Diplomado en
Data science
Periodo de Clases
9 de mayo
Horario
19:00 a 22:00 hrs.
Días de Clases
Martes y Jueves
Arancel
$2.617.600
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: Denise Laroze Prehn
La Dra. Denise Laroze es Directora de Postgrados Académicos en la Vicerrectoría de Postgrados, USACH, y profesora asociada del Departamento de Administración de la FAE, investigadora del Centro de Estudios Experimentales en Ciencias Sociales de la USACH, y directora de los programas de diplomado en Data Engineer y Data Science.
Ella se dedica a estudiar el comportamiento de las personas en una amplia línea temática que incluye las decisiones en materias de pensiones, salud y partidos políticos. Además, ha colaborado en más de 30 estudios experimentales en temas tan diversos como la mentira, la inmigración, identidad social, la redistribución de recursos y la arquitectura de la decisión entre muchos otros. La Dra Laroze ha dictado cursos de métodos experimentales a nivel de doctorado desde 2017 y ha realizado diversos talleres de experimentos en línea en la Escuela de Métodos Experimentales de la USACH y en la Universidad del Rosario, Colombia.
Coordinador: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.
- Diploma en Internet de las Cosas y sus aplicaciones a la industria de la Escuela de Ingeniería de la Pontificia Universidad Católica de Chile.
- Actualmente forma parte del equipo de Coordinación de contenidos y docencia del Programa, es Senior Data Scientist en el área de Advanced Analytics de falabella.com.
Mauricio López Tapia
- Ingeniero Civil en Informática, Universidad Técnica Federico Santa María.
- Doctor © en Administración, Universidad de Santiago.
- Certificado en Seguridad McAfee Certified Security Specialist– ePO y Data Egineer certificación Amazón Web Services.
- Con más de 10 años de experiencia en el desarrollo de aplicaciones y soluciones TI, desde el año se desempeña como IT Manager de la Facultad de Administración y Economía de la Universidad de Santiago.
- Especialista en algoritmos y estructuras de datos, diseño de aplicaciones para la puesta en producción de modelos y en seguridad informática.
Claudia Chávez Oyanedel
- Magíster en Bioestadística, Escuela Salud Pública, Facultad de Medicina, Universidad de Chile.
- Diplomado Big Data para Políticas Públicas, Escuela de Gobierno, Universidad Adolfo Ibañez.
- Diplomado en Técnicas avanzadas en análisis de datos sociales, Pontificia Universidad Católica de Chile, Instituto Sociología.
- Ingeniera Estadística, Facultad de Ciencia Universidad de Santiago de Chile.
- Licenciada en Educación Estadística y Computación, Facultad de Ciencia, Universidad de Santiago de Chile.
- Especialista en monitoreo y control estadístico tanto en el sector público como en el sector privado.
- Fundadora e Investigadora del Grupo de Medición y Evaluación (gMEv), Chile.
- Experiencia en el diseño, implementación y validación de experimentos, en bioestadística e investigación para el sector salud.
- Actualmente se desempeña como Investigadora Principal en la Facultad Lationamericana de Ciencias Sociales (FLACSO), y como consultora independiente para distintos organismos públicos y privados.
Julio Moyano Basso
- Ingeniero Comercial, Universidad Andrés Bello y Mágister en Economía Sectorial, Universidad de Santiago de Compostela.
- Posee 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.
Alexis Peña Vargas
- Ingeniero en Estadística, Universidad de Santiago.
- Doctor y Magíster en Estadística de la Pontificia Universidad Católica de Chile.
- 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.
- Experto en soluciones analíticas aplicadas al negocio, líder técnico en la práctica analítica y en la formación de equipos de implementación analítica.
- 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.
Nicolás Tagle
- Ingeniero Civil Industrial Universidad Técnica Federico Santa María.
- 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.
- 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.
Gonzalo Donoso Pérez
- Sociólogo de la Universidad de Chile, Magíster en Educación, mención Evaluación de Aprendizajes, por la Pontificia Universidad Católica de Chile, Doctor en Psicología de la Universidad de Girona.
- Se ha especializado en desarrollo digital e indicadores tecnológicos, en organismos técnicos en Europa, Asia y América Latina.
- Fue director del Censo Nacional de Informática Educativa y del Índice de Desarrollo Digital Escolar, y Coordinador Nacional de la Evaluación de Competencias TIC para el Aprendizaje (SIMCE-TIC) y de las evaluaciones internacionales PISA-ERA e ICILS, entre otras.
- Ha sido representante de Chile en estudios y proyectos internacionales, conducidos por OECD, IEA, UNESCO, BID, CEPAL, PNUD, entre otras instituciones, e integrado diversas comisiones gubernamentales y científicas.
- Actualmente, lidera proyectos de I+D+i, transformación digital y ciencia de datos, en la industria tecnológica, universidades, organismos de gobierno e internacionales.
Victor Ballesteros Valdés
- Sociólogo de la Universidad de Chile.
- Magíster en Estadística de la Pontificia Universidad Católica de Chile.
- 10 años de experiencia en procesos de levantamiento y análisis de datos, actualmente es el Jefe de la Unidad de Estudios del Departamento de Extranjería, Ministerio del interior.
- Experiencia en procesos integrales tanto en encuestas de hogares como en registros administrativos.
- Participó en el diseño, evaluación y análisis de la Encuesta Nacional de Empleo, la Encuesta Nacional Urbana de Seguridad Ciudadana.
José Manuel Pino Jauregui
- Cientista Político, Universidad Alberto Hurtado.
- Magíster en Análisis Político y Asesoría Institucional, Universitat de Barcelona.
- Diploma de Postítulo en Data Science, Machine Learning e Inteligencia Artificial, Pontificia Universidad Católica de Valparaíso, Instituto de Estadística.
- Consultor Asociado en Sintaxys Consultores, con experiencia en análisis de datos en el sector público, privado y la academia.
Patricio Torres Serrano
- Ingeniero Comercial mención Administración de empresas, Universidad de Santiago, Facultad de Administración y Economía.
- Diplomado en Bigdata y Machine Learning, Pontifica Universidad Católica de Chile, Escuela de Ingeniería. Con experiencia en el diseño de pipelines para procesos de datos, reportería y visualización avanzada de datos en distintos rubros relacionados con Ecommerce.
- Actualmente se desempeña como Data Scientist en el área de Advanced Analytics de
falabella.com.
*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.
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).
- Documento de la empresa que acredite experiencia laboral de al menos dos años en el área (postulantes que no posean título profesional).
- Certificados de nacimiento (para entrega de diplomas).
Formas de pago
- Pago contado con depósitos o transferencias.
- Cheques (hasta 10).
- Tarjeta de crédito (Máximo 3 cuotas sin intereses ni reajustes)
- Si paga la empresa, enviar Orden de Compra o Carta de patrocinio.
Descuentos
- Consulte por descuentos según condición y formas de pago.
- Descuento ex-alumnos/as.
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.
