There Is No Such Thing As A Second Impression.
Don’t miss anything. Follow Us.
Formando personas, transformando país
Formando personas, transformando país
Image Alt

Apoquindo

  /   Diplomados  /   Apoquindo  /   Diplomado en Data Mining (Data Science)

Diplomado en Data Mining (Data Science)

Director: Denise Laroze Prehn
Duración

126 horas cronológicas

Inicio y Término

2 agosto 2019 / 25 Noviembre 2019

Lugar y Horario

Centro de estudios de postgrado y educación continua. USACH. Apoquindo 4499. Metro Escuela Militar.

Lunes,Miércoles y Viernes de 19:00 a 22:00 hrs

Precio

$2.190.000 + Matrícula

El Diplomado será dictado con un mínimo de 15 alumnos. Si esto no ocurre, se hará devolución de los documentos de pago durante la segunda quincena de abril de 2018.

DIPLOMADO EN DATA MINING

Los datos que tienen relevancia para las decisiones de gestión se están acumulando a una velocidad, variedad y volumen extraordinariamente creciente, debido a una serie de avances tecnológicos en el umbral de la cuarta revolución industrial. La captura electrónica de datos se ha hecho cada vez menos costoso, asimismo como se ha tornado ubicua en cuanto subproducto de las innovaciones tales como el Internet, el eCommerce, banca electrónica, dispositivos en el punto de venta, lector de códigos de barras, y las máquinas inteligentes. Actualmente el almacenamiento, disposición y análisis de datos masivos ha migrado hacia la nube, para de ese modo para apoyar las decisiones en variados ámbitos de la gestión.

La Ciencia de Datos es un campo de rápido crecimiento que tiene que ver con el desarrollo de técnicas para el apoyo de diversos actores involucrados en la industria a hacer un uso inteligente de estos repositorios. Una serie de aplicaciones exitosas han sido llevadas a cabo en áreas tales como la calificación de crédito, detección de fraudes, gestión de relaciones con los clientes (CRM), y las innovaciones del mercado de valores. El campo de la Ciencia y Minería de Datos ha evolucionado a partir de las disciplinas de las estadísticas y la inteligencia artificial. Este Diplomado examinará los métodos que han surgido de ambos campos y han demostrado ser de valor en el reconocimiento de patrones y en hacer predicciones. Se examinarán temas actuales y relativos a Data Science y Machine Learning.

Se proporcionará una sólida oportunidad para la experimentación práctica con algoritmos de Minería de Datos utilizando distintos entornos de software Open Source, asimismo como sus integraciones con otras plataformas

OBJETIVO

Desarrollar una comprensión de las fortalezas y limitaciones de las técnicas de Ciencia y Minería de Datos, identificando sus aplicaciones de negocios.

Fomenta la capacidad de gestionar y participar en proyectos de Ciencia y Minería de Datos ejecutados por consultores o especialistas activos.

Realizar análisis de datos de gran alcance utilizando distintos entornos Open Source, asimismo como distintas plataformas de integración y visualización

 

DIRIGIDO A

Ejecutivos, profesionales y empresarios con responsabilidad o incidencia en los procesos de generación, administración y análisis de datos en empresas u organizaciones gubernamentales, en áreas tales como ingeniería, administración, economía, marketing y estadística que requieran transformar esos datos en conocimiento para generar oportunidades concretas y gestionables de negocio.

 

Duración

El programa tiene una duración de 126 horas cronológicas

 

DIRECTORA: DENISE LAROZE PREHN

Cientista Político Universidad Católica de Chile, con un Magíster en Ciencia Política y Economía Política de la London School of Economics y un Doctorado en Gobierno de la Universidad de Essex, Reino Unido. Actualmente me desempeño como Subdirectora del centro de investigación Centre for Experimental Social Sciences de la USACH en asociación con Nuffield College, Universidad de Oxford.

Mis intereses académicos incluyen la toma de decisiones financieras personales, la educación financiera, la mentira y las normas sociales. Abordo estos temas desde una perspectiva metodológica amplia que incluye econometría avanzada y métodos experimentales. Estos estudios proporcionan información sobre los tipos de incentivos y regulaciones que pueden ayudar a las empresas a manejar las trampas dentro de sus organizaciones. También estoy involucrada en un estudio internacional sobre alfabetización financiera que busca identificar tipos de información que pueden mejorar la competitividad dentro del mercado de pensiones.

Rodrigo Fernández Albornoz
Sociólogo Universidad de Chile. Magíster en Economía Aplicada Universidad de Chile, Facultad de Ciencias Físicas y Matemáticas. Diploma de Postítulo en Ciencia e Ingeniería de Datos del Departamento de Computación de la Universidad de Chile y Diploma en Internet de las Cosas y sus aplicaciones a la industria de la Escuela de Ingeniería de la Pontificia Universidad Católica de Chile.

Con experiencia en actividades de consultoría e investigación en diseño y conducción de estrategias y equipos en proyectos orientados por datos, tanto para el sector público como en el privado. Desarrollo de metodologías para la adquisición y tratamiento de datos para diversas estructuras y fuentes (desde encuestas de hogares a nivel nacional a datos en la web), asimismo como en el modelamiento mediante técnicas de machine learning.

Experiencia en docencia de pre y postgrado en análisis de datos, métodos cuantitativos, fundamentos de estadística, procesamiento de lenguaje natural y análisis de redes sociales. Desde el año 2012 es docente del Departamento de Política y Gobierno la Universidad Alberto Hurtado.

Germán Mondragón
Magister Ciencias de la Ingeniería, Ciencias de la Computación, Visión por Computador e Inteligencia de Máquina , Pontificia Universidad Católica de Chile, Diplomado de Postítulo en Ciencia e Ingeniería de Datos, Universidad Chile, Departamento Ingeniería en Computación. Diplomado en Técnicas avanzadas en análisis de datos sociales, Pontificia Universidad Católica de Chile, Instituto Sociología. Licenciado en ciencias de la ingeniería, Universidad Tecnológica Metropolitana Ingenieria Civil en Computación, Universidad Tecnológica Metropolitana.

Desde el 2016 desempeña como Coordinador Tecnológico en el Laboratorio de Gobierno, y entre el 2010 y 2016 como Encargado Nacional de Sistema de registro y monitoreo SRM-IEF-SSyO, FOSIS-Ministerio de Desarrollo Social. Ha sido consultor tecnológico para diversas instancias, tanto públicas, privadas y académicas.

Especialista en visión por computador, ha participado en el desarrollo de algoritmos para la clasificación y reconocimiento masivo de imágenes en diversos proyectos e instancias de investigación (FONDECYT, FONDEF y fondos VRI-PUC) relacionadas con salud y agroindustria.

Julio Moyano Basso
Ingeniero Comercial, Universidad Andrés Bello y Master en Economía Sectorial, Universidad de Santiago de Compostela.

Con 15 años de experiencia en estudios de mercado y opinión pública, se ha desempeñado en diferentes agencias multinacionales dirigiendo el equipo de analytics y realizando proyectos para marcas nacionales e internacionales. También ha desarrollado emprendimientos en el área del MarTech (Marketing Technology).

Con experiencia en el diseño de estrategias de visualización de datos, asimismo como en el desarrollo de plataformas para la toma de decisiones orientadas por datos.

Actualmente se desempeña como asesor y consultor de negocios en proyectos de marketing digital, ecommerce, machine learning y análisis de datos.

Nicolás Tagle
Ingeniería Civil Industrial Universidad Técnica Federico Santa María y Magíster en Economía Aplicada Universidad de Chile, Facultad de Ciencias Físicas y Matemáticas. Certificado por el MIT en los cursos de Big Data Analytics e Introduction to computer science and programming using Python.

Desde el 2016 es Gerente en el área de Advanced Analytics en Deloitte Chile, Data Scientist Quantum Pacific Exploration entre los años 2015-2016 y Consultor financiero para Equifax Chile, también participó como investigador en el Centro de Finanzas del Departamento de Ingeniería Industrial de la Facultad de Ciencias Físicas y Matemáticas de la Universidad de Chile. Ha sido consultor para la implementación de estrategias de datos la industria financiera y del retail.

Especialista en modelos econométricos avanzado y en machine learning aplicado a la predicción de default para un conjunto variado de instrumentos financieros, también se ha desempeñado como docente de pre y post grado en cursos de micro y macroeconomía en las Universidades de Chile, de los Andes, Adolfo Ibañez y Federico Santa María.

ALEXIS PEÑA VARGAS
Ingeniero en Estadística, Universidad de Santiago, Doctor y Magíster en Estadística de la Pontificia Universidad Católica de Chile. Tiene una sólida formación académica de posgrado, con más de 8 años de experiencia como Académico Universitario (USACH, PUC, UCHILE) e Investigador.
Socio fundador de Exalítica, Consultoría y Tecnología Informática, actualmente se desempeña como Chief Data Scientist en Deolitte Chile. Es experto en soluciones analíticas aplicadas al negocio, líder
técnico en la práctica analítica y en la formación de equipos de implementación analítica. Además, posee experiencia en todo el proceso analítico, desde la definición de la solución de negocios, la definición técnica, modelos de datos, automatización y puesta en producción y generación de informes para la explotación de resultados como drivers de negocio.

MAURICIO LÓPEZ TAPIA

Ingeniero Informático de la UTFSM y actualmente es estudiante de doctorado en Administración en la Universidad de Santiago. Posee más de 10 años de experiencia en implementación de soluciones de TI y en planificación y control de proyectos, siendo consultor en estas mismas áreas.

Responsable de la creación de la oficina de gestión de proyectos, Censo 2012, y asesor en planificación y control del censo 2017, INE.

Tiene una amplia experiencia en el desarrollo de experimentos de comportamiento y toma de decisiones, particularmente los desarrollados en el centro de investigación Centre for Experimental Social Sciences de la USACH en asociación con Nuffield College, Universidad de Oxford.

Su área de investigación está vinculada a la conducta económica y rendimiento cognitivo en contextos de pobreza. También estudia temas relacionados al multitasking y rendimiento cognitivo.

GONZALO DONOSO PÉREZ

Sociólogo de la Universidad de Chile, Magíster en Educación, mención Evaluación de Aprendizajes, por la Pontificia Universidad Católica de Chile y doctorando en Psicología de la Universidad de Girona. Ha participado en diversas instancias de especialización en Bélgica, Francia, España, Alemania, Holanda y Brasil, en medición de competencias digitales e indicadores tecnológicos.

Fue responsable del Censo Nacional de Informática Educativa y del Índice de Desarrollo Digital Escolar, de la prueba de Evaluación de Competencias TIC para el Aprendizaje (SIMCE-TIC) y Coordinador Nacional de las evaluaciones internacionales PISA-ERA e ICILS, entre otras.

Así mismo, ha participado como representante de Chile en evaluaciones, estudios y proyectos internacionales, conducidos por OECD, IEA, UNESCO, BID, CEPAL, PNUD, entre otras instituciones, así como en diversas comisiones gubernamentales y fondos concursables.

Actualmente se desempeña como Investigador Senior, Laboratorio de I+D+i Empresarial, Centro de Innovación UC. Pontificia Universidad Católica de Chile. Además, es consultor de empresas y universidades, en innovación y transformación digital, ciencia de datos, sistemas de información e indicadores de gestión estratégica.

Introducción a Data Mining/ 3 hrs

  • Los desafíos técnicos, tecnológicos e industriales en la revolución de los datos

Estadísticas para Data Mining/ 6 hrs

  • El proceso de descubrimiento en Data Mining o Data Science
  • Metodología de análisis de la información

Técnicas Básicas de Segmentación/ 15 hrs

  • Introducción a las técnicas de segmentación
  • Tipo de segmentación en mercado de consumo
  • Estrategias de segmentación: aspectos de diseño y gestión
  • Implementación de una Estrategia de Segmentación
  • Presentación de casos y resultados de métodos descriptivos

 Técnicas avanzadas de segmentación aplicadas a marketing/ 15 hrs

  • Pasos para un análisis de Segmentación
  • Técnicas de Segmentación
  • Segmentación en Marketing Digital
  • Marketing Analytics
  • Casos de Estudios

Modelos de Clasificación/ 15 hrs

  • Panorama general en modelos de clasificación y Machine Learning
  • Clasificación lineal: Logistic Regression
  • Modelos probabilísticos: Naive Bayes
  • Árboles de clasificación
  • Presentación Casos de Estudios

 Modelos de clasificación y regresión/ 15 hrs

  • Fundamento de los métodos de regresión aplicados al Machine Learning
  • Regresión Lineal
  • Regularización: Ridge, Lasso, Elastic Net
  • Series de tiempo & Forecasting
  • Presentación Casos de Estudios

 Métodos avanzados en Data Mining/15 hrs

  • Métodos avanzados en Machine Learning: panorama y aplicaciones
  • Boosting & Bagging
  • Support Vector Machines
  • Introducción al Deep Learning
  • Feature Engineering

Text Mining/ 12 hrs

  • Introducción al procesamiento de lenguaje natural
  • Modelos de representación de texto
  • Estrategias para el análisis de datos de texto
  • Modelamiento de datos de texto

Programa R en integración con Knime (entre otras plataformas) (30 hrs.)

  • Panorama de las herramientas analíticas en la actualidad
  • Entornos de trabajo en Big Data y la nube
  • La plataforma KNIME y su integración con R: técnicas y aplicaciones
  • La gestión y trabajo en KNIME
  • Apache Spark: presentación, aplicaciones
  • Taller de trabajo en Apache Spark
  • La integración Python & R presentación, aplicaciones
  • Taller de trabajo con Python & R
  • Herramientas de visualización
  • La gestión y trabajo en herramientas de visualización

Postulación:

Completar formulario de pre postulación en www.diplomadosfaeusach.cl

 

Documentos requeridos para la matrícula:

1) Resumen de Currículo Vitae

2) Cédula de identidad

3) Copia de certificado de estudios (título, egreso, alumno regular según corresponda).

4) Certificado de la empresa que acredite cargo y experiencia laboral. (Postulantes que no posean título profesional)

5) Carta de patrocinio de la empresa, en aquellos casos que el empleador financie la capacitación.

6) Fotografía de rostro digital (peso máximo 5Mb).

Formas de pago

  • Pago contado con depósitos o transferencias
  • Cheques (10 cuotas sin intereses ni reajustes)
  • Tarjeta de crédito (máximo diez cuotas)
  • Pago directo a través de factura a empresas
  • Revisar descuentos en www.diplomadosfaeusach.cl

 

Descuentos

1) 15% por pago al contado

2) 15% socios de Fudea (Fundación de Egresados y Amigos de la Universidad de Santiago de Chile)

Los descuentos no son acumulables.

Facultad de Administración y Economía

X