vinculacion

vinculacion

vinculacion

Diploma en Data Science

Matrícula disponible

Contacto y consultas 

  • Email: Esta dirección de correo electrónico está siendo protegida contra los robots de spam. Necesita tener JavaScript habilitado para poder verlo. 
  • WhatsApp: (+569) 44054309 | (+569) 44053325

Descargar información en PDF  

1.    Antecedentes Generales

Descripción

En la actualidad es de gran interés en los ambientes industriales, organizacionales y académicos el uso de herramientas interdisciplinarias para el tratamiento de datos de forma tal que permita descubrir la información valiosa que allí pueda ser conseguida y que apoye a la toma de decisiones de forma inteligente. Así, la Ciencia de datos (Data Science) emerge como esa combinación exitosa de métodos y técnicas que incluyen herramientas matemáticas, estadísticas, computacionales, inteligencia artificial y comportamientos sociales y organizacionales que han brindado soluciones de gran valor en los entornos desarrollados.

El Diploma en Data Science, que ofrece la Universidad Técnica Federico Santa María (UTFSM) a través de su Departamento de Informática, es un programa de continuidad de estudios para profesionales, enfocado en brindar conocimientos sobre la ciencia de datos, sus técnicas, metodologías, herramientas y aplicaciones, habilitando a los participantes para reconocer las oportunidades de incorporar el uso de herramientas de Data Science en sus áreas de interés. 

Objetivo del Programa

Proveer una formación práctica, actualizada y especializada en ciencia de datos, dirigida a profesionales interesados en perfeccionar sus habilidades para mejorar los procesos decisionales de una organización o crear oportunidades de negocios a partir de fuentes heterogéneas de datos, usando para esto avances recientes en Data Science y gestión de datos masivos.

El diplomado hace un fuerte énfasis en la aplicación de los métodos estudiados, a través de demostraciones prácticas usando Python y jupyter notebooks, y a través de dos módulos de integración de contenidos.

Audiencia

Podrán postular al programa profesionales de cualquier área, que buscan formarse adquiriendo conocimientos sobre la ciencia de datos, sus técnicas, herramientas y aplicaciones, habilitándolos para reconocer las oportunidades de incorporar estas herramientas en sus áreas de interés. Entre los posibles participantes se pueden destacar: 

-Gerentes o directivos de empresas, organismos públicos o privados que deseen conocer sobre ciencias de datos y evaluar la posibilidad de integrar su utilización para mejorar sus procesos.

-Analistas de negocio y de información.

-Arquitectos y desarrolladores de sistemas de información y de software.

-Responsables de infraestructura y servicios TIC.

-Consultores y auditores TIC.

-Profesionales en general interesados en conocer las potencialidades y oportunidades de uso de la ciencia de datos y con dominio del uso de herramientas computacionales de programación (conocimientos básicos de Python)

2.    Plan de Estudios

El Diploma se estructura tres ciclos (Fundamentos, Intermedio y Especialización) con un total de 120 horas, a través de 10 módulos de 12 horas cada uno. 

El Ciclo de fundamentos está constituido por tres módulos (Introducción a Data Science, Análisis Exploratorio de Datos y Visualización de Datos).  El Ciclo Intermedio incluye tres módulos (Machine Learning, Big Data y Deep Learning) El Ciclo de Especialización considera cuatro módulos adicionales (Text Mining y NLP, Análisis de Redes Sociales, Ciencia de Datos, Emprendimiento y Organizaciones y Talleres de Integración de Contenidos).  Los talleres se irán modificando en cada oportunidad que se realice el Diploma. 

Ciclo Fundamentos

Módulo I: Introducción a Data Science (12 horas)

      Introducción a la Ciencia de Datos, Problemática y Perspectivas.

      Tipos de Datos. Datos estructurados y no estructurados.

      Veracidad de datos, privacidad y seguridad.

      Aspectos éticos y sociales.

      Discusión de casos.

      Ejemplos en Jupyter Notebooks.

 

dulo II: Análisis Exploratorio de Datos (12 horas)

      Medidas de Similaridad y Distancia.

      Elementos de Teoría de Probabilidades.

      Análisis de Datos Univariados. Medidas de Tendencia y Dispersión.

      Detección de Datos Atípicos.

      Análisis de Datos Multivariados. Matriz de Correlaciones.

      Análisis de Varianza Intra e Varianza Inter.

      Estimación Paramétrica Clásica.

      Regresión Lineal.

 

Módulo III: Visualización de Datos (12 horas)

      Visualización de datos y su relación a la cognición humana. 

      Qué, por qué y cómo visualizar.

      Elementos gráficos y canales visuales.

      Herramientas de visualización de datos.

      Métodos centrados en usuarios para diseño, prototipado y evaluación.

      Revisión de casos prácticos. 

Ciclo Intermedio

Módulo IV: Machine Learning (12 horas)

      Introducción al Aprendizaje Supervisado.

      Árboles de Clasificación y Regresión

      Máquinas de Vectores de Soporte (SVMs).

      Ensamblados: Bagging, Boosting, Random Forest.

      Métodos de Evaluación y Selección de Modelos.

      Introducción al Aprendizaje No-Supervisado.

 

Módulo V: Big Data (12 horas)

      Introducción a la computación distribuida y sistemas para Big Data

      Sistemas de archivos distribuidos para Big Data (BigTable, Cassandra, MongoDB).

      Sistemas de procesamiento para Big Data (Map-reduce, Storm, Spark).

      Sistemas de comunicación para Big Data (Kafka).

 

Módulo VI: Deep Learning (12 horas)

      Introducción y Redes Feed-forward.

      Entrenamiento de Redes Profundas: Backpropagation y Dropout.

      Redes Neuronales Convolucionales.

      Redes Neuronales Recurrentes.

      Entrenamiento No-supervisado de Redes Neuronales. 

Ciclo Especialización

Módulo VII: Text Mining y NLP (12 horas)

      Extracción de Información (Keywords, Collocations, Entidades Nombradas).

      Recuperación de Información Clásica (TF-IDF, BM25).

      Representaciones de Texto (BOW, Word2Vec, CBOW, GloVE, Doc2Vec).

      Aplicaciones: Neural IR, Clasificación de Contenidos, Detección de Tópicos, Sentiment Analysis, Traducción.

 

Módulo VIII: Análisis de Redes Sociales (12 horas)

      Modelos de Redes Sociales

      Medidas de Centralidad, Influencia y Robustez.

      Scrapping de Redes Sociales

      Evolución de Redes Sociales

 

Módulo IX: Ciencia de Datos, Emprendimiento y Organizaciones (12 horas)

      Rol de la Ciencia de Datos para las Organizaciones.

      Ciencia de Datos y Emprendimiento.

      Discusión de Casos de éxito.

 

Módulo X: Seminario de ejemplos y aplicaciones de Inteligencia Artificial (12 horas)

      Taller de Aplicaciones I. Ejemplo: Análisis de Sentimiento en Tweets.

      Taller de Aplicaciones II. Ejemplo: Sistema Recomendador en Facebook.

Modalidad de Clases

El Diploma en Data Science será en modalidad online y telepresencial.

La duración del Diploma es de 120 horas, compuesto de 10 módulos de 12 horas cada uno.

Formato: tres sesiones presenciales-remotas (2 horas cada una) de interacción entre los relatores y los participantes (estas sesiones serán grabadas para que la puedan ver posteriormente (forma asíncrona) aquellos que no pudieron participar, y 4 horas de supervisión de trabajo a distancia.

Se utilizará la plataforma Moodle que posee el Departamento de Informática.

Las clases presenciales-remotas se realizarán la semana indicada en el cronograma anexo (lunes, miércoles y viernes de 18:00 a 20:00 horas).

Igualmente, las actividades que serán evaluadas en cada módulo la tendrán disponibles los participantes a través de la plataforma Moodle y la deberán entregar a más tardar la semana posterior a la interacción con el relator.

3.    Organización

Dirección Académica del Programa

·         Dr. Ricardo Ñanculef Alegría, UTFSM, Chile (Esta dirección de correo electrónico está siendo protegida contra los robots de spam. Necesita tener JavaScript habilitado para poder verlo.)

Dirección Ejecutiva del Programa

·         Dr. Francklin Rivas Echeverría, UTFSM, Chile (Esta dirección de correo electrónico está siendo protegida contra los robots de spam. Necesita tener JavaScript habilitado para poder verlo.)

Académicos asociados al Programa

·       Ricardo Ñanculef

Doctor en Ciencias de la Ingeniería Informática.

Magíster en Ciencias de la Ingeniería Informática.

Ingeniero Civil Informático.

·       Francklin Rivas

Doctor en Ciencias Aplicadas.

Magíster Sc. en Ingeniería de Control.

Ingeniero de Sistemas.

Abogado.

·       Héctor Allende

Doctor Rer. Nat. Statistik.

Master en Estadística Matemática.

Magíster en Matemática.

Ingeniero Civil Electricista.

·       José Luis Marti

Magíster en Ingeniería Informática.

Ingeniero Civil Informático.

·       Andrés Moreira

Doctor en Modelamiento Matemático.

Postdoc en el laboratorio TIMC.

Postdoc en el Centro de Modelamiento Matemático.

·       Erika Rosas

Doctora en Informática.

Magíster en Ciencias de la Ingeniería Informática.

Ingeniera Civil Informática.

·       Carlos Valle

Doctor en Ingeniería Informática.

Magíster en Ciencias de la Ingeniería Informática.

Ingeniero Civil Informático.

·       Cecilia Reyes

Magíster en Ingeniería Industrial.

Ingeniera de Ejecución en Informática.

·       Ana Muñoz

Doctora en Ciencias Aplicadas.

Master en Ingeniería de Control y Automatización.

Ingeniera de Sistemas.

NOTA: La dirección del Programa se reserva el derecho de cambiar algún académico en caso de fuerza mayor.

Costo del Programa: $2.700.000 

NOTA: El programa se realizará siempre y cuando se complete con el mínimo de participantes. Derecho a reserva sólo se reembolsa en caso de no realizarse el programa.

Consultas

Ivonne Barra

Departamento de Informática - Campus Vitacura

Universidad Técnica Federico Santa María

Fonos: (+56) 232028200 | (+569) 44054309

Email: Esta dirección de correo electrónico está siendo protegida contra los robots de spam. Necesita tener JavaScript habilitado para poder verlo.

Carolina Leal

Departamento de Informática - Campus Casa Central Valparaíso

Universidad Técnica Federico Santa María

Fonos: (+56) 322654424 | (+569) 4405 3325

Email: Esta dirección de correo electrónico está siendo protegida contra los robots de spam. Necesita tener JavaScript habilitado para poder verlo.

Descargar información en PDF