Nuevo - Aplicación de los principios y fundamentos de la ciencia de datos

Este curso presenta los conceptos generales de la ciencia de datos, su origen, desarrollo, proyecciones futuras, y las principales aplicaciones que se pueden llevar a cabo en contextos multidisciplinarios.


Descripción

Todo proceso de revolución tecnológica presenta importantes desafíos que deben ser asumidos a tiempo para no quedar fuera de estos procesos de cambio. El big data es una revolución tecnológica de reciente desarrollo, lo que le permite al país sumarse activamente a este proceso, para lo cual es necesario contar con capital humano con capacidades de comprender, analizar e interpretar toda la información que la era del big data pone a disposición para transformarla en decisiones inteligentes.

Este curso presenta una visión introductoria sobre el origen y desarrollo que ha tenido la ciencia de datos, su interacción con el big data y las aplicaciones que a partir de su uso se pueden obtener en diferentes disciplinas científicas.

Al finalizar el curso, los participantes conocerán los fundamentos de la ciencia de datos e identificarán los conceptos básicos requeridos para diseñar, desarrollar, implementar y operar soluciones de data science en diferentes campos de aplicación.

El curso tiene una orientación práctica y presentará experiencias exitosas de empresas, instituciones, entidades gubernamentales, y emprendimientos que han realizado aplicaciones de data science, esto con el objetivo de fomentar el trabajo multidisciplinario y motivar la generación de soluciones innovadoras basadas en datos para problemas y desafíos que enfrenten los participantes en sus contextos laborales.

Dirigido a

Ingenieros Civiles y de Ejecución de los diversos ámbitos de especialización, Ingenieros Comerciales, Economistas, Administradores Públicos, Psicólogos, Sociólogos, que se desempeñan en áreas de gestión que involucren procesos de toma de decisiones mediante análisis de datos.

Prerrequisitos

•    Manejo de los conceptos elementales de análisis de datos para la toma de decisiones.
•    Dominio básico de MS Excel.

Objetivo de aprendizaje

Aplicar herramientas fundamentales de la ciencia de datos en el contexto económico y tecnológico actual, identificando posibilidades de uso y su integración con diversas disciplinas.

Desglose de cursos

Curso: Aplicación de los principios y fundamentos de la Ciencia de Datos.
Horas lectivas: 25 horas cronológicas
Créditos: 5

Objetivos específicos:
-    Conocer el concepto de big data y su desarrollo.
-    Descubrir los campos de aplicación del big data.
-    Distinguir los objetivos de la ciencia de datos y sus aplicaciones.
-    Reconocer la relación entre data science e innovación.

Contenidos:
1.    Introducción
o    Evolución de la ciencia y la tecnología.
o    De la falta de datos al exceso de información.
2.    Campos de aplicación del big data.
o    El big data como desarrollo tecnológico de los datos.
o    Los desafíos del big data.
3.    La ciencia de datos.
a.    ¿Qué es el Data Science?
b.    ¿Qué hace un Data Scientist?
c.    Aplicaciones de Data Science
d.    Desafíos éticos del Data Science
4.    Data Science e Innovación
a.    ¿Porqué el Data Science se relaciona con la innovación?
b.    Innovar a partir de los datos.
c.    Datos para detectar y crear necesidades.

METODOLOGÍA
En las horas teóricas el relator desarrollará los contenidos con medios audiovisuales (presentaciones y diapositivas), basado en una metodología participativa.
En las horas prácticas, se realizarán las siguientes actividades:
-    Estudio de casos de aplicaciones de data science para la resolución de problemas en diferentes contextos (salud, educación, industria, transporte, seguridad, entre otros), en grupos de 5 participantes, con la supervisión del relator.
-    Jornadas de debate y reflexión de casos de aplicación presentados por expositores invitados (empresarios, académicos, expertos o usuarios), con la conducción y orientación del relator.

Equipo Docente

JEFE DE PROGRAMA
Wilfredo Palma Manríquez
Profesor Titular Departamento de Estadística, Facultad de Matemáticas, Pontificia Universidad Católica de Chile.
Ingeniero Matemático, Universidad de Chile.
Ph. D. en Estadística, Carnegie Mellon University, USA.
Director DATA UC, Unidad de Estudios Estadísticos de la Pontificia Universidad Católica de Chile.
Autor de los libros: Long-Memory Time Series: Theory and Methods; Advances in Economics and Econometrics, Statistics and Finance: An Interface; Advances in Econometrics, Data Mining y de más de 30 publicaciones científicas en el área de series de tiempo y modelos estadísticos.

EQUIPO DOCENTE

Alvear Leyton, Alexis, Subdirector DATA UC, Magíster en Administración de Empresas, Universidad de Sevilla, España.

Aravena Cuevas, Ricardo, Profesor Asociado Adjunto, Magíster en Estadística, Pontificia Universidad Católica de Chile.

Bravo Mella Mónica, Profesora Instructor Adjunto, Licenciada en Estadística, Pontificia Universidad Católica de Chile.

Molina Núñez, Alonso, Estadístico y Magíster en Estadística, Pontificia Universidad Católica de Chile.

Palma Manríquez Wilfredo, Profesor Titular, Ph. D. en Estadística, Carnegie Mellon University.

Evaluación

•    1 Quiz, que consiste en la resolución de preguntas para identificar los conceptos fundamentales de data science , desarrollado de manera individual: 50% - evaluado con una rúbrica.
•    1 Taller práctico que contempla el diseño de una solución de innovación basada en datos para una situación problema que será entregada por el profesor. El taller será realizado en grupos de 5 personas: 50% de ponderación de la nota final.

Requisitos de aprobación

a)     Requisito académico: los alumnos deberán obtener una nota 4.0 o más y cumplir con el requisito de asistencia de un 75%.
Los alumnos que cumplan con estos requisitos recibirán un certificado de aprobación.

El alumno que no cumpla con una de estas exigencias reprueba automáticamente sin posibilidad de ningún tipo de certificación.

Bibliografía

- Stanton Jeffrey, 2012, An introduction to Data Science, Syracuse University´s School of Information Studies.
- Foerman Jhon, 2014, Data smart; Using Data Science to transform information to insight, Wiley.
O’ Reilly Media (2013) Big Data Now, O’ Reilly Media, Inc
James, G., Witten, D., Hastie, T. and Tibshirani, R. (2013). An Introduction to Statistical Learning, with Applications in R, Springer
- Apuntes de elaboración propia.

Proceso de Admisión

Las personas interesadas deberán completar la ficha de postulación ubicada al lado derecho de esta página web y enviar los siguientes documentos a la ejecutiva de admisión, señorita Carla Díaz Mora, al correo cdiazmora@uc.cl:

-    Fotocopia simple de la cédula de identidad por ambos lados.
-    Copia simple de título o licenciatura.
-    Certificado laboral o currículum vitae actualizado.

VACANTES: 40
 “No se tramitarán postulaciones incompletas”.

• El Programa se reserva el derecho de suspender la realización del diplomado/curso si no cuenta con el mínimo de alumnos requeridos. En tal caso se devuelve a los alumnos matriculados la totalidad del dinero en un plazo aproximado de 10 días hábiles con un vale vista que deberá ser retirado en el  Banco Santander.
• A las personas matriculadas que se retiren de la actividad antes de la fecha de inicio, se les devolverá el total pagado menos el 10% del total del arancel. A las personas que se retiren  una vez iniciado el programa por motivos de fuerza mayor, se les cobrarán las horas cursadas hasta la fecha  de la  entrega de solicitud formal de retiro más el 10% del valor total del programa. En ambos casos la devolución demorará 15 días hábiles y se efectuará a través de un vale vista que deberá ser retirado en el  Banco Santander.

imagen
SOLICITAR MÁS INFORMACIÓN
ACTIVIDAD NO DISPONIBLE
PARA INSCRIPCIÓN

POR FAVOR DÉJENOS SU CONSULTA
Y LO CONTACTAREMOS


Otros programas que pueden ser de su interés

Diplomado en Estadística, mención Métodos Estadísticos

Diplomado en Data Science
IMPORTANTE : Politicas de privacidad

El sitio de educación continua UC utiliza cookies.

Las cookies son pequeños archivos que son transferidos a su dispositivo (Computadora o móvil) y que permanecen ahí por una duración de tiempo limitada, para ayudar a personalizar la experiencia de uso del sitio web y la publicidad que verá de los productos que este ofrece.
Educación continua UC utiliza tanto cookies propias como de terceros.

Particularmente el sitio utiliza cookies para habilitar las funcionalidades de remarketing de Google AdWords y retargeting de Facebook Exchange, para así realizar campañas personalizadas de anuncios en línea, para aquellas personas que han visitado el sitio web. Por tanto si navega por nuestro sitio web, es probable que luego vea anuncios de nuestra empresa en otros sitios que visite.

Si no desea que se muestren esos anuncios o que se almacenen datos sobre su actividad en nuestro sitio web, puede configurar su navegador, para dejar de aceptar cookies o para que le avise antes de aceptar una cookie de los sitios web que visite. Adicionalmente para el caso particular de Adwords, puede inhabilitar el uso de estas cookies mediante el Administrador de Preferencias de Anuncios de Google.