Diploma en Data Science

Información General del Programa​

Descripción

En la actualidad es de gran interés en los ambientes industriales, organizacionales y académicos el uso de herramientas interdisciplinarias para el tratamiento de datos de forma tal que permita descubrir la información valiosa que allí pueda ser conseguida y que apoye a la toma de decisiones de forma inteligente. Así, la Ciencia de datos (Data Science) emerge como esa combinación exitosa de métodos y técnicas que incluyen herramientas matemáticas, estadísticas, computacionales, inteligencia artificial y comportamientos sociales y organizacionales que han brindado soluciones de gran valor en los entornos desarrollados.

Objetivo del Programa

-Proveer una formación práctica, actualizada y especializada en ciencia de datos.

-Perfeccionar las habilidades que permiten mejorar los procesos decisionales de una organización o crear oportunidades de negocios a partir de fuentes heterogéneas de datos, usando para esto avances recientes en Data Science y gestión de datos masivos.

-Aplicar los métodos estudiados a través de demostraciones prácticas, usando Python y jupyter notebooks, y de módulos de integración de contenidos.

Audiencia

Podrán postular al programa profesionales de cualquier área, que buscan formarse adquiriendo conocimientos sobre la ciencia de datos, sus técnicas, herramientas y aplicaciones, habilitándolos para reconocer las oportunidades de incorporar estas herramientas en sus áreas de interés. Entre los posibles participantes se pueden destacar: 

-Gerentes o directivos de empresas, organismos públicos o privados que deseen conocer sobre ciencias de datos y evaluar la posibilidad de integrar su utilización para mejorar sus procesos.

-Analistas de negocio y de información.

-Arquitectos y desarrolladores de sistemas de información y de software.

-Responsables de infraestructura y servicios TIC.

-Consultores y auditores TIC.

-Profesionales en general interesados en conocer las potencialidades y oportunidades de uso de la ciencia de datos y con dominio del uso de herramientas computacionales de programación (conocimientos básicos de Python)

 

Plan de estudios

El Diploma se estructura tres ciclos (Fundamentos, Intermedio y Especialización) con un total de 120 horas, a través de 10 módulos de 12 horas cada uno. 

El Ciclo de fundamentos está constituido por tres módulos (Introducción a Data Science, Análisis Exploratorio de Datos y Visualización de Datos).  El Ciclo Intermedio incluye tres módulos (Machine Learning, Big Data y Deep Learning) El Ciclo de Especialización considera cuatro módulos adicionales (Text Mining y NLP, Análisis de Redes Sociales, Ciencia de Datos, Emprendimiento y Organizaciones y Talleres de Integración de Contenidos).  Los talleres se irán modificando en cada oportunidad que se realice el Diploma.

Ciclo Fundamentos

Módulo I: Introducción a Data Science (12 horas)

•      Introducción a la Ciencia de Datos, Problemática y Perspectivas.

•      Tipos de Datos. Datos estructurados y no estructurados.

•      Veracidad de datos, privacidad y seguridad.

•      Aspectos éticos y sociales.

•      Discusión de casos.

•      Ejemplos en Jupyter Notebooks.

 

dulo II: Análisis Exploratorio de Datos (12 horas)

•      Medidas de Similaridad y Distancia.

•      Elementos de Teoría de Probabilidades.

•      Análisis de Datos Univariados. Medidas de Tendencia y Dispersión.

•      Detección de Datos Atípicos.

•      Análisis de Datos Multivariados. Matriz de Correlaciones.

•      Análisis de Varianza Intra e Varianza Inter.

•      Estimación Paramétrica Clásica.

•      Regresión Lineal.

 

Módulo III: Visualización de Datos (12 horas)

•      Visualización de datos y su relación a la cognición humana. 

•      Qué, por qué y cómo visualizar.

•      Elementos gráficos y canales visuales.

•      Herramientas de visualización de datos.

•      Métodos centrados en usuarios para diseño, prototipado y evaluación.

•      Revisión de casos prácticos. 

Ciclo Intermedio

Módulo IV: Machine Learning (12 horas)

•      Introducción al Aprendizaje Supervisado.

•      Árboles de Clasificación y Regresión

•      Máquinas de Vectores de Soporte (SVMs).

•      Ensamblados: Bagging, Boosting, Random Forest.

•      Métodos de Evaluación y Selección de Modelos.

•      Introducción al Aprendizaje No-Supervisado.

 

Módulo V: Big Data (12 horas)

•      Introducción a la computación distribuida y sistemas para Big Data

•      Sistemas de archivos distribuidos para Big Data (BigTable, Cassandra, MongoDB).

•      Sistemas de procesamiento para Big Data (Map-reduce, Storm, Spark).

•      Sistemas de comunicación para Big Data (Kafka).

 

Módulo VI: Deep Learning (12 horas)

•      Introducción y Redes Feed-forward.

•      Entrenamiento de Redes Profundas: Backpropagation y Dropout.

•      Redes Neuronales Convolucionales.

•      Redes Neuronales Recurrentes.

•      Entrenamiento No-supervisado de Redes Neuronales. 

 

Ciclo Especialización

Módulo VII: Text Mining y NLP (12 horas)

•      Extracción de Información (Keywords, Collocations, Entidades Nombradas).

•      Recuperación de Información Clásica (TF-IDF, BM25).

•      Representaciones de Texto (BOW, Word2Vec, CBOW, GloVE, Doc2Vec).

•      Aplicaciones: Neural IR, Clasificación de Contenidos, Detección de Tópicos, Sentiment Analysis, Traducción.

 

Módulo VIII: Análisis de Redes Sociales (12 horas)

•      Modelos de Redes Sociales

•      Medidas de Centralidad, Influencia y Robustez.

•      Scrapping de Redes Sociales

•      Evolución de Redes Sociales

 

Módulo IX: Ciencia de Datos, Emprendimiento y Organizaciones (12 horas)

•      Rol de la Ciencia de Datos para las Organizaciones.

•      Ciencia de Datos y Emprendimiento.

•      Discusión de Casos de éxito.

 

Módulo X: Seminario de ejemplos y aplicaciones de Inteligencia Artificial (12 horas)

•      Taller de Aplicaciones I. Ejemplo: Análisis de Sentimiento en Tweets.

•      Taller de Aplicaciones II. Ejemplo: Sistema Recomendador en Facebook.

Modalidad de Clases

El Diploma en Data Science será en modalidad online y telepresencial.

La duración del Diploma es de 120 horas, compuesto de 10 módulos de 12 horas cada uno.

Formato: tres sesiones presenciales-remotas (2 horas cada una) de interacción entre los relatores y los participantes (estas sesiones serán grabadas para que la puedan ver posteriormente (forma asíncrona) aquellos que no pudieron participar, y 4 horas de supervisión de trabajo a distancia.

Se utilizará la plataforma Moodle que posee el Departamento de Informática.

Las clases presenciales-remotas se realizarán la semana indicada en el cronograma anexo (lunes, miércoles y viernes de 18:00 a 20:00 horas).

Igualmente, las actividades que serán evaluadas en cada módulo la tendrán disponibles los participantes a través de la plataforma Moodle y la deberán entregar a más tardar la semana posterior a la interacción con el relator.

Organización Académica

El programa combina horas presenciales teóricas y prácticas, realización de trabajos grupales y desarrollo de un proyecto final en el área de ciberseguridad.

El equipo de profesores está compuesto por un seleccionado grupo de académicos y profesionales, con sólidos conocimientos y una amplia experiencia en el campo de la ciberseguridad, lo que permitirá brindar a los participantes diferentes visiones y aportes en dicha área.

 

Dirección Académica del Programa

Dr. Ricardo Ñanculef Alegría

Dr. Ricardo Ñanculef Alegría

Doctorado en Ciencias de la Ingeniería Informática, UTFSM.
Postdoc en el Laboratorio de Sistemas Inteligentes de la Universidad de Bristol (UK)..
ricardo.nanculef@usm.cl.
Oficina: A-133-B Campus San Joaquín UTFSM +56223037208

Coordinación Ejecutiva del Programa

Dr. Francklin Rivas Echeverría

Dr. Francklin Rivas Echeverría

Doctor en Ciencias Aplicadas. Magíster Sc. en Ingeniería de Control. Ingeniero de Sistemas.
Abogado.

Relatores asociados al programa

Pedro Godoy

Pedro Godoy

Profesor Departamento de Informática, USM, Chile.
Msc de la Ingeniería Informática, USM, Chile.
Ingeniero Civil Informático, USM, Chile.
pgodoy@inf.utfsm.cl
Oficina: F-122 Casa Central USM +56223037211

Federico Meza

Federico Meza

Profesor, Departamento de Informática, USM, Chile
Doctor en Ciencias de la Ingeniería, PUC, Chile.
Magíster en Computación, Instituto Tecnológico de Costa Rica.
Bachiller en Computación e Informática, Universidad de Costa Rica.
federico.meza@inf.utfsm.cl.
Oficina: K-604 San Joaquín USM +56223037211

Ignacio Loayza

Ignacio Loayza

Científico de Datos en Tenpo Chile. Ingeniero Civil Informático, USM, Chile.
Alumno Magister en Ciencias de la ingeniería Informática, USM, Chile.

Cristian Serpell

Cristian Serpell

Machine Learning Engineer II, ZeroFox.
Doctor en Ingeniería Informática, USM, Chile
Ingeniero en Ciencias de la Computación, U. de Chile.

Ricardo Ñanculef Alegría

Ricardo Ñanculef Alegría

Doctorado en Ciencias de la Ingeniería Informática, UTFSM.
Postdoc en el Laboratorio de Sistemas Inteligentes de la Universidad de Bristol (UK).
ricardo.nanculef@usm.cl.
Oficina: A-133-B Campus San Joaquín UTFSM +56223037208

Francklin Rivas Echeverría

Francklin Rivas Echeverría

Chief Research Officer, Kauel, Estados Unidos.
Doctor en Ciencias Aplicadas.
Magíster Sc. en Ingeniería de Control.
Ingeniero de Sistemas.
Abogado.

Andrea Vásquez

Andrea Vásquez

Profesora Departamento de Informática, USM, Chile.
Directora de Acompañamiento en la Trayectoria Académica Estudiantil, USM, Chile.
Doctora en Ciencias de la Ingeniería, Pontificia Universidad Católica de Chile.
Ingeniero Civil en Computación.
andrea.vasquez@inf.utfsm.cl
Oficina: F-128 Casa Central USM +56322654655

Andrés Moreira

Andrés Moreira

Profesor Departamento de Informática, USM, Chile.
Doctorado en Modelamiento Matemático, U. de Chile.
Postdoc en el laboratorio TIMC, Francia.
Postdoc en el Centro de Modelamiento Matemático, U. de Chile.
andres.moreira@inf.utfsm.cl
Oficina: K-611 San Joaquín USM +56223037216

José Luis Marti

José Luis Marti

Máster en Diseño de Información y Visualización de Datos, UPF - España.
Magíster en Ingeniería Informática, USM.
Ingeniero Civil Informático, USM.
jose-luis.marti@inf.utfsm.cl
Oficina: K-612 San Joaquín USM
+56 2 2303 7203

Erika Rosas

Erika Rosas

Doctora en Informática.
Magíster en Ciencias de la Ingeniería Informática.
Ingeniera Civil Informática.

Ignacio Tampe

Ignacio Tampe

Data Scientist - AI Accelerator, TELUS.
Ingeniero Civil Informática, USM, Chile.

Ana Muñoz

Ana Muñoz

Profesora, USM, Chile
Doctora en Ciencias Aplicadas, U. de los Andes, Venezuela.
Master en Ingeniería de Control y Automatización, U. de los Andes, Venezuela.
Ingeniera de Sistemas, U. de los Andes, Venezuela.

NOTA: La dirección del Programa se reserva el derecho de cambiar algún relator/a en caso de fuerza mayor.

 

Contacto y consultas

Carolina Leal

Departamento de Informática 

Universidad Técnica Federico Santa María

Teléfono fijo: (+56) 322654424

WhatsApp: (+569) 4405 3325

Email: diplomas@inf.utfsm.cl

Descuentos

-10% Empresa o institución que inscriba a 3 o más de sus colaboradores y con una sola orden de compra.

-10% Ser mujer (como una forma de apoyar a disminuir la brecha de género).

-10% Ser funcionario público, municipal, FFAA, Carabineros o PDI. Pertenecer a un pueblo originario.

-20% Matrícula Anticipada (hasta dos semanas antes del inicio del programa)

-30% Alumni (ser exalumno de la Universidad, cualquier título, grado o diploma).

NOTA: El programa se realizará siempre y cuando se complete con el mínimo de participantes.

Compartir en redes sociales