Modalidad: A distancia.

Objetivo General

Al finalizar el diplomado, el participante adquirirá habilidades para la gestión de proyectos de Ciencia de Datos alineados con los objetivos de la organización, partiendo de la exploración y análisis de datos, pasando por la creación de modelos de Machine Learning y soluciones de inteligencia de negocio, para finalmente implementarlas mediante el uso de tecnologías de la nube para gestionar la escalabilidad de las soluciones, considerando la ética y legalidad en el uso de la información así como la comunicación efectiva de los resultados.

Objetivos específicos

Al finalizar el diplomado, el participante será capaz de:

• Distinguir la diferencia entre Ciencia de Datos y Machine Learning así como sus aplicaciones.
• Usar comandos básicos de Linux y lenguajes de programación y herramientas orientados a la ciencia de datos como: Python, R, bash, github, PostgreSQL.
• Tener una noción para gestionar proyectos de Ciencia de Datos desde el diseño, la implementación y monitoreo alineados con objetivos de negocio.
• Conducir análisis estadístico y exploratorio de datos comunicando hallazgos mediante reportes y narrativas de datos.
• Competencia en consultas SQL enfocadas en el análisis de datos estructurados dentro del ámbito de la ciencia de datos.
• Crear soluciones básicas de inteligencia de negocio como dashboards y reportes utilizando herramientas de BI.
• Considerar la ética y legalidad del uso de datos antes de llevar a cabo una nueva propuesta de negocio o un nuevo producto de datos.
• Tener noción del uso de las tecnologías de la nube para gestionar datos a gran escala.
• Desarrollar, implementar y consumir modelos de Machine Learning en la nube.
• Comunicar efectivamente estrategias y resultados de datos.

Dirigido a

• Profesionales en Transición de Carrera: Personas que buscan cambiar a un rol orientado a datos desde campos no técnicos y desean adquirir una comprensión de los fundamentos y aplicaciones prácticas de la ciencia de datos.
• Profesionales de Administración y Negocios: Gerentes, analistas de negocios y otros profesionales que desean adquirir habilidades en ciencia de datos para mejorar la toma de decisiones y contribuir a iniciativas basadas en datos en sus organizaciones.
• Estudiantes de Posgrado y Recién Graduados: Personas que han completado estudios en campos relacionados (como matemáticas, estadística, economía, ingeniería, etc.) y buscan aplicar sus habilidades en el contexto de la ciencia de datos y negocios.
• Analistas de Datos: Profesionales que ya trabajan con datos y desean profundizar sus habilidades técnicas y estratégicas, y expandir su conocimiento en áreas como la ética de datos, ingeniería de datos y estrategias de negocios basadas en datos.
• Desarrolladores de Software: Programadores y desarrolladores que desean expandir sus habilidades hacia la ciencia de datos y aprender a implementar modelos y soluciones de datos en un contexto empresarial.
• Profesionales de Marketing y Ventas: Individuos en roles de marketing y ventas que buscan aprovechar los datos para obtener insights, mejorar la toma de decisiones y optimizar estrategias mediante el uso de análisis de datos y modelado predictivo.
• Investigadores y Académicos: Investigadores que desean adquirir habilidades prácticas en ciencia de datos para aplicar en sus proyectos de investigación y análisis de datos.
• Consultores y Emprendedores: Profesionales que buscan utilizar la ciencia de datos para mejorar sus consultorías o para implementar soluciones basadas en datos en sus propias startups o pequeñas empresas.

Requisitos previos

• Experiencia en análisis de datos en hojas de cálculo.
• Interés y resiliencia en aprender a programar.
• Bonus: Familiaridad con base datos y/o algún lenguaje de programación.

Esquema Curricular

Calendarización y Costo

Contenido por módulo

Módulo 1. Introducción a la Ciencia de Datos.

• Fundamentos de Ciencia de Datos.
• Herramientas y Plataformas de Ciencia de Datos como R, Github y Bash.
• Introducción a la Programación para la Ciencia de Datos en Python.
• Ética y Legalidad en el uso de datos.
• Análisis Exploratorio y Visualización de Datos.
• Feature Engineering.
• Desarrollo de modelos de Machine Learning.
• Métricas y Monitoreo de los modelos de Machine Learning.

Módulo 2. Business Intelligence.

• Tipos de visualización de datos.
• Introducción a Business Intelligence.
• Herramientas de Business Intelligence en la nube como Google Looker Studio.
• Desarrollo de Dashboards y Reportes de negocio.
• Data Storytelling - Comunicación y Visualización de Resultados.

Módulo 3. Bases de datos y Cultura de datos en las empresas.

• Introducción a SQL para ciencia de datos.
• Consultas en SQL usando PostgreSQL.
• Introducción a casos de uso en bases de datos NoSQL.
• Cultura de datos y su valor agregado.

Módulo 4. Introducción a Cloud Computing.

• Fundamentos de Cloud Computing.
• Almacenamiento en la nube (Google Cloud Storage).
• Introducción al cómputo en la nube (Cloud Functions/Compute Engine).
• Despliegue y consumo de un modelo sobre los servicios cloud.

Registro de Candidatos

Completar el formulario de registro.(https://forms.gle/wKmPnoWm2vnqw6z48).

Informes