Diplomado en
Data science
Periodo de Clases
1er inicio 8 de abril
2do inicio 8 de mayo
3er inicio 10 de junio
4to inicio 12 de agosto
Días de clases
Martes y jueves
19:00 a 22:00 hrs.
Arancel Referencial
$2.350.000
Arancel Descuento
$1.880.000
Válido hasta
31 de mayo 2025
Diplomado en data science
En el presente programa de Diplomado se desarrollarán las principales competencias teóricas, metodológicas y prácticas relacionadas con las disciplinas que constituyen a la Ciencia de Datos, proporcionando una sólida oportunidad para el desarrollo profesional requerido por nuevas exigencias en la industria y el sector público, en lo que concierne al tratamiento de los datos como activos estratégicos.
Lo anterior implica comprender el desarrollo de proyectos orientados por datos, desde la formulación de preguntas de negocio, la adquisición, limpieza y análisis de los datos, hasta la generación de conocimiento producto de los análisis que se realizan.
Objetivo:
Entregar herramientas conceptuales, técnicas y metodológicas para abordar problemas de explotación y gestión de datos, desarrollar modelos y algoritmos, y diseñar reportes y visualizaciones, con el fin de aportar soluciones que sustenten la toma de decisiones orientada por datos.
Dirigido a:
Profesionales y técnicos involucrados o con interés, en la 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.
Directora: María José Quinteros
Ingeniera Civil Industrial de la Universidad de Chile y PhD en Ingeniería de Sistemas Complejos por la Universidad Adolfo Ibañez. Académica con más de 8 años de experiencia en investigación y docencia. Actualmente es Directora del Departamento de Administración en la Facultad de Administración y Economía de la Universidad de Santiago de Chile y Directora del Diplomado en Data Science. Sus áreas de especialización incluyen business analytics, métodos cuantitativos en gestión, optimización y logística, con un enfoque en la aplicación de estas técnicas para mejorar la toma de decisiones estratégicas.
Mauricio López Tapia 
Ingeniero en Informática de la Universidad Técnica Federico Santa María, con estudios avanzados que incluyen un Magíster en Administración y un Doctorado (en curso) en Administración por la Universidad de Santiago.
Cuenta además, con certificaciones en Seguridad y Amazon Web Services, junto con un Diplomado en Arquitectura Cloud, lo que refuerza su sólida formación técnica y en gestión de tecnologías de la información. Con más de 15 años de experiencia en el desarrollo e integración de soluciones TI, Mauricio ha liderado equipos de desarrollo e infraestructura en proyectos clave.
Actualmente se desempeña como Coordinador y Docente en el Diplomado de Data Engineer y Docente en el Diplomado de Data Science, además de ser un reconocido consultor en tecnologías de la información, aportando su experiencia en diversas áreas del sector tecnológico.
Claudia Chávez Oyanedel
Ingeniera Estadístico (USACH), Magister en Bioestadística (UChile), Diplomado en Big Data para políticas públicas (UAI) y, Diplomada y Magister en Inteligencia Artificial (UAI).
Su experiencia abarca estimación de modelos, análisis estadístico y analítica de datos, psicometría en educación e investigación aplicada en salud.
Actualmente es investigadora FLACSO en temas de salud ocupacional; Metodóloga Cuantitativa en la Fundación Arturo López Pérez (FALP) en estudios de cáncer; consultora independiente en OPS; y socia fundadora del Grupo de medición y evaluación (gMEv) desarrollando consultorías en analítica de datos. Además, es docente en temas de metodología de la investigación, visión artificial y Machine Learning en distintas universidades.
Víctor Ballesteros Valdés
- Jefe de Gobierno de Datos del Instituto Nacional de Estadísticas. Sociólogo de la Universidad de Chile, Magister en Estadísticas de la Pontificia Universidad Católica de Chile, además de postítulos en las áreas de Estadísticas (UC) y Derecho Administrativo (UCHILE). Se ha desempeñado durante 15 años en el Sector Público en proyectos estadísticos, metodologías de investigación cuantitativa, sistemas de información pública y producción estadística.
- Sus principales hitos profesionales se relacionan con la coordinación técnica y modernización de la Encuesta Nacional Urbana de Seguridad Ciudadana, el diseño y elaboración de un Sistema de Estadísticas Migratorias, el diseño y elaboración de Proyectos de Interoperabilidad Interinstitucionales, la realización del Censo de Población y Vivienda como Director Regional INE, entre otros proyectos y responsabilidades de alcance nacional e internacional
Roxana Trujillo Guiñez
Ingeniería y Científica Aeroespacial, Msc(c) mención Geofísica de la U. de Chile y Dra(c) en informática de la USM.
Posee certificaciones en procesamiento de imágenes satelitales y tecnologías espaciales y se desempeña como docente en diversas instituciones de educación superior, tanto a nivel de pregrado como de postgrado, abordando temas como Geomática, Ciencia de datos e Innovación en Geotecnologías. Actualmente, ocupa varios roles clave, incluyendo Directora Académica del Diploma en Procesamiento Avanzado de Datos y Coordinadora del Laboratorio de Teledetección en la Universidad Técnica Federico Santa María. También trabaja como Ingeniera en el Centro de Modelamiento Matemático de la Universidad de Chile y lidera el área de Tecnologías Geoespaciales en el Centro de Innovación y Diseño Avanzado (CINDDA). Con más de 14 años de experiencia en investigación y desarrollo, ha colaborado con Ministerios y Empresas en múltiples áreas, participando además en conferencias nacionales e internacionales como expositora y moderadora.
José Manuel Pino Jáuregui
Docente del programa desde 2021, actualmente se desempeña en el Ministerio de Desarrollo Social y Familia.
Cientista político de formación por la Universidad Alberto Hurtado y Magíster en Análisis Político y Asesoría Institucional por la Universidad de Barcelona, sus áreas de especialización corresponden al modelamiento estadístico, análisis social de datos y procesamiento geográfico. Con experiencia en el análisis de datos sociales e innovación empresarial, ha participado en proyectos que utilizan metodologías cuantitativas y geoespaciales para comprender fenómenos de innovación y desarrollo empresarial.
Su labor profesional se centra en el desarrollo e implementación de políticas basadas en datos, optimizando la toma de decisiones a través de análisis estadísticos y geográficos.
Sus áreas de desarrollo están enfocadas en el modelamiento estadístico, análisis social de datos y procesamiento geográfico.
Daniel Arredondo Carro
Docente del módulo de Métodos Avanzados en Machine Learning desde 2022, actualmente se desempeña como Científico de Datos en el Ministerio del Interior.
Es Cientista Político, especializado en Análisis Político por la Universidad Alberto Hurtado, con un fuerte enfoque en modelamiento estadístico, análisis político, pronósticos electorales y estudios sobre políticas públicas. Además, es experto en el diseño, entrenamiento y despliegue de modelos de machine learning e inteligencia artificial, con experiencia en plataformas como Google Cloud y Azure. Con más de cinco años de experiencia en los sectores público y privado, ha desarrollado una sólida trayectoria en la creación de procesos ETL con R y Python, migración de bases de datos y modelamiento de datos en SQL. También ha diseñado e implementado soluciones de machine learning, deep learning e inteligencia artificial, centradas en sistemas automatizados de entrenamiento y monitoreo de modelos.
Sus áreas de desarrollo se enfocan principalmente en soluciones de inteligencia artificial aplicadas al desarrollo social y económico, con un compromiso en el avance tecnológico de las sociedades y los estados.
Alonso Quezada
Docente del programa de Ciencia de Datos de la USACH, actualmente se desempeña como Investigador Senior en Endeavor. Cientista político de formación por la Universidad Alberto Hurtado, sus áreas de especialización corresponden a la gestión de proyectos de investigación cuantitativa y el análisis y visualización de datos.
Con 6 años de experiencia en investigación de políticas públicas, análisis de empresas tecnológicas, levantamiento de capital y mercados. Su labor profesional se centra en diseñar investigaciones y marcos muestrales para analizar políticas públicas asociadas a emprendimiento e innovación y acceso a capital.
Valentina Barahona Guajardo
Docente del programa de Ciencia de Datos de la USACH, actualmente se desempeña como Analista de Información del Departamento de Información de Recursos Hídricos de la Dirección General de Aguas del Ministerio de Obras Públicas. Sus áreas de especialización corresponden a gestión de información en políticas públicas, con enfoque en la interacción entre grupos de interés y reformas normativas, especialmente en temas relacionados con recursos hídricos y la reforma al Código de Aguas en Chile.
Experiencia en investigación académica y en el sector público, principalmente orientado a gestión de proyectos comunitarios, asesoría legislativa y gestión del recurso hídrico. Su labor profesional se centra en proveer productos y servicios de calidad, que respondan en forma oportuna y confiable las necesidades de información y requerimientos documentales de usuarios/as internos y externos.
Cientista Política con mención en Gobierno y Gestión Pública de la Universidad Alberto Hurtado. Magíster en Gestión y Políticas Públicas, Universidad de Chile, Facultad de Ciencias Físicas y Matemáticas, también cuenta con distintas certificaciones en el manejo de paquetes estadísticos por el Centro de Microdatos, Universidad de Chile, Facultad de Economía y Negocios.
*Puede haber cambios de profesores debido a razones de fuerza mayor.
Eventualmente se reprogramarán clases en casos de que un docente se ausente por razones académicas.
Para los alumnos, en caso de inasistencias, se actuará con flexibilidad por parte del profesor y la Dirección del Programa.
Fundamentos del trabajo orientado por datos (9 hrs.)
- Los desafíos técnicos, tecnológicos e industriales en la revolución de los datos.
- Enfoques y paradigmas en el análisis de datos.
- Fundamentos de las organizaciones orientadas por datos.
Introducción a la programación y al preprocesamiento de datos (12 hrs.)
- Introducción a Python: entornos y métodos.
- Estructuras y tipos de datos.
- Programación condicional, iteración y recursión.
- Limpieza, normalización y gestión de datos.
Estadísticas para Data Science (15 hrs.)
- Los cambios del rol de la estadística en la Ciencia de Datos.
- Modelos y funciones probabilísticas para variables continuas y métodos de inferencia.
- Modelos y funciones probabilísticas para variables discretas y métodos de inferencia.
- Análisis bivariado de variables continuas y discretas.
- Análisis de Varianza.
- Presentación temas para Proyecto de Título.
Machine Learning I – Algoritmos de aprendizaje no supervisado (15 hrs.)
- Análisis exploratorio y modelos de segmentación.
- Modelos de Clustering no jerárquico: Kmeans y Kmodes
- Modelos de Clustering jerárquico.
- Modelos de reducción de dimensiones: PCA y Factorial
- Reglas de asociación.
Machine Learning II – Algoritmos de aprendizaje supervisado: modelos de regresión (15 hrs.)
- Fundamento de los métodos de regresión aplicados al Machine Learning.
- Regresión Lineal.
- Regularización: Ridge, Lasso, Elastic Net.
- Series de tiempo: Introducción y descomposición.
- Series de tiempo: filtros para forecasting y modelos AR
Machine Learning III – Algoritmos de aprendizaje supervisado clasificadores (15 hrs.)
- Panorama general en modelos de clasificación y Machine Learning.
- Clasificación lineal: Logistic Regression.
- Modelos probabilísticos: Naïve Bayes.
- Árboles de clasificación.
- Support Vector Machines.
- Presentación temas para Proyecto de Título.
Fundamentos de Visualización de datos (15 hrs.)
- La visualización como fundamento de la exploración de datos.
- Compresión de conceptos fundamentales de comunicación y visualización.
- Elementos perceptuales en el mapeo de atributos visuales.
- Tipos de visualización.
- Principales herramientas de visualización en Python.
Data Pipelines y Plataformas de Visualización (15 hrs.)
- Data Pipeline y ETL.
- ETL con Python.
- Data Warehouse y ELT.
- Orquestación de los datos.
- Herramientas de visualización.
Machine Learning IV – Métodos avanzados en Machine Learning (15 hrs.)
- Métodos avanzados en Machine Learning: panorama y aplicaciones.
- Boosting & Bagging.
- Introducción al Deep Learning.
- Feature Engineering.
- Introduccion al Reinforcement Learning.
Text Mining (15 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 I
- Modelamiento de datos de texto II.
Postulación
- Resumen de Currículo Vitae.
- Cédula de Identidad.
- Copia de certificado de estudios (Título, egreso, alumno regular, etc) y/o experiencia laboral.
Formas de pago
- Pago contado con depósitos o transferencias.
- WebPay, consulta por números de cuotas.
- Cheques (Consulta por cantidad permitida).
- Si paga la empresa, enviar Orden de Compra o Carta de patrocinio
Descuentos
- Consulte por beneficios según condición y formas de pago.
- Descuento ex-alumnos/as.
- 20% de descuento en arancel hasta el 31 de mayo.
Sé parte de la
excelencia
académica
Te invitamos a ponerte en contacto y resolver junto a nosotros todas tus dudas e inquietudes sobre el proceso de admisión. Te entregaremos toda la información relevante sobre nuestros diplomados Usach.
