Diplomado en Modelos analíticos para la toma de decisiones de negocio

Sigla VRA: MAN3030

Docentes(s): Pablo Marshall, Álvaro Chacón y Tomás Reyes

Unidad académica responsable: Escuela de Ingeniería + Escuela de Administración

Requisitos: Sin prerrequisitos

Créditos: 5

Horas totales: 90 | Horas directas: 24 |Horas indirectas: 66

*El módulo 1 de este curso corresponde al MOOC “Mejores Decisiones con Business Analytics” también dictado en Coursera. Por lo que, si un alumno aprobó previamente este MOOC, puede convalidarlo y continuar con el curso cumpliendo una evaluación.

 Descripción del curso

Las organizaciones modernas enfrentan la necesidad de tomar decisiones complejas en las cuales se debe analizar mucha información en ambientes de incertidumbre. En cualquiera de los ámbitos de la administración de organizaciones se requiere una gestión exitosa que permita estructurar problemas de decisión, evaluar las acciones alternativas y tomar decisiones óptimas dada la información disponible. En el curso “Toma de decisiones basadas en datos” se pretende desarrollar en los alumnos la capacidad para abordar y estructurar problemas de decisiones propios de la gestión de manera de orientar la toma de decisiones. El curso considera estructurar problemas de decisiones, el análisis de problemas de decisión caracterizados por la disponibilidad de una gran cantidad de información, las distintas formas de cuantificar y analizar la incertidumbre propia de los problemas de decisiones y el análisis de relaciones entre variables.  

Resultados de aprendizaje

1. Identificar la importancia, tipos y aplicaciones de Business Analytics en el desarrollo actual de los negocios.
2. Aplicar modelos analíticos de toma de decisiones para resolver problemas de negocio
3. Aplicar metodologías de la analítica descriptiva para pronosticar escenarios futuros inciertos.
4. Aplicar modelos de la analítica predictiva para pronosticar escenarios futuros inciertos.
5. Aplicar modelos de la analítica prescriptiva para recomendar acciones ante posibles situaciones futuras complejas e inciertas.

Contenidos

Módulo 1: Mejores Decisiones con Business Analytics

• Business Analytics y aplicaciones
• Analítica Descriptiva
• Analítica Predictiva
• Analítica Prescriptiva

Módulo 2: Modelos de Toma de Decisiones

• Análisis de Decisiones
• Análisis de Decisiones con Información
• Modelos de Probabilidad
• Simulación
• Ejemplos Aplicados

Módulo 3: Modelos de Predicción y Optimización

• Modelos de Regresión
• Modelos de Optimización Lineal
• Ejemplos Aplicados

Módulo 4: Aplicaciones Reales y el Futuro de la Toma de Decisiones Basada en Datos

• Caso General Electric
• Caso Starbucks
• Consideraciones Éticas y Regulatorias
• Futuro de la Toma de Decisiones Basada en Datos

Estrategias metodológicas

El curso desarrolla sus contenidos y actividades a través de una modalidad online, que combina diferentes recursos de aprendizaje según cada tipo de contenido, por ejemplo: videos, textos, audios, preguntas formativas, discusión de casos y otros. Todos estos recursos se encuentran integrados en una plataforma virtual a la que accede el alumno y desde la cual también obtendrá información de apoyo (materiales anexos, bibliografía, evaluaciones, mensajería, información sobre calificaciones y otros). Además, desde la misma plataforma podrá acceder a las clases sincrónicas (online streaming) contempladas en el programa del curso. Específicamente, el curso trabaja con:

• Clases expositivas
• Estudio de casos
• Test basados en la interacción con bases de datos
• Contenidos entregados por las video clases
• Lecturas y reflexión individual

Estrategias evaluativas:

• Tareas – 32%
• Controles – 18% (incluye control de término del MOOC asociado a este curso)
• Foro – 18%
• Trabajo – 32% 

* El curso contendrá además actividades formativas (sin calificación), las que tienen como propósito la preparación para las evaluaciones calificadas.

Sigla VRA: MAN3050

Docentes(s): Cristian Vásquez

Unidad académica responsable: Escuela de Administración

Requisitos: Sin prerrequisitos

Créditos: 5

Horas totales: 90 | Horas directas: 24 |Horas indirectas: 66

Descripción del curso

El curso “Minería de datos con R” está dirigido a profesionales que ejercen tareas relacionadas a gestión y análisis de datos con énfasis en la programación. Se entregan las principales competencias para que sus egresados puedan desarrollar todas las etapas que requiere un proyecto analítico, tales como: identificar la necesidad del negocio y proponer una efectiva solución estratégica con la información disponible; recolectar, limpiar y gestionar la información proveniente de distintas fuentes de datos; extraer conocimiento a través de métodos del aprendizaje estadístico y, finalmente visualizar y comunicar los resultados utilizando las principales plataformas computacionales del mercado. Además, el curso brinda conocimiento para integrar todas etapas del desarrollo de un proyecto analítico con plataformas de Big Data. 

Resultados de aprendizaje

1. Comprender los fundamentos del proceso de Minería de Datos y las etapas que conlleva un proyecto analítico en un contexto empresarial.
2. Distinguir conceptos de programación subyacentes al lenguaje R.
3. Aplicar técnicas de gestión de datos para preparar, analizar, gestionar y almacenar información digital en su organización.
4. Aplicar métodos del aprendizaje estadístico para resumir información, identificar asociaciones y reducir la dimensionalidad de los datos.
5. Desarrollar un proyecto analítico y todas las etapas que conlleva utilizando los datos públicos.
6. Crear informes de reporterías de análisis de datos para comunicar resultados estadísticos de manera correcta y efectiva.
7. Integrar técnicas de gestión de datos en plataformas de Big Data.

Contenidos

Módulo 1: Introducción y conceptos básicos del Lenguaje R

• ¿Qué es el Data Mining?
• Etapas del proceso de Data Mining
• Principales plataformas analíticas para hacer Data Mining
• ¿Cuál es el rol del Big Data?
• Principales librerías de R
• Lenguaje de programación y principales objetos de R
• Funciones y gráficos en R

Módulo 2: Gestión y visualización de datos

• ¿Cómo adquirir la data?
• Tipos de datos y representación.
• Transformación, depuración y limpieza de la información.
• Terminología de procesamiento de datos: Tabla, Fila y Columna.
• Consultas básicas de manipulación de datos con la librería dplyr en R.
• Estadísticas descriptivas de los datos.
• Resumen para datos categóricos.
• Medidas de similitud y asociación.
• Visualización de los datos con ggplot2 y plotly.

Módulo 3: Reducción de la información y comunicación de los resultados

• La maldición de la dimensionalidad
• Análisis de correlación de variables
• Componentes principales.
• Aplicación a caso de negocio
• Gráficos interactivos
• Reportes R Markdown
• Introducción a flexdashboards
• Introducción a Shiny

Módulo 4: Integración con Big Data

• Plataformas de Big Data.
• Introducción Apache Spark para el análisis de grandes volúmenes de datos.
• Conexión de R con Apache Spark para tareas distribuidas.
• Ilustraciones.

Estrategias metodológicas:

El curso desarrolla sus contenidos y actividades a través de una modalidad online, que combina diferentes recursos de aprendizaje según cada tipo de contenido, por ejemplo: videos, imágenes, esquemas, textos, audios, preguntas formativas, foros y otros. Todos estos recursos se encuentran integrados en una plataforma virtual a la que accede el estudiante y desde la cual también obtendrá información de apoyo (materiales anexos, bibliografía, evaluaciones, mensajería, información sobre calificaciones y otros), además, desde la misma plataforma podrá acceder a las clases sincrónicas (online streaming) contempladas en el programa del curso. Específicamente, el curso trabaja con:

• Clases expositivas
• Estudio de casos
• Trabajos aplicados

Estrategias evaluativas:

• Tareas / trabajos -40%
• Pruebas de selección múltiple -30%
• Foro evaluado -10%
• Trabajo final -20%

* El curso contendrá además actividades formativas (sin calificación), las que tienen como propósito la preparación para las evaluaciones calificadas.

Sigla VRA: MAN3060

Docentes(s): Denis Parra

Unidad académica responsable: Escuela de Ingeniería

Requisitos: Sin prerrequisitos

Créditos: 5

Horas totales: 90 | Horas directas: 24 | Horas indirectas: 66

Descripción del curso

En el curso “Visualización de datos” los estudiantes complementarán conocimientos y habilidades que se requieren especialmente en el área de Ciencia de Datos, donde los resultados de métodos de computación, estadística, minería y análisis de datos podrán ser resumidos y comunicados. Dentro de las actividades prácticas del curso, los alumnos estudiarán técnicas y algoritmos para analizar, diseñar y crear visualizaciones efectivas, basadas en principios de diseño gráfico, artes visuales, y psicología cognitiva. El curso estará orientado a alumnos con experiencia previa en programación, con foco en aquellos que deseen utilizar visualizaciones en su trabajo, así como estudiantes interesados en construir mejores sistemas y herramientas de visualización. 

Resultados de aprendizaje

1. Evaluar visualizaciones de información existentes proponiendo mejoras.
2. Identificar relaciones entre tipos de datos, tareas de visualización y tipos de gráfico.
3. Diseñar visualizaciones de información a partir de datos.
4. Implementar en lenguaje Python gráficos simples y avanzados usando datasets tabulares.
5. Implementar en lenguaje Python gráficos usando datasets de red.
6. Implementar en lenguaje Python gráficos para visualizar datos de texto y espaciales.

Contenidos

Módulo 1: Fundamentos

• Abstracción de Datos
• Marcas y Canales
• Percepción y procesamiento humano de la información
• Reglas y recomendaciones generales para visualizaciones efectivas

Módulo 2: Representaciones Estáticas y sus algoritmos

• Modelo anidado de Munzner para diseño y validación de visualización
• Datos tabulares
• Árboles, Grafos y Redes
• Funciones básicas de librerías de visualización en Python

Módulo 3: Implementación de gráficos en Python con datos tabulares

• 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.

Módulo 4: Implementación de gráficos en Python con datos de red, texto y espaciales

• Diseño e implementación de gráficos avanzados para datos de red usando modelo anidado.
• Visualización básica de datos de texto.
• Visualización básica de datos espaciales.

Estrategias metodológicas:

El curso desarrolla sus contenidos y actividades a través de una modalidad online, que combina diferentes recursos de aprendizaje según cada tipo de contenido, por ejemplo: videos, imágenes, esquemas, textos, audios, preguntas formativas, foros y otros. Todos estos recursos se encuentran integrados en una plataforma virtual a la que accede el estudiante y desde la cual también obtendrá información de apoyo (materiales anexos, bibliografía, evaluaciones, mensajería, información sobre calificaciones y otros), además, desde la misma plataforma podrá acceder a las clases sincrónicas (online streaming) contempladas en el programa del curso. Específicamente, el curso trabaja con:

• Clases expositivas
• Estudio de casos
• Test basados en la interacción con bases de datos
• Contenidos entregados por las video clases
• Lecturas y reflexión individual 

Estrategias evaluativas:

• Pruebas on-line -30%
• Tareas -45%
• Trabajo final -15%
• Foro evaluado -10% 

* El curso contendrá además actividades formativas (sin calificación), las que tienen como propósito la preparación para las evaluaciones calificadas.