El vertiginoso desarrollo de la tecnología en general, los avances de la inteligencia artificial y la creciente disponibilidad de datos de cualquier tipo ofrecen tremendas oportunidades para las empresas y organizaciones públicas, pero también retos para la formación de sus profesionales.

Encontrar sabiduría en los datos es fundamental, siendo el Data Analytics el enfoque perfecto que permite mezclar la estrategia de la organización y la ciencia de datos.

Consciente de este escenario, se juntaron el Massachusetts Institute of Technology (MIT) de EE.UU. y la Universidad de Chile para ofrecer programas en Analytics del más alto nivel para formar profesionales de Chile y la región. A partir de mayo de 2019 se ofrecerá un programa denominado Data Analytics Certificate (Diploma en Data Analytics) impartido en Santiago por la Universidad de Chile con la participación de académicos del MIT, y dos semanas en Boston  EE.UU. por profesores del MIT Sloan School of  Management.

El certificado del MIT Sloan en Data Analytics, el primer programa que el MIT hace en conjunto con una Universidad Latinoamericana, tiene como objetivo preparar profesionales de alto nivel del sector privado y público para la toma de decisiones estratégicas basadas en datos (“data-driven decisión making”).

 

POSTULA A ESTE PROGRAMA
SOLICITA INFORMACIÓN

INICIO DE CLASES: 10 MAYO 2019

CIERRE POSTULACIONES

  • 19 de abril 2019

INFORMACIÓN BÁSICA

Este certificado requiere la aprobación de un Diploma en Data Analytics de la Universidad de Chile y un Curso en Analytics en el MIT en Boston, EE.UU.
Duración estimada:
 7 meses entre mayo 2019 y noviembre 2019 (Universidad de Chile) y 2 semanas en enero del 2020 (MIT Sloan School of Management, Boston, EE.UU.).
Horario: Clases viernes de 17:30 a 21:30 hrs. y sábados de 8:30 a 18:00 hrs., dos veces al mes.
Sede: Facultad de Economía y Negocios Universidad de Chile, Diagonal Paraguay 257, Santiago, Chile.
Horas programa: 168 horas (108 horas en el Diploma de la Universidad de Chile y 60 horas en el MIT en Boston, EE.UU.).

PERFIL DEL ALUMNO

El Data Analytics Certificate está diseñado para directivos y profesionales que deseen profundizar sus conocimientos en la toma de decisiones basados en datos e información. El objetivo de este programa es incrementar el conocimiento a través de las más avanzadas herramientas y técnicas de análisis, aprender nuevas maneras e innovadoras formas de comunicar los resultados y aprovechar al máximo la información contenida en los datos. Por tanto, el programa está dirigido a profesionales interesados en obtener conocimiento asociado a las nuevas herramientas de análisis de datos estructurados y no estructurados, así como también, el desarrollo de habilidades análiticas para mejorar el rendimiento de toda la organización.

Los participantes pueden desempeñarse en una amplia gama de sectores: Público, Retail, Minería y Energía, Comercio Electrónico, Mercados y Servicios Financieros, Salud, Telecomunicaciones, Consultoría, entre otras.

CONTACTO

Escuela de Postgrado Economía y Negocios
Facultad de Economía y Negocios, Universidad de Chile
Departamento de Admisiones
Dirección: Diagonal Paraguay 205, Edificio Corporativo Z, primer piso.
Horario de atención: Lunes a Jueves de 9:00 a 19:00 hrs. Viernes de 9:00 a 18:00 hrs.  Horario continuado.
Teléfono: (+56-2) 2 978 3730
E-mail: contacto@postgradouchile.cl

 

Descripción General del Programa

El Diplomado está organizados en 5 módulos, los que cubrirán las siguientes áreas y tópicos:

Módulo 1: Introduction to Data Science and Big Data

En este módulo se presentarán tópicos que introduzcan a los alumnos a qué es, y qué se entiende por Data Science, sus principales aplicaciones en diferentes ámbitos y cuáles son las tendencias y tecnologías que lo habilitan. Dada la naturaleza multidisciplinaria del tema, en este módulo se describirán y analizarán los procesos y sistemas que permiten extraer conocimiento de las fuentes de información y datos. Además, se busca integrar a través de una formación teórica y altamente práctica, como los diferentes enfoques provenientes de importantes áreas como las ciencias de la computación, estadística e investigación de operaciones, permiten en su conjunto resolver problemas de toma de decisión y estrategia en las organizaciones sobre la base de enormes volúmenes de información (Big Data).

Objetivo General de Aprendizaje

Los alumnos de este diplomado podrán adquirir conceptos fundacionales del Data Science, y las tendencias y tecnologías detrás del Big Data. Los alumnos aprenderán los componentes y pasos claves requeridos para la aplicación del Data Science en el mundo real. Además, aprenderán a reconocer qué tipo de metodologías y enfoques de solución son los más adecuados para la resolución de un problema específico mediante las herramientas de Data Science en una organización.

Objetivos específicos:

Los estudiantes, al finalizar el módulo serán capaces de:

  • Conocer los conceptos fundacionales del Data Science, y las tendencias y tecnologías actuales detrás del Big Data.
  • Reconocer las principales diferencias entre bases y modelos de bases de datos tradicionales versus bases de datos no relacionales.
  • Conocer los principios fundamentales de las tecnologías Hadoop y Spark, y cómo éstas son potenciadas por la computación distribuida.
  • Entender cuáles son los componentes y pasos claves requeridos para la aplicación del Data Science en el mundo real.

Detalle de contenidos Módulo 1:

Contenidos Horas
  Intro a Data Science for Business

4

  Bases de Datos for Big Data – Hadoop  – Spark – Computación Distribuida

8

  Metodologías para Data Science – KDD – CRISPDM

8

  Total

20

 

Módulo 2: Fundamentals of Data Mining and Machine Learning

En la primera parte de este módulo se introducirán los tópicos de Data Mining y Machine Learning, explicando su origen, relación y evolución respecto de las técnicas tradicionales de análisis de datos. Se discutirán los diferentes tipos de algoritmos y tareas de aprendizaje, tanto supervisados, no supervisados y de aprendizaje reforzado, así como también aspectos de visualización de datos y reducción de dimensionalidad. Se presentarán ejemplos sencillos de aplicaciones de las técnicas en la vida real, tales como modelos para la búsqueda de similitud entre datos, búsqueda de coocurrencias y secuencias, creación de modelos supervisados para problemas de regresión y clasificación, minería de textos, sistemas de recomendación, entre otros. En la segunda parte de este curso de discutirán los principios fundamentales de las redes neuronales, y su evolución a modelos jerarquizados de aprendizaje profundo del tipo Deep Learning. Se presentarán las principales características de las arquitecturas de auto encoding, convolucionales y para el análisis de datos en secuencias (LSTM) y su gran capacidad para ser aplicadas en el análisis de datos no estructurados: reconocimiento de imágenes, traducción automática, reconocimiento facial, reconocimiento de objetos, predicción en series de tiempo, entre otros.

Objetivo General de Aprendizaje

El objetivo de la primera parte del módulo es que los alumnos conozcan y sean capaces de diferenciar entre tipos de algoritmos y tareas de aprendizaje, tanto supervisados, no supervisados y de aprendizaje reforzado, así como también manejar aspectos de visualización de datos y reducción de dimensionalidad. El objetivo de la segunda parte de este curso es el entender las principales características de las arquitecturas de redes neuronales profundas del tipo auto encoding, convolucionales y recurrentes para el análisis de datos en secuencias (LSTM). Se discutirá su gran capacidad para ser aplicadas en el análisis de datos no estructurados: reconocimiento de imágenes, traducción automática, reconocimiento facial, reconocimiento de objetos, predicción en series de tiempo, entre otros.

Objetivos específicos:

Los estudiantes, al finalizar el módulo serán capaces de:

  • Conocer los diferentes tipos de algoritmos y tareas de aprendizaje de machine learning y data mining tradicional y sus posibles aplicaciones
  • Aplicar diferentes algoritmos de machine learning y data mining a problemas reales
  • Conocer los principios fundamentales de las redes neuronales artificiales y su evolución hacia arquitecturas del tipo Deep learning.
  • Conocer las principales aplicaciones de las arquitecturas del tipo Deep Learning.

Detalle de contenidos Módulo 2:

Contenidos Horas
Fundamentos de Machine Learning – Clásicos

8

Tópicos en Machine Learning – Nuevos (Deep Learning, NLP)

4

Fundamentos de Machine Learning – Visualización y Reducción de Dimensionalidad

4

Total

16

 

Módulo 3: Data Driven Decision Making:

En este módulo los estudiantes revisarán temáticas relacionadas con la aplicación de métodos cuantitativos y estadísticos para la toma de decisión, así como también aspectos relacionados con la gestión de proyectos de data analytics, su gobernanza y posibles desafíos éticos y legales. Se incluyen tópicos de análisis estadístico y cuantitativo, diseño experimental e inferencia causal, haciendo énfasis en la distinción entre causalidad, correlación y en cómo medir el resultado de diferentes tratamientos, como, por ejemplo, en programas públicos, estrategias de marketing o políticas de recursos humanos. Se revisará los tipos de sistemas de información, la gestión de proyectos de data analytics, los nuevos roles del CIO, CDO y cómo éstos soportan la estrategia organizacional. También se discutirán tópicos de protección de datos personales, privacidad, encriptación y ética. Debido a que la tecnología y el volumen de datos que poseen las empresas y el gobierno han crecido exponencialmente en los últimos años, este tópico se hace cada vez más relevante en las organizaciones.

Objetivo General de Aprendizaje

El objetivo de este módulo busca que los estudiantes analicen y conozcan los principales enfoques cuantitativos utilizados por las organizaciones a la hora de tomar de decisiones basada en datos y analizar las ventajas que estos enfoques de solución poseen respecto de la toma de decisiones basadas sólo en el juicio experto y la intuición.

 

Objetivos específicos:

Los estudiantes, al finalizar el módulo serán capaces de:

  • Conocer los diferentes enfoques de solución cuantitativos y estadísticos para la toma de decisiones basado en datos.
  • Aplicar los diferentes enfoques de solución a la resolución de problemas reales en organizaciones.
  • Conocer las principales etapas para la realización y gestión de un proyecto en Data Analytics.
  • Conocer los nuevos roles del CIO, CDO y cómo éstos soportan la estrategia organizacional.
Contenidos Horas
Toma de decisión en base a datos – Data-Driven Decision Making (inventory, pricing)

12

Causal Inference

12

Ethics, Privacy Encryptation in Data Science

12

MIS – Rol del CIO – CDO – Gestión de Proyectos de Analytics

8

Total

44

 

Módulo 4: Real Life Applications and Case Studies

Este módulo consiste en seis clases en donde se presentarán una serie de aplicaciones y estudio de casos reales en donde se han aplicado alguno de los enfoques vistos en el programa. Estas aplicaciones abarcan un amplio rango de industrias y gobierno buscando analizar de diferentes perspectivas un problema en donde se debe tomar una decisión compleja basada en la información y datos que posea la organización. Entre los sectores industriales que se analizaran están: Minería, Salud, Retail, Banca y Seguros, Telecomunicaciones, así como, gobierno y sector público. Al finalizar estas seis clases, se realizará una clase final con el cierre del Diplomado. Se espera que en este módulo el alumno sea capaz de evidenciar cómo llevar a cabo e implementar un proyecto de Data Analytics en una organización compleja.

Objetivo General de Aprendizaje

Este módulo tiene como objetivo que el alumno sea capaz de relacionar y ver en la práctica como aplicar todos los conceptos, tanto teóricos, como metodológicos asociados al Data Analytics dentro de diferentes organizaciones. Particularmente, este módulo tiene como objetivo que el alumno experimente cómo diseñar un enfoque de solución que le permita mejorar el rendimiento de la organización sobre la base de tomar mejores decisiones sobre la base de los datos que posee la organización. Por tanto, el alumno deberá ser capaz de identificar el o las áreas de mejora, así como, buscar la respuesta a dicha pregunta en los datos que se poseen. Se espera además que el alumno sea capaz de estimar el costo y esfuerzo que necesita incurrir a la hora de implementar alguna iniciativa en el área de Data Analytics y saber cómo presentar los principales resultados y hallazgos para ser incorporado dentro de la organización.

 

Objetivos específicos:

Los estudiantes, al finalizar el módulo serán capaces de:

  • Analizar y conocer diferentes problemáticas reales de variadas organizaciones resultas mediante Data Analytics.
  • Reconocer diferentes áreas de mejora en donde se puede aplicar Data Analytics dentro de una organización.
  • Estimar los costos y beneficios para una organización a la hora de desarrollar un proyecto en el área de Data Analytics.
  • Presentar los resultados de un proyecto de Analytics
  • Analizar y aplicar diferentes conceptos de Data Analytics en su área de trabajo.

 

Contenidos Horas
Aplicaciones reales y Casos de Éxito

SECTOR PUBLICO

4

RETAIL

4

MINERIA

4

SALUD

4

BANCA Y SEGUROS

4

TELCO

 4
Clase de Cierre

4

Total

28

  • Module 5: Data Analytics @ MIT

CUERPO ACADÉMICO

  • Richard Weber, Profesor FCFM Universidad de Chile, Ph.D. en Investigación de Operaciones, RWTH Aachen, Alemania. Áreas de especialización: Data mining, Soft Computing, Optimización.
  • Jaime Miranda, Profesor Asistente de FEN Universidad de Chile. Ph.D. en Sistemas de Ingeniería, Universidad de Chile. Área de especialización: Investigación de Operaciones, Machine Learning, Inteligencia de Negocios.
  • David Díaz, Profesor Asistente FEN Universidad de Chile. Ph.D. in Business Intelligence, The University of Manchester, U.K. Áreas de especialización: Machine Learning, Data Mining, Inteligencia de Negocios, en mercados financieros y sector servicios.
  • Esteban Puentes, Profesor Asistente FEN Universidad de Chile. Ph.D. in Economics, University of Chicago, U.S.A. Áreas de especialización: Evaluación de Programas, Econometría Aplicada y Políticas Sociales.
  • Marcelo Olivares, Profesor Asociado FCFM Universidad de Chile. Ph.D. Operations and Information Management, University of Pennsylvania, The Wharton School, U.S.A. Áreas de Especialización: Gestión de la cadena de suministro (Supply Chain Management), Gestión de Operaciones, Aplicaciones de Economía, Marketing en la Gestión de Operaciones.
  • Juan Velásquez,Profesor Titular FCFM Universidad de Chile, Ph.D. en Ingeniería de la Información, Universidad de Tokio, Japón. Áreas de especialización: Data Science, Health Engineering, Web Intelligence, Tecnologías de Información y Comunicaciones.
  • Rafael Epstein, Pro Rector Universidad de Chile. Profesor Asociado FCFM Unviersidad de Chile. Ph.D. en Investigación de Operaciones, MIT, U.S.A. Áreas de Especialización:  Optimización combinatorial, Planificación forestal, Ruteo de vehículos, Planificación de la producción, Programación de las operaciones.
  • Ariel La Paz, Profesor Asistente FEN Universidad de Chile. PhD. Management Information Systems, University of Illinois at Chicago, USA.
    Áreas de Especialización: Impacto de los SI en las organizaciones, Diseño Estratégico de Sistemas de Información
  • Juan Pablo Vielma, Associate Professor of Operations Research, MIT Sloan School of Management
    Ph.D. in Inustrial Engineering, Georgia Institute of Technology.
  • Roberto Rigobon, Professor of Applied Economics, MIT Sloan School of Management.
    Ph.D. in Economics, MIT, U.S.A.
  • Robert Freund, Professor of Operations Research, MIT Sloan School of Management.
    PhD in Operations Research, Stanford University, U.S.A.

REQUISITOS DE POSTULACIÓN

  • Grado de licenciado o título profesional equivalente, otorgado en Chile o el extranjero (mínimo 8 semestres de duración).
  • Experiencia relevante en el área.
  • Buen manejo del idioma inglés.

PROCESO DE POSTULACIÓN

  • Estudio de los antecedentes del postulante por parte del Consejo Académico.
  • Fase de decisión que podrá incluir la admisión, admisión condicional o no aceptación al programa.
  • Los resultados de aceptación o rechazo serán informados a su correo electrónico.

ANTECEDENTES DE POSTULACIÓN

  • Profesional Universitario (Copia del certificado de título o egreso)
  • Curriculum Vitae.

NOTALa tramitación de visa de estudiante residente para extranjeros podrá solicitarse desde el país de residencia una vez recibida la carta de aceptación en el programa. Mayor información del proceso aquí.

VALOR PROGRAMA(*)

  • 495 UF (referencial USD $20.000) arancel total**.

Consulta por tu financiamiento preferencial y grupos por empresa.

*Valor susceptible de cambio sin previo aviso.
** No incluye pasaje aéreo ni estadía en Boston.

CONTACTO

Escuela de Postgrado Economía y Negocios
Facultad de Economía y Negocios, Universidad de Chile
Departamento de Admisiones
Dirección: Diagonal Paraguay 205, Edificio Corporativo Z, primer piso.
Horario de atención: Lunes a Jueves de 9:00 a 19:00 hrs. Viernes de 9:00 a 18:00 hrs.  Horario continuado.
Teléfono: (+56-2) 2 978 3730
E-mail: contacto@postgradouchile.cl