En un principio, tener la mejor y más moderna infraestructura tecnológica, se veía como una forma de lograr una ventaja estratégica, sin embargo, luego se demostró que no era muy efectivo, ya que la infraestructura tecnológica hoy en día es un commodity que todas las empresas pueden y deben tener, por lo tanto, la infraestructura tecnológica no es algo exclusivo de una empresa, y no genera una ventaja estratégica de negocio. El segundo paso entonces fue la recolección de datos, ya que tener datos es tener información. Pero, nuevamente se observa que todas las empresas colectan datos, y por lo tanto, tampoco es exclusivo y no le confiere liderazgo en el mercado a una empresa. Hoy en día, la forma de procesar los datos está logrando ventajas competitivas y estratégicas en la toma de decisiones en cualquier organización. Esto impacta directamente tareas tales como el razonamiento bajo incertidumbre, identificación de patrones de comportamiento, predicción de fenómenos, identificación de factores más determinantes en un negocio, detección de tendencias, segmentación de grupos, etc. Para abordar las tareas previas, se requiere de técnicas para analizar y procesar los datos generados en los negocios y convertirlos así en conocimiento valioso, cuyo componente principal se basa en modelos y técnicas de análisis de datos.

CERTIFICADO DE POSTÍTULO EN MACHINE LEARNING APLICADO AL ANÁLISISDE DATOS

universidad adolfo ibáñez

Esta certificacion es altamente práctica y busca los siguientes objetivos:• Aprender a manejar python para el análisis de datos• Conocer y manejar herramientas de preprocesamiento y análisis exploratorio de datos• Aprender los fundamentos y metodologías de la visualización de datos, desde un punto de vista teórico,

cultural, técnico y práctico haciendo uso de tableau• Aprender herramientas de machine learning para resolver problemas de negocio

OBJETIVOS

• Emprendedores• Consultores• Analistas• Directivos• Coordinadores

DIRIGIDO A

Los cursos son eminentemente prácticos sin descuidar los conceptos generales respecto del funcionamiento de cada una de las técnicas a ocupar. En las sesiones se exponen los contenidos y luego se llevan a la práctica con ejercicios en clases y tareas. El participante aprende haciendo, practicando y ejercitando. Para sacar el mayor provecho al curso, el participante debe invertir varias horas de autoestudio y trabajo en grupo.

METODOLOGÍA

PROGRAMA: 4 MÓDULOS DE 15 HORAS CADA UNO

python para análisis de

datos

preprocesamiento y análisis

exploratorio de datos

visualización de datos &

storytelling

aplicaciones de ciencia de datos para empresas:

aplicando machine learning

módulo 1 módulo 2 módulo 3 módulo 4

CERTIFICADO DE POSTÍTULO EN MACHINE LEARNING APLICADO

AL ANÁLISIS DE DATOS

Ingeniero Civil Informático y Magíster en Ingeniería Informática, Universidad de Santiago. Doctor en Ciencias de la Ingeniería, Pontificia Universidad Católica de Chile. Doctor en Informática, Université Pierre et Marie Curie, Francia. Su tema de tesis doctoral consitió en la generación de nuevas técnicas y aplicaciones en sistemas de múltiples imágenes, y visión estéreo para la detección de gestos humanos y el control de calidad. En la actualidad es profesor asociado de la Facultad de Ingeniería y Ciencias de la UAI. Su principal línea de investigación es el estudio y diseño de algoritmos de interacción humano-computador, y la generación de nuevas herramientas de inspección automática en ambientes industriales.

MIGUEL CARRASCO

ROLANDO DE LA CRUZLicenciado en Física y Matemáticas, Universidad Nacional de Trujillo, Perú. Magíster y Doctorado en Estadística, Pontificia Universidad Católica de Chile. Profesor asociado de la Facultad de Ingeniería y Ciencias de la UAI. Director Académico del Magíster en Data Science y co-director académico del Magíster en Modelamiento Geoestadístico de Gepósitos Minerales. Su investigación se enfoca en el desarrollo de metodologías para el análisis de datos. Es miembro del ge matemáticas de fondecyt, editor asociado del wos journal statistical modelling, evaluador de proyectos para los programas fonis y fondecyt de conicyt, innova alta tecnología de corfo, para la national security agency mathematical sciences program, EE.UU, y par evaluador de la cna para programas de postgrado. Es miembro del Awards Funds Committee de la International Biometric Society. Consultor en temas de business intelligence, business analytics, big data, data science y machine learning.

DANIELA MOYANODiseñadora y Magíster(c) en Sociología, Pontificia Universidad Católica de Chile. Se especializa en diseño de información, particularmente en el área de visualización de datos. Es coordinadora del Diplomado en Visualización de Datos de la Escuela de Diseño de la Universidad Católica. Ha impartido distintos cursos de visualización de datos en universidades y organizaciones no gubernamentales. Actualmente se desempeña como visualizadora y analista en la división de estudios y estadísticas del Ministerio de Ciencias.

LUIS ABURTODoctor en Sistemas de Ingeniería, Ingeniero Industrial y Máster en Gestión de Operaciones, Universidad de Chile. Su tesis de doctorado desarrolla modelos de machine learning para pricing y promociones en la industria del retail. Profesor e investigador de la Facultad de Ingeniería y Ciencias de la UAI. Su investigación se centra en temas de machine learning, forecasting, pricing, operaciones y marketing cuantitativo. Ha realizado trabajos en Estimación de Demanda para administración de Inventarios, Modelos de Pricing, Estimación del Valor del cliente, entre otros. Socio y director en Penta Analytics, empresa donde ha dirigido proyectos de Inteligencia de Negocios y Data Science aplicado a distintas industrias como Retail, Banca, Seguros, Distribución Eléctrica, Minería, Manufactura y Gobierno.

PROFESORES

universidad adolfo ibáñez

fechas:25 de mayo al 14 de septiembre de 2021.valor:80 UF

mayor información:Trinidad Ahumada

trinida.ahumada@uai.cl+569 6277 4983

CERTIFICADO DE POSTÍTULO EN MACHINE LEARNING APLICADO

AL ANÁLISIS DE DATOS