Diplomado en Transformación e innovación en entornos digitales

Sigla VRA: INF3541

Docente(s): Manual Cepeda

Unidad académica responsable: Escuela de Ingeniería

Requisitos: sin prerrequisitos

Créditos: 5

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

Descripción de curso

El curso sobre Transformación Digital busca que los estudiantes desarrollen las competencias requeridas para identificar y gestionar de manera exitosa los aspectos claves para la transformación digital de una organización. Se fomentará que los estudiantes, en tanto profesionales de distintas áreas, sean capaces de comprender las posibilidades que generan las nuevas tecnologías digitales y cómo estas deben tener un sentido de generación de valor, para ser consideradas atingentes e incorporadas a la organización.

Resultados de aprendizaje

1. Valorar cuál es la mirada estratégica que establecen las organizaciones más exitosas del mundo para llevar a cabo su proceso de transformación digital.
2. Analizar los procesos de transformación en cada organización.
3. Debatir los aspectos claves en las organizaciones que habilitan u obstaculizan una transformación digital exitosa.
4. Analizar, de manera profunda, los desafíos de la colaboración de las diversas áreas de una organización, más allá del área de tecnología, para establecer las bases para la transformación digital.
5. Evaluar de qué manera las nuevas tecnologías habilitan lograr una transformación digital exitosa.

Contenidos

• Construyendo las bases: Distinciones y facetas de la transformación digital y de negocio.
  • Desmitificando la Transformacional Digital: aspectos estratégicos
  • Ejemplos de transformación digital en el mundo
  • Como aplica la transformación de negocio/digital a la realidad de la empresa en Chile, en base a ejemplos
  • Propósito y alineamiento para comenzar la transformación
• Aspectos claves que gobiernan el éxito y fracaso de una transformación digital
  • Entendiendo cómo se genera una cultura para iniciar un proceso de transformación
  • Entendiendo cómo la interpretación de la realidad impacta en la transformación
  • Coordinando interpretaciones de colaboradores y equipos con el entendimiento compartido​
  • Por qué los prototipos
  • Por qué alineamiento frecuente
  • Planteamiento de desafíos a ser implementados en la semana 
  • Por qué el pensamiento visual, cómo y cuándo utilizarlo
• Descubriendo y aprendiendo los principios que activan una mentalidad ágil en líderes y equipos:
  • Mitigación de riesgo en proyectos y gestión diaria
  • Impacto en la generación de nuevos productos y soluciones
  • Foco en entrega de valor inmediato
  • Optimización del trabajo para la entrega de valor
  • Colaboración efectiva para un mejor desempeño global de la organización​
  • Relación de los principios fundamentales de la agilidad
• Gestionando la incertidumbre
  • Por qué los procesos transformacionales son inherentemente inciertos
  • Herramientas para la mitigación de incertidumbre
  • Gestión de complejidad e incertidumbre de proyectos con Story maps
  • Formación y despliegue de equipos multidisciplinarios con Impact maps
  • Entendimiento profundo de problemáticas con Design Thinking
• Innovación e intra-emprendimiento en la organización
  • Generación de negocios digitales
  • Validación de productos y servicios con valor inmediato usando Lean startup y UX
  • Gestión de flujo de trabajo y mejora continua con Kanban
  • Despliegue estratégico con metodologías Lean
  • Planteamiento de desafíos a ser implementados en la semana
• Importancia del liderazgo consciente para navegar la incertidumbre y llevar adelante procesos de transformación
  • Niveles de consciencia de las organizaciones
  • Desarrollando propósito individual alineado con propósito organizacional
  • Liderazgo y nuevas tendencias
  • Integración de procesos humanos con la implementación de proyectos tecnológicos/digitales 
• Tecnologías disruptivas, factores y estrategias a considerar para iniciar y desplegar un proceso de transformación de negocio
  • Tendencias disruptivas y su impacto en esta nueva era: Blockchain, IoT, Machine Learning (AI), Big Data, entre otras.
  • Seguridad psicológica
  • Sesgos cognitivos que habilitan o impiden la transformación
  • Equipo multidisciplinarios 
  • Flujos de valor organizacional e integración con stakeholders
  • Reflexión final y recomendaciones

Estrategias metodológicas:

• Clases expositivas.
• Talleres de trabajo grupal aplicado.
• Presentaciones de trabajo grupal.

Evaluación de los aprendizajes

• Presentaciones grupales – 100%

Sigla VRA: INF3262

Docente(s): Marcos Sepúlveda

Unidad académica responsable: Escuela de Ingeniería

Requisitos: sin prerrequisitos

Créditos: 5

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

Descripción de curso

En este curso el estudiante aprenderá qué son los procesos de negocio y por qué es relevante su gestión en las organizaciones, y conocerá una metodología sistemática de análisis para mejorar a los procesos organizacionales. Se pone énfasis en que el estudiante aprenda a analizar procesos de negocios, tanto desde la perspectiva del valor que estos entregan como desde la óptica tecnológica. En clases se explicarán las técnicas y herramientas de análisis, y se desarrollarán actividades prácticas en base a casos concretos. Las evaluaciones medirán la capacidad del estudiante de aplicar lo aprendido a casos prácticos.

Resultados de aprendizaje

1. Valorar herramientas para la gestión de procesos de negocio.
2. Aplicar técnicas y herramientas para describir y modelar procesos de negocio.
3. Aplicar una metodología sistemática para analizar procesos de negocio.
4. Aplicar técnicas y herramientas para definir métricas para evaluar el desempeño de procesos de negocio.
5. Aplicar una metodología sistemática para identificar oportunidades de mejora a procesos de negocio.

Contenidos

• Procesos de Negocio.
• Descubrimiento de procesos de negocio.
• Madurez de los procesos de negocio.
• Modelación de procesos de negocio.
• Métricas de procesos de negocio.
• Mejora de procesos de negocio.
• Minería de procesos de negocio.
• Habilidades del modelador.

Estrategias metodológicas:

• Clases expositivas.
• Análisis de casos.
• Actividades prácticas de trabajo grupal.

Estrategias evaluativas:

• Tareas de aplicación (individua): 50%
• Examen (individual):: 50%

Sigla VRA: INF3542

Docente(s): Manuel Cepeda

Unidad académica responsable: Escuela de Ingeniería

Requisitos: sin prerrequisitos

Créditos: 5

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

Descripción de curso

En esta asignatura práctica los estudiantes generarán soluciones de alto impacto mediante la correcta detección de problemas u oportunidades que al ser resueltas permiten aportar valor de manera disruptiva o incremental. A partir de estudio de casos, taller y aprendizaje basado en equipos, se analizarán diversas situaciones en el contexto de una era dominada por las tecnologías digitales. Las evaluaciones consideran exposiciones grupales y control final, a fin de que experimenten procesos de innovación y emprendimiento.

Resultados de aprendizaje

1. Evaluar los aspectos esenciales a considerar en el ámbito de la innovación y emprendimiento para maximizar la probabilidad de éxito de una iniciativa de estas características.
2. Proponer un modelo de negocio escalable mediante la aplicación de estrategias iterativas para maximizar su viabilidad en el ámbito de la innovación y emprendimiento.
3. Desarrollar la capacidad para generar soluciones innovadoras a problemas y necesidades detectadas mediante una mirada científica, que permita responder de manera objetiva y contextualizada en entornos dinámicos.

Contenidos:

• Innovacion y emprendimiento
  • Definiciones básicas de innovación y emprendimiento
  • Tipos de innovación y emprendimientos
  • Paradigmas de gestión para enfrentar desafíos en incertidumbre
• Experiencias en Chile y el mundo (éxitos, fracasos y otros)
  • Casos de innovación y emprendimiento en Chile
  • Casos de innovación y emprendimiento en el mundo
  • Principales lecciones y aprendizajes
• Herramientas para la exploración de ideas, problemas y oportunidades
  • Herramientas para el desarrollo e iteración de modelos de negocio
  • Herramientas para la validación de la generación de valor de productos y servicios
  • Herramientas para la resolución de problemas y oportunidades de manera iterativa e incremental
• Mindset del innovador y emprendedor
  • Sesgos cognitivos y heurísticas
  • Estrategias para enfrentar el éxito y el fracaso
  • Métodos para promover estados de ánimo que mejoren la efectividad
• Practica e implementación
  • Desarrollo practico de un emprendimiento e innovación por grupos
  • Reflexión conjunta de avances
  • Cierre del curso

Estrategias metodológicas:

• Cátedra.
• Estudio de casos.
• Taller.
• Aprendizaje basado en equipos.

Estrategias evaluativas:

• Exposición grupal: 50%
• Control final: 50%

Sigla VRA: INF3552

Docente(s): Rodrigo Sandoval

Unidad académica responsable: Escuela de Ingeniería

Requisitos: sin prerrequisitos

Créditos: 5

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

Descripción de curso

En el curso los estudiantes se aproximarán a los conceptos y herramientas esenciales para la utilización de Machine Learning (ML) en las más diversas industrias. Analizarán en situaciones y contextos las potencialidades y limitaciones para el desarrollo de métodos capaces de generalizar comportamientos y reconocer patrones a partir de la experiencia, permitiendo que un computador emule la forma en que las personas piensan y aprenden, sin que haya sido explícitamente programado para ello, trabajando con estudios de casos reales de la industria.

Resultados de aprendizaje

1. Valorar la utilidad del Aprendizaje Automático o Machine Learning (ML) y el Aprendizaje Profundo o Deep Learning (DL).
2. Identificar potencialidades y limitaciones de ML y DL para resolver diferentes tipos de problemas en diferentes industrias.
3. Identificar situaciones y contextos en los cuales ML puede resolver problemas de gran valor de negocio.
4. Desarrollar un plan de implementación de proyectos y/o capacidades de ML en una empresa, analizando y evaluando infraestructura, servicios, y disponibilidad de datos.
5. Proponer un plan estratégico de desarrollo de tecnología basado en ML, alineado con la estrategia corporativa.

Contenidos

• Aprendizaje automático Supervisado
  • Modelos de ML, capacidades y características, así como ejemplos de aplicación.
  • Metodología de desarrollo de modelos
  • Tratamiento y refinamiento de datos
• Aprendizaje Profundo Supervisado
  • Conceptos esenciales y diferencias con ML más básico
  • Redes Neuronales Convolucionales y Redes Neuronales Recurrentes
  • análisis dimensional, entrenamiento, y tratamiento de grandes datos
• Aprendizaje automático No-Supervisado
  • Diferentes modelos como K-Means, HDBSCAN, Restricted Boltzmann Machines, entre otros.
• Aplicaciones Industriales
  • Clasificación, predicción, y recomendación, en contextos industriales y retail.
  • Procesamiento de lenguaje natural, en atención de clientes y ámbito legal.
• El futuro Inmediato en ML y DL
  • Hacia el razonamiento artificial

Estrategias metodológicas:

• Clases expositivas.
• Laboratorio práctico.
• Estudio de casos.

Estrategias evaluativas:

• Controles (individual): 50%
• Examen final (individual) : 50%

Sigla VRA: INF3521

Docente(s): Cristian Rodríguez

Unidad académica responsable: Escuela de Ingeniería

Requisitos: sin prerrequisitos

Créditos: 5

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

Descripción de curso

En este curso los estudiantes se aproximarán a entender los datos como la nueva moneda a nivel global, que con su espectacular crecimiento está transformando a todas las industrias - desde la industria de la salud hasta finanzas y entretenimiento, ciberseguridad y más -, requiriendo profesionales para explotar todo su potencial. El enfoque del curso se centra en que los estudiantes comprendan los conceptos básicos de la Ciencia de Datos, y adquieran competencias en el uso de herramientas para su aplicación. Los estudiantes podrán aplicar conceptos, métodos y herramientas de Ciencia de Datos a ejemplos reales, incluyendo el desarrollo de modelos, el análisis de los datos, y su interpretación, a través del desarrollo de trabajos prácticos y discusión de casos de la industria.

Resultados de aprendizaje

1. Aplicar los conceptos, métodos y herramientas fundamentales de Ciencia de Datos a problemas reales de negocio, interpretando adecuadamente los resultados y generando acciones de valor agregado.
2. Desarrollar modelos descriptivos, predictivos y prescriptivos sobre datos de diversas industrias.
3. Evaluar oportunidades de negocio accionables a partir del análisis de datos.

Contenidos

• La evolución de la ciencia de datos y el análisis predictivo para el apoyo a la toma de decisiones.
• Las características que definen a una organización data-driven.
• Cómo las empresas modernas estás generando productos y servicios analíticos.
• Metodologías de análisis de datos y búsqueda de patrones.
• Generación de modelos descriptivos, análisis de casos reales y trabajo práctico.
• Generación de modelos predictivos y prescriptivos, análisis de casos reales y trabajo práctico.
• Cómo interpretar modelos analíticos para tomar mejores decisiones de negocio.

Estrategias metodológicas:

• Clases expositivas.
• Talleres prácticos.
• Estudio y discusión de conceptos en clases.

Nota: Para el desarrollo de las actividades de este curso se requiere un porcentaje mínimo de asistencia, el que será indicado por el profesor al inicio de este.

Estrategias evaluativas:

• Participación (de acuerdo con rúbrica): 50%
• Proyectos prácticos (individuales): 50%