OBJETIVO: 

El objetivo principal de este diplomado es promover en los participantes una actitud analítica basada en datos para resolver problemas organizacionales y fortalecer la toma de decisiones gracias a la generación de modelos descriptivos y predictivos a partir de datos estructurados y narrativos. 

Dirigido a:

Profesional titulado en Ingeniería, Administración, Economía, Matemáticas o carreras afines con conocimientos en el uso de las TI en el mundo empresarial, interesado en la aplicación de técnicas de análisis de datos que permitan generar modelos e identificar patrones que enriquezcan los procesos de toma de decisiones empresariales.

 

Metodología

El programa se va a desarrollar con una metodología dinámica y participativa, a través de procesos de aprendizaje que integren la adquisición de conocimientos y desarrollo de habilidades, a través de laboratorios, conferencias magistrales, análisis de casos reales de empresas de diversos sectores y discusiones intergrupales guiadas por los conferencistas de cada tema. 

Durante el desarrollo de cada uno de los módulos se realizarán múltiples sesiones prácticas usando herramientas libres, propietarias, y en nube. No obstante, el objetivo del diplomado no es la formación en el uso de estas herramientas sino en los fundamentos de cómo diseñar toda la estrategia de inteligencia de negocios y cómo las herramientas disponibles en el mercado pueden aportar en ella.

 

CONTENIDO

Módulo 1: Introducción (5 horas)

  • Conceptos básicos.
  • Relación entre analítica de datos, minería de datos, ciencia de los datos.
  • Casos de éxito: Analítica para la toma de decisiones y competitividad.
  • Metodología para proyectos de analítica.
  • Tendencias en la ciencia de los datos. 

Módulo 2: Modelos analíticos usando datos estructurados (50 horas)

  • Análisis exploratorios.
  • Modelos Analíticos Descriptivos: reducción de dimensionalidad, clustering y reglas de asociación.
  • Modelos analíticos Predictivos: Regresión, Árboles de decisión, redes neuronales, Métodos de ensamble.
  • Preparación de datos estructurados: Consideraciones adicionales antes de aplicar modelos analíticos. 

Módulo 3: Modelos analíticos especializados (20 horas)

  • Minería de texto: preprocesamiento de texto, reconocimiento de entidades, segmentación y clasificación de documentos.
  • Analítica de Procesos: Descubrimiento automático de los procesos, análisis de conformidad con las reglas de negocio, análisis de productividad del personal. 

Módulo 3: Visualización (10 horas)

  • Principales herramientas de visualización.
  • Análisis e interpretación de visualizaciones.
  • Geo-referenciación como apoyo a la visualización. 

Módulo 4: Privacidad y confidencialidad (5 horas)

  • Riesgos y consideraciones al realizar proyectos de análisis de datos.
  • Consideraciones legales.
  • Principios y métodos de anonimización. 

Módulo 5: Introducción a Big Data (10 horas)

  • Big Data y analítica de los datos.
  • Principios del análisis masivo de datos.
  • Tecnologías para analizar grandes volúmenes de datos.

 

PERFIL DE DOCENTES

Conferencistas

  • Alexandra Pomares Quimbaya

Profesora Titular de la Pontificia Universidad Javeriana. Ingeniera de Sistemas en la Pontificia Universidad Javeriana (Colombia), Maestría en Ingeniería de Sistemas y Computación en la Universidad de los Andes, Doctorado en Ingeniería de la Universidad de los Andes (Colombia), Doctorado en Informática de la Universidad de Grenoble (Francia). 

  • Jorge Andrés Alvarado
Ingeniero Industrial,  Master of Science en análisis masivo de datos (Analytics) de North Carolina State University y Doctor en Ingeniería de la Pontifica Universidad Javeriana. Miembro del centro nacional de Excelencia en Big Data y Data Analytics (CAOBA) en donde hace parte del comité técnico de todos los proyectos y lideró el proyecto Textolítica del servicio para Bancolombia. Profesor Asociado del departamento de Ingeniería Industrial de la Pontificia Universidad Javeriana.
 
  • Hugo Santiago Aguirre
Ph.D. en Ingeniería de la Pontificia Universidad Javeriana. Magíster en Ingeniería Industrial, Universidad de los Andes. Ingeniero Industrial, Pontificia Universidad Javeriana.

Certificado en Digital Strategies for Business por Columbia Business School, Business Process Management (BPM) por Boston University, Business Analytics por University of Pennsylvania y en Business Process Modeling and Analysis por el Hasso Plattner Institute. 
  • Javier Rengifo

Ingeniero de Sistemas y Computación, con título de Maestría en Ingeniería de la Información y Especialización en Gestión de Riesgos Financieros. Consultor certificado en arquitectura de Big Data, Data Science, Cloud y metodologías Ágiles y de Design Thinking. Consultor experto en una amplia gama de tecnologías y soluciones, tales como: Bodegas de Datos, Visualización de Datos, Inteligencia de Negocios, Balanced Scorecard, Analítica Predictiva, Big Data, Aprendizaje Automático e Inteligencia Artificial.

 

  • Enrique González

Ingeniero Eléctrico y Magíster en Ingeniería Eléctrica de la Universidad de los Andes. En Francia obtuvo un D.E.A. en Robótica de la Universidad Paris 6 y un Doctorado en Informática de la Universidad de Evry. Investigador y profesor de la Pontificia Universidad Javeriana desde 1999. Su trabajo se ha enfocado en la integración de los Sistemas Distribuidos y la Inteligencia Artificial Ha sido líder de los varios proyectos financiados por Colciencias o el SGR. 

  • José Molano 
Ingeniero de Sistemas y Computación, Universidad de los Andes. Magíster en Ingeniería de Sistemas y Computación (Ingeniería de Información), Universidad de los Andes. Líder de Analítica de la Alianza CAOBA y profesor de cátedra en la Pontificia Universidad Javeriana. Se ha desempeñado en los roles de científico de datos e ingeniero de datos en varios proyectos relacionados con movilidad urbana, identificación de eventos de evasión de impuestos, procesamiento de lenguaje natural orientado a atención al cliente, salud pública, entre otros. Adicionalmente, ha estado vinculado en proyectos de investigación en técnicas de Machine Learning aplicadas a flujos de datos.


  • Marco Emilio Sánchez Acevedo
Abogado colombiano y español. Colegiado 30.301 del Ilustre Colegio de Abogados de Barcelona España y 110.009 del Consejo Superior de la Judicatura de Colombia. Es consultor de entidades públicas y privadas, ha sido fiscal de Cibercriminalidad, es investigador y docente universitario. Doctorado con mención de honor “excelente cum lauden” en Tecnologías y Servicios de la Sociedad de la Información – línea de investigación Derecho y Tecnologías; Magister en Ciberseguridad y Ciberdefensa Nacional; Especialista en Derecho Administrativo y Constitucional y Gobierno local electrónico; consultor, docente y autor de varias obras en la temática derecho y tecnologías.

 

Requisitos 

  • Experiencia en manejo de tecnologías de información y consultas en bases de datos.
  • Disponibilidad de tiempo durante 3 meses.
  • Nivel de inglés intermedio.

 

HORARIO:

Jueves de 6 p.m. a 9 p.m.

Viernes de 6 p.m. a 9 p.m.

Sábados de 8 a.m. a 12 m.

 

VALOR:

$1.800.000


Inscribete Aquí!

 
Contacto

Con gusto atenderemos cualquier inquietud o información adicional que se requiera en el WhatsApp: 3218050757 a los correos electrónicos
auxproysocial@ugca.edu.co o educacioncontinua@ugca.edu.co

CONTÁCTENOS

Central Carrera 14. No 7 - 46

Norte Carrera 14. No 5 - 29

Campus Ciudadela del Saber La Santa María
Kilómetro 7 vía Armenia - La Tebaida


Armenia Quindío Colombia:

Teléfonos

 3218162101 -  321 816 33 40


E-mail: comunicaciones@ugca.edu.co

Redes Sociales

Bolsa de empleo

Search