Diplomado en Ciencia de Datos

Duración: 90 horas

La ciencia de datos consiste en la extracción de conocimiento a partir de un conjunto de datos. Ser un científico de datos requiere de un conjunto de habilidades interdisciplinares como matemáticas, estadística, Machine Learning, bases de datos, gestión de proyectos y otras ramas de la ingeniería, pero sobre todo se precisa la capacidad de entender en profundidad el problema en estudio para conseguir soluciones efectivas de negocios. Este curso introducirá a los estudiantes en este campo de rápido crecimiento y los equipará con los principios básicos de la disciplina, así como del proceso de pensamiento general para la resolución de problemas.

El diplomado está diseñado para atender la creciente demanda en todos los sectores de la economía de personal capacitado en el área de análisis de datos e Inteligencia Artificial. En compañía de los instructores, graduados en programas lideres a nivel nacional de Ciencia de Datos e Investigación de Operaciones a nivel mundial, se busca que los estudiantes exploren la ciencia de datos y aprovechen ese conocimiento en el día a día en su actuar profesional, o para crear un perfil más atrayente para nuevas oportunidades laborales.

Además del ejercicio académico, se ofrecerán también las herramientas para que los graduados consigan desarrollar sus propios productos tecnológicos basados en datos. Esto implica la capacidad de creación de Dashboards para visualización de resultados y Cloud Computing para la operatividad de los sistemas.

• Desarrollar en los participantes habilidades para la recolección, procesamiento, visualización, análisis e interpretación de los resultados obtenidos en los procesos de Ciencia de datos, con el fin de encontrar insights y patrones en la información para crear estrategias que generen valor a los procesos productivos.
• Instruir a través de casos prácticos en los conceptos clave de Ciencia de Datos.
• Aplicar una metodología de manos a la obra para obtener mayor captación de los conceptos abordados.
• Uso de trabajo colaborativo para la creación de grupos interdisciplinares, simulando así el actuar real en el campo de Ciencia de Datos.
• Articular los conceptos teóricos de Ciencias de Datos con nociones de negocios para la creación de estrategias y una toma eficaz de decisiones.

Por la naturaleza del diplomado, la metodología para su desarrollo privilegiará el método activo de aprender haciendo. Por consiguiente, se utilizará una combinación apropiada de clase magistral y talleres de aplicación con problemas del mundo real. Los talleres serán realizados de manera individual o en equipo y discutidos en clase bajo la dirección del facilitador.

Módulo I – Conceptos básicos	Módulo 2 – Análisis de datos
– Fundamentos de la ciencia de datos con R. – Fundamentos de estadística. – Metodología de un proyecto de ciencia de datos. – Análisis exploratorio.	– Fundamentos de Python – Limpieza y transformación de datos. – Visualización e interpretación de datos. – Técnicas de scrapping. – Análisis explicativo. – Elaboración de tableros de operaciones (Dashboards).

Módulo 3 – Modelos predictivos
– SQL y servicios en la nube. – Análisis de texto. – Modelos de regresión. – Modelos de clasificación. – Regularización y validación cruzada. – Técnicas de clustering.

Andrés Felipe García Pérez

Ingeniero Industrial. Magíster en Ingeniería de Producción por la Universidade Federal de Sao Carlos (Brasil). Con experiencia en consultoría de Supply Chain, industria y mejoría de procesos en el sector servicios. Con experiencia internacional en el área de Ingeniería Industrial con temas relacionados a modelación matemática y simulación de procesos productivos y logísticos. Especialista en herramientas cuantitativas de análisis de datos para toma de decisiones.

Certificaciones:
• Data Science for All (DS4A), Ministerio De Tecnologías De La Información Y Las Comunicaciones/Correlation One, 2020.
• Neural Networks and Deep Learning, DeepLearning.AI. Coursera. 2020.
• Computational Social Science Methods, University of California. Coursera. 2020.
• Big Data: adquisición y almacenamiento de datos, Universitat Autònoma de Barcelona. Coursera. 2020.
• Data Analysis with Python, IBM. Coursera. 2020.