Diplomado Ejecutivo en inteligencia de negocios

El Diplomado Ejecutivo en Inteligencia de negocios apunta a entregar las competencias necesarias para incorporar en forma efectiva la Inteligencia de Negocios en la organización de modo que sea posible incorporar insights al proceso de toma de decisiones de nivel táctico y estratégico, entregarles a los ejecutivos no solo información visual de alto nivel, sino también la capacidad para responder a preguntas inesperadas que puedan surgir en escenarios volátiles.

La Inteligencia de Negocios ha permitido durante años a las empresas y organizaciones mejorar el proceso de toma de decisiones gracias a la utilización de los datos para alimentar sus dashboards operacionales, analíticos o estratégicos. Sin embargo, como suele suceder en la dinámica área de la Ciencia de Datos, la Inteligencia de Negocios ha ido cambiando significativamente desde un enfoque más analítico a uno más proactivo. El acelerado avance de lo que se ha llamado Big Data ha obligado a la Inteligencia de Negocios a repensar las arquitecturas tradicionales por otras que acomoden tanto la data estructurada como la data no estructurada.

Este diplomado entrega conocimientos teóricos y prácticos para entender cabalmente las oportunidades y desafíos que existen en Inteligencia de Negocios; además, para conocer los elementos de la infraestructura tecnológica, para manejar un proyecto de inteligencia de negocios y para entender los aspectos relacionados con la gobernanza de los datos. Asimismo, considera los aspectos técnicos relacionados con minería de datos y aprendizaje de máquina, sobre los que descansa la mayor parte de las herramientas modernas.

El formato del Diplomado Ejecutivo en Inteligencia de Negocios es 100% en línea y se estructura sobre cuatro cursos que utilizan técnicas metodológicas activas. Gracias a estas últimas, el participante puede interactuar con sus pares y profesor-tutor a través de los recursos tecnológicos que provee la plataforma educativa virtual.

Introduction to Data Mining and Machine Learning

Docente(s): Hernán Valdivieso

Unidad académica responsable: Escuela de Ingeniería

Requisitos: Curso Gestión de proyectos y gobernanza de inteligencia de negocios

Créditos: 4

Horas totales: 75 | Horas directas: 35 | Horas indirectas: 40

Descripción del curso:

El curso comienza abordando la problemática de la obtención, preparación y limpieza de datos, para luego adentrarse en las técnicas y algoritmos asociados a la Minería de Datos, como clasificación, clustering, entre otros. Además, se exploran algoritmos, técnicas y herramientas de Machine Learning. Los estudiantes de este curso adquirirán conocimientos fundamentales sobre Minería de Datos, comprendiendo las diversas fuentes de información a utilizar, revisando el preprocesamiento de datos y aplicando técnicas de extracción de conocimiento. Esto incluye el uso de reglas de asociación, árboles de decisión, algoritmos de clasificación y la evaluación de clasificadores, junto con una introducción al aprendizaje de máquina.

El enfoque del curso es práctico, privilegiando la experimentación mediante herramientas y entornos que permiten ejecutar y analizar ejemplos preconfigurados. Los estudiantes modificarán parámetros, observarán los efectos de dichos cambios y reflexionarán sobre su impacto en la calidad del modelo y la extracción de conocimiento.

Al finalizar el curso, los estudiantes comprenderán los principios teóricos y prácticos que sustentan las principales técnicas utilizadas en la minería de datos y el aprendizaje de máquina, pudiendo analizar sus resultados, evaluar su aplicabilidad en distintos contextos y reconocer sus potencialidades y limitaciones sin necesidad de programar directamente los algoritmos.

El desarrollo de estos aprendizajes se realizará a través de estudios de casos, mini proyectos prácticos, y el acceso a recursos especializados, lo que permitirá a los estudiantes experimentar, analizar y aplicar directamente los conceptos adquiridos.

La metodología de enseñanza y aprendizaje para este curso en línea se basa en técnicas metodológicas activas, permitiendo que el participante interactúe con sus pares y el profesor-tutor a través de los recursos tecnológicos proporcionados por la plataforma educativa virtual destinada para el curso.

Resultados de aprendizaje:

• Reconocer las principales teorías y prácticas de la Minería de Datos.
• Identificar relaciones interesantes en un conjunto de transacciones mediante el uso de reglas de asociación.
• Distinguir técnicas como árboles de decisión, clustering y otras, aplicándolas en escenarios prácticos reales.
• Evaluar la calidad y pertinencia de los resultados obtenidos, reconociendo las potencialidades y limitaciones de cada técnica.

Contenidos:

• Introducción a Minería de Datos y conceptos sobre Data Warehouse
• Procesamiento, selección y transformación de datos.
• Reglas de asociación
• Clasificación
• Árbol de decisión
• KNN
• Random Forest
• Clustering
• K-Means
• Clustering jerárquico
• Introducción al Machine Learning
• Modelo de entrenamiento
• Métricas de evaluación

Estrategias metodológicas:

• Aprendizaje autónomo asincrónico estructurado en 6 módulos
• Clases expositivas
• Foros
• Estudio de caso

Estrategias evaluativas:

• 3 controles individuales – 40%
• 3 mini proyectos individuales – 60%