Descripción
El actual escenario de la Cuarta Revolución Industrial ha acelerado el proceso de cambios en la Transformación Digital de Empresas y Organizaciones, lo cual impacta en las formas de operar y en un incremento del volumen de datos claves para la toma de decisiones y competitividad. Este contexto ha generado en los últimos años una alta demanda de profesionales capaces de transformar el mundo tradicional de los negocios, para crear procesos y soluciones innovadoras, a nivel global. Por lo tanto, la reinvención debe comenzar por los profesionales que le darán forma a esta nueva manera de vivir la digitalización, ya que son ellos quienes deben guiar a las organizaciones en tomar el reto, liderar procesos frente a cambios continuos y avances exponenciales en materia de tecnología e innovación.
El propósito principal de este Diplomado es fortalecer las competencias de los participantes para la implementación de procesos de análisis y gestión de datos utilizando herramientas especializadas en la identificación de patrones y técnicas predictivas, con el fin de aportar valor a la empresa a través de la generación de información clave para la toma de decisiones.
Objetivos
Implementar procesos de análisis y gestión de datos utilizando herramientas especializadas en la identificación de patrones y técnicas predictivas, con el fin de aportar información clave para la toma de decisiones de la organización.
Orientado
- Programadores, administradores de contrato y analistas de las áreas de Tecnologías de la Información (TI).
- Diseñadores de soluciones informáticas, administradores de bases de datos y soporte de áreas TI.
Requisitos de ingreso
- Conocimientos sobre programación, lógica algorítmica, estadística y nivel intermedio de Python.
- Deseable manejo de inglés técnico
Módulos
Módulo I: Transformación Digital (25 horas)
Unidad 1: Introducción a la Transformación de Procesos, Personas y Tecnologías.
- Datos, Metodologías, Roles y Estadísticas.
- Big Data, SOA, BPM, ECM, RPA.
- Arquitecturas de la Información, Principios 5-Forces Porter.
- Análisis de caso de Negocio: Facebook vs Snapchat.
- Principios de Agilidad y Design Thinking.
- Herramientas de apoyo para los procesos ágiles: SCRUM, Trello, Slack.
- Experimentar: Documentar y Presentar 5-Forces-Porter de mi empresa.
- Desafío: ¿puedo convertirme en una data driven company?
- Acreditación 1 Badge (cognitiveclass.ai)
Unidad 2: Tecnologías Habilitantes para la Transformación Digital.
- Manifiesto Agile.
- Ventajas y beneficios de la agilidad aplicada en empresas.
- Características de las metodologías ágiles.
- Usos y aplicaciones de distintas metodologías ágiles (Scrum, Kanban, XP, etc.)
- Tecnologías habilitantes:
- Cloud
- Contenedores
- IoT
- Blockchain
- Ciberseguridad.
- Inteligencia Artificial aplicada.
- Introducción Machine Learning y Deep Learning.
- Showcase: Demostraciones.
- Experiencia: Workshop Design Thinking usando App Mural.co
- Acreditación: 1 Badge (cognitiveclass.ai)
Módulo II: Metodologías Ágiles para la Transformación Digital (30 horas)
Unidad 1: Definiendo e Incorporándonos al Marco de Trabajo en Scrum.
- Marco de trabajo de Scrum.
- Roles dentro del equipo Scrum.
- Definición de alcance de proyecto ágil.
- Épicas e historias de usuario.
- Creación del product backlog.
- Definición y estimación de tareas dentro del equipo Scrum.
- Velocidad del equipo Scrum.
- Agile Manifiesto.
- Cascada vs Agile.
Unidad 2: Desarrollando desde la Agilidad.
- Aplicación del product backlog a sprint.
- Planificación del sprint (incluye scramboard y burndown chart).
- Desarrollo y actividades dentro del Sprint.
- Actualización del product backlog.
- Entrega y retrospectiva del proyecto.
- Buenas prácticas.
- Planning Poker web.
- KPIs y métricas financieras, tales como ROI, PV, etc.
- MVP
- TFS
Módulo III: Machine Learning (30 horas)
Unidad 1: Técnicas para la exploración y preparación de datos.
- Datos.
- Python.
- Jupyter Notebook en Anaconda y Colaboratory.
- Librerías de Python para ML como:
- Numpy
- Pandas
- Matplotlib
- Scikit learn
- Estadística orientada a datos.
- Procesos de Limpieza de datos: lectura de datos desde fuentes .
- Visualizaciones y exploración de datos.
Unidad 2: Técnicas de predicción de datos con Machine Learning.
- Técnicas de clasificación.
- Segmentación y asociación en Machine Learning.
- Técnicas de regresión: Regresión lineal y logística con Python.
- Uso de lenguaje “R” y Python.
- Algoritmos matemáticos para entrenamiento de modelos.
- Sistemas de recomendación o predicción.
Módulo IV: Deep Learning (30 horas)
Unidad 1: Introducción al Deep Learning.
- Redes Neuronales artificiales
- Deep Learning en Python con Jupyter Notebook sobre Anaconda
- Bibliotecas de aprendizaje automático y redes neuronales:
- Numpy
- Tensorflow
- Keras
- Pytorch
- Procesos para procesamiento y modelación de datos
- Gradientes Descendientes.
- Visualización de datos.
Unidad 2: Técnicas y herramientas de Deep Learning.
-
- Redes Recurrentes.
- LSTM (Long Short - term memory)
- Redes convolucionales.
- Auto encoders.
- DBM (Deep Boltzmann Machines)
Módulo V: Storytelling with data (30 horas)
Unidad 1: Soluciones y servicios de Big Data aplicados a una organización
- Qué es Big Data y su importancia para las organizaciones..
- Datos no relacionales (NoSQL).
- Fuentes de datos y volúmenes de datos.
Unidad 2: Conociendo y aplicando herramientas Hadoop y Spark
- Ambiente Hadoop y Spark (Yarn, HDFS, MapReduce, Hive, Impala).
- Principales soluciones analíticas (Docker) y en la nube (AWS, Google Cloud).
Financiamiento
Descuentos
- 30% Titulados Duoc UC*
- 15% - 25% Ex-alumnos de Educación Continua*
- Consulta por descuentos promocionales (*Descuentos no acumulables)
Métodos de pago
- Webpay - 3 cuotas precio contado
- Transferencia
- Orden de compra Empresa