una perspectiva de las mejores prácticas utilizadas en la actualidad en la industria. El curso se centra en dos aspectos cruciales para la implementación de un proyecto de Inteligencia de Negocios en una organización. Primero, en la implementación de una gobernanza de datos que pavimente el camino para cualquier proyecto y segundo, en las técnicas metodológicas asociadas a la gestión del proyecto de este tipo. El curso se realiza en formato online mixto.

Resultados de aprendizaje:

• Comprender los actuales modelos de Gobierno de Datos y las tendencias futuras.
• Liderar el desarrollo de un proyecto de Inteligencia de Negocios en cualquier empresa u organización.
• Conocer experiencias prácticas de compañías locales o multinacionales que han implementado modelos proyectos de Inteligencia de Negocios.

Contenidos:

• Conceptos básicos de la gestión de proyectos BI
  • Principios básicos del PMI
  • Áreas de conocimiento
  • Personas, cultura y política
• Metodología clásica de gestión de proyectos BI
  • Contexto metodológico
  • Conceptos relevantes
  • Consideraciones relevantes
  • Prototipos
• Metodología moderna de gestión de proyectos BI
  • La naturaleza de la agilidad
  • Introducción a Scrum
  • Desarrollo de proyectos BI con metodología Scrum
• Conceptos básicos de gobierno de datos
  • La necesidad de gobierno
  • Desafío de fondo
  • Conceptos fundacionales clave
  • Desafíos del gobierno de datos
• Gobierno y calidad de datos
  • Roles
  • Estructura organizativa
  • Data Stewardship
  • Calidad de datos
  • Modelos de gobierno de datos
• Arquitectura, tecnología y soluciones
  • Arquitectura de datos
  • Master Data Management
  • Proveedores de nube

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: Mauricio Arriagada Benítez

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. 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. El curso se realiza en formato online mixto.

Resultados de aprendizaje:

• Identificar las principales teorías y prácticas de la Minería de Datos.
• Aplicar reglas de asociación de manera efectiva para la ubicación de relaciones interesantes en un conjunto de transacciones.
• Aplicar técnicas como árboles de decisión, clustering y otras en escenarios prácticos reales.

Contenidos:

• Conceptos sobre Data Warehouse y uso de Dataframes
• Procesamiento y consolidación de datos.
  • Preprocesamiento de datos
  • Selección y transformación de datos
• Reglas de asociación
• Aplicación de los algoritmos Random Forest y KNN
  • Árbol de decisión
  • KNN
  • Random Forest
• Aplicación de los algoritmos K-Means y DBSCAN
  • 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: 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:

Las técnicas asociadas a la ciencia de datos y al aprendizaje de máquina, a veces englobadas bajo el paraguas de la inteligencia artificial, han adquirido gran notoriedad en los últimos años. Esto se debe principalmente a que han comenzado a surgir aplicaciones espectaculares en diversos ámbitos de negocios y de la sociedad. 

El presente curso está diseñado para abordar las temáticas asociadas a la ciencia de datos y el machine learning desde la perspectiva de sus aplicaciones en el mundo de los negocios y otros sectores. El curso inicia con una revisión de las técnicas básicas, para luego avanzar rápidamente a examinar aplicaciones interesantes, apreciar las oportunidades y comprender sus dificultades y limitaciones. Los alumnos aprenderán a utilizar técnicas y herramientas de aprendizaje supervisado y no supervisado para el descubrimiento de asociaciones, correlaciones o dependencias que pueden ser importantes en la toma de decisiones. 

Resultados de aprendizaje:

• Identificar los principales conceptos y técnicas asociados a Machine Learning y ciencia de datos. 
• Reconocer la importancia y los principales desafíos de los datos en el contexto actual. 
• Asociar las diversas técnicas con oportunidades de aplicación en los negocios. 
• Examinar las dificultades y oportunidades en la aplicación de técnicas de ciencia de datos y aprendizaje de máquina. 

Contenidos:

• Introducción al aprendizaje de máquinas y ciencia de datos
  • Conceptos de inteligencia de negocios y minería de datos
  • Conceptos de ciencia de datos y aprendizaje de máquina
  • El auge actual del aprendizaje de máquina e inteligencia artificial
• Tipos de datos y aplicaciones
  • Aplicaciones sobre transacciones estructuradas
  • Aplicaciones sobre texto
  • Aplicaciones sobre audio
  • Aplicaciones sobre video
• Técnicas de ciencia de datos y aprendizaje de máquina
  • Visualización en ciencia de datos
  • Aprendizaje supervisado
  • Aprendizaje no supervisado
  • Aprendizaje reforzado
• Aplicaciones en los negocios
  • Aplicaciones de visualización en ciencia de datos
  • Aplicaciones de aprendizaje supervisado
  • Aplicaciones de aprendizaje no supervisado
  • Aplicaciones de aprendizaje reforzado
• Casos de ciencia de datos
  • Caso en compañía de seguros
  • Caso en banca
  • Caso en retail
  • Caso en calidad del aire
• Casos de aprendizaje de máquina
  • Caso en transporte público
  • Caso en compras públicas
  • Caso en industria financiera
  • Caso en observación astronómica

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: Denisse Goldfarb

Unidad académica responsable: Escuela de Administración

Requisitos: sin prerrequisitos

Créditos: 4

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

Descripción del curso:

Este curso ha sido diseñado para entregar herramientas y nociones concretas sobre cómo abordar los desafíos en torno a la automatización y a la transformación digital, en el contexto de la gestión de personas y su impacto en las organizaciones y su cultura interna. A través de este curso, los participantes comprenderán el nuevo rol de gestión de personas frente a este fenómeno de automatización y cambio digital y adquirirán herramientas, buenas prácticas y competencias que necesita un líder en la era digital para gestionar las nuevas formas de trabajo, los procesos de selección y el desarrollo tanto de equipos como de personas. El curso se realiza en formato online mixto.

Resultados de aprendizaje:

• Reconocer las nuevas tecnologías exponenciales que configuran la Cuarta Revolución Industrial, entendiendo similitudes y diferencias con las revoluciones anteriores.
• Aplicar prácticas exitosas para la gestión de la transformación digital a nivel organizacional, de equipos y de personas.
• Evaluar procesos de selección, onboarding, aprendizaje y desarrollo a través de las nuevas tecnologías digitales.

Contenidos:

• La transformación digital y su impacto en el mundo y las organizaciones
  • La transformación digital (TD) y la Cuarta Revolución Industrial
  • ¿Qué es la transformación digital?
•  Cultura organizacional: la habilitación de nuevos modelos de transformación
  • Por qué la TD no es solo implementación de nueva tecnología
  • Cultura organizacional. Nuevas prácticas de trabajo
• Procesos de gestión de personas. El ciclo del colaborador 4.0
  • La nueva experiencia del empleado (employee experience - EX)
  • Experiencia del colaborador: más allá de la cultura
• La nueva empleabilidad y el paradigma del aprendizaje en la era digital
  • Empleabilidad bajo una nueva perspectiva de desarrollo profesional y plan de carrera
  • Paradigmas del aprendizaje y del desarrollo de carrera
• Ser líder en la era digital: las nuevas competencias de liderazgo
  • Nuevas competencias del líder en la transformación digital
  • Gestión del cambio en las organizaciones
• Automatización e inteligencia artificial
  • ¿Qué es la automatización?
  • Las nuevas tendencias laborales
  • Etapas de la automatización
  • Impacto en los empleos hoy
  • Inteligencia artificial: una vía hacia la automatización
  • Consideraciones éticas

Estrategias metodológicas:

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

Estrategias evaluativas:

• 6 controles individuales, 1 por clase - 15%
• 3 foros individuales evaluados - 25%
• 1 trabajo grupal - 30%
• 1 evaluación individual final - 30%