El laboratorio Data FAE Presenta el Diploma en Modelamiento y Análisis de Datos.

Orientado a profesionales que busquen introducirse o potenciar sus carreras con un enfoque basado en datos. Actualmente la estructura de las organizaciones ha cambiado y las compañías requieren que los profesionales analicen y tomen decisiones de forma autónoma dentro de las distintas áreas de negocio. Para esto es clave entender y gestionar los datos de una manera efectiva con las herramientas de última generación.

Este programa te permitirá desarrollar tus habilidades y conocimiento para capturar, preparar y analizar diferentes fuentes de datos tanto estructurada como no estructurada, permitiendo tomar decisiones de negocios informadas, evaluando los distintos cursos de acción y generando las recomendaciones más adecuadas para los distintos desafíos organizacionales. Las recomendaciones tendrán dos enfoques, primero basado en historia y hechos mediante exploración, análisis y visualizaciones de datos. La segunda parte se centra en la generación de predicciones y escenarios futuros a través de distintos modelos de machine learning.

De esta manera al finalizar el Diplomado, los participantes serán capaces de modelar, analizar y aplicar información en los ámbitos de gestión de una organización, incorporando visualizaciones de alto estándar para orientar el proceso de toma de decisiones en distintos escenarios. Considerando en estos análisis distintas fuentes de información provenientes de sitios web y de bases de datos de organizaciones gubernamentales y privadas, cumpliendo con la normativa vigente e impulsando el emprendimiento y desarrollo empresarial.

Dirigido a

Este Diplomado está orientado a estudiantes de último año, egresados o personas que posean un título profesional o grado académico de Ingeniería Comercial o carreras afines, los cuales busquen desempeñarse en el sector público/sector privado, en cargos relacionados con el análisis y modelamiento de datos masivos para la toma de decisiones y confección de estrategias para mejorar el bienestar privado y social.

Se sugiere que el postulante tenga un manejo del idioma inglés intermedio, lo cual  le permita leer textos de mediana longitud y complejidad, especificados en la bibliografía de los módulos.

Contenidos:

Módulo I: Fundamentos de la Analítica de datos (Comprender la problemática asociada al análisis de datos estructurados y no estructurados en distintos tipos de organizaciones (públicas y privadas).

• Datos y el mundo actual
• Conceptos básicos
• Métodos para describir datos
• Decisiones con datos
• Fundamentos Estadísticos

Módulo II: Marketing Digital (Aplicar herramientas de investigación social y análisis de textos, modelos no supervisados y Prompt Engineering para medir objetivos, resultados y mejora continua en su organización (pública o privada)).

• Métodos de reducción de dimensionalidad y clustering.
• Pipelines de pre-procesamiento de texto.
• Representación de texto.
• Modelos generativos y aprendizaje no supervisado aplicado a texto.
• Tópicos en Grandes Modelos de Lenguaje (LLMs).

Módulo III: Herramientas de Análisis (Identificar herramientas de programación que utilizan actualmente las empresas y organismos públicos para la toma de decisiones estratégicas. Aplicar herramientas de programación para el modelamiento análisis de datos).

• SQL
• R
• Python

Módulo IV: Big Data (Comprender el mundo del análisis de grandes volúmenes de información, a través de los distintos esquemas y estrategias disponibles actualmente, para la proyección de situaciones futuras.  Analizar situaciones económicas y/o sociales utilizando la mayor cantidad de información disponible, para tomar decisiones que eviten riesgos y/o no representen conflictos de interés con las decisiones estratégicas de su organización).

• ¿Qué es el análisis de Big data? ¿Para qué sirve?
• Áreas donde existen problemas de Big Data
• Ciclo de vida del Big Data
• Ecosistema y Frameworks

Módulo V: Visualización (Evaluar distintas alternativas de presentación de resultados, teniendo en consideración las diversas opciones para comprender y aplicar el análisis de la información. Explicar la toma de decisiones en función de la interpretación del análisis de información).

• Introducción a la visualización
• Visualización de información
• Herramientas de visualización
• Visualización para comunicación efectiva
• Tableau/Power Bi/Data Studio

Módulo VI: Técnicas de Análisis de Datos (Aplicar distintos algoritmos de Machine Learning, supervisados y no supervisados, para establecer las limitaciones y alcances de cada una de las técnicas. Utilizar aplicaciones de Deep Learning para la modelización de datos y el reconocimiento de patrones al interior de la información analizada).

• Analítica predictiva
• Machine Learning
  
• Modelos Supervisados (Clasificación y Regresión)
• Modelos No supervisados (Clustering y Reducción de dimensionalidad)
• Deep Learning (Convolucionales y LSTM).

 

Cuerpo Docente:

Académicos de alto nivel, que están en la vanguardia en temáticas de análisis de textos, manejo de información no estructurada, machine learning y análisis de datos masivos.

Jóse Miguel Tobar Ríos
Ingeniero Civil en Informática de la Universidad Federico Santa María. Ha sido fundador de varios emprendimientos tecnológicos y ha hecho consultoría en distintos ámbitos de temas de datos. Se especializa en inteligencia artificial orientada al análisis de texto no estructurado. En la actualidad, es Gerente  de Innovación en Wholemeaning, y docente de los cursos: Data Analytics junto con Python y R para Análisis de Datos.

 

Diana Ruth  López Avilés
Ingeniera Comercial, Mención Economía de la Universidad de Chile, con especialización en Métodos Estadísticos y Big data, con diplomados en la Pontificia Universidad Católica de Chile para las respectivas áreas. Además de un Magíster en Finanzas, Magíster(C) en Tecnología de la Información y diplomados en Ingeniería de Datos e Inteligencia Artificial de la Universidad de Chile. Trabaja en el Banco Central de Chile (BCCh), se ha especializado en recopilación de información, compilación de estadísticas de empresas, intermediarios financieros y sector público, en la Gerencia de Estadísticas Macroeconómicas, y actualmente está enfocada a la regulación de los medios de pagos minoristas en la Gerencia de Infraestructura y Regulación Financiera. Adicionalmente, es docente en el programa de Magíster de Gestión en Políticas Públicas de la Universidad de Talca y de Econometría Aplicada y Diploma en Finanzas de la Universidad Tecnológica Metropolitana. Entre los proyectos importantes, es cofundadora del Laboratorio Data Fae, el cual promueve la investigación docente, la vinculación con el medio, la explotación de datos y el aprendizaje de los estudiantes.

 

Ricardo Antonio Flores Huenchullanca
Ingeniero Comercial, mención Economía con Maestría en Economía en la Universidad de Concepción. Entre 2014-2018 trabajó en la Gerencia de Estadísticas Macroeconómicas, especializándose en recopilación de información y compilación de estadísticas de precios de vivienda. Actualmente, es candidato a doctor en Data Science, en la Universidad de Worcester Polytechnic Institute, Massachusetts, Estados Unidos. Sus áreas de interés son Data Analysis, Machine Learning, Deep Learning, Data Mining, Web Scraping, Big Data Analytics, Computer Simulation, and Visualization. Además, forma parte del laboratorio de sistemas inteligentes impulsados por datos (DAISY) en WPI.

Daniel Vera

Ingeniero Civil en Informática, UTFSM. Magíster en Creación Literaria, Universidad Internacional de Valencia. Experto en tecnologías de la información con más de 15 años de experiencia. A lo largo de mi carrera, he desarrollado una sólida trayectoria en diversas áreas, incluyendo: Investigación, desarrollo e innovación (I+D+i), Gestión de proyectos tecnológicos, Implementación de infraestructura cloud y on-premises, ITIL y gestión de servicios de TI, Gestión de datos y Dirección y gestión de equipos

Ha acumulado una amplia experiencia en los sectores financiero, productivo y de gobierno, brindando una comprensión profunda de las necesidades específicas de cada uno. Adicionalmente, se ha desempeñado como docente académico en las áreas de Modelamiento de Datos, Business Intelligence y Data Analytics, en las universidades: UDP, UTFSM, UNAB y UTEM.

 

Michael Sam
Científico de Datos de la Universidad de Harvard, e Ingeniero Industrial de la Universidad Católica del Perú. Con alta experiencia en las ciencias de datos, el análisis, la gestión de riesgos financieros y la gestión de proyectos, donde se destaca en el desarrollo de soluciones basadas en datos para desafíos del mundo real y en la optimización de procesos críticos.

—————————————————————————————————————————————-

Requisitos de Admisión

• Certificado de título profesional: Egresados, titulados, licenciados de Ingeniería Comercial o carreras afines Ingeniería Industrial, Informática.
• Cédula de identidad por ambos lados o Certificado de nacimiento para matrícula (descargue aquí)
• Foto tamaño carnet .
• Completar formulario de postulación.

 

La Dirección de Capacitación y Postítulos de UTEM se reserva el derecho de suspender cursos al no contar con el mínimo de alumnos requeridos.

El alumno se considera Matriculado al formalizar documentando su inscripción y arancel, la ficha de inscripción no es garantía de reserva de cupo.

Información General

Nombre: Diplomado para Modelamiento y Análisis de Datos.
Horas: 130 horas cronológicas.
Modalidad: e-learning.
Horario: Lunes y Miércoles de 19:00 a 22:00 horas. (con clases sincrónicas vía Zoom y aula digital con actividades de apoyo al trabajo asincrónico).
Arancel: $1.176.000.-
Inscripción: $60.000.-

Descuentos (Aplica sobre Arancel, No acumulables)

• 30%: Egresados y titulados UTEM.
• 20%: Funcionario Público (Convenio ANEF)
• 20%: Ex alumnos Direcap.
• 10%: 2 o más personas de la misma institución/empresa.
• 5%: Pago Contado.

Formas de pago

Cupón de pago Webpay (Tarjeta de Crédito o Débito).

 

Admisión 2024

Cupos Limitados.
Teléfonos: 56 2 2787 7660
capacitacion@utem.cl  /  escuela.comercial@utem.cl/ datafae@utem.cl