Diplomado en Big Data y Cloud Computing

El Diplomado en Big Data y Cloud Computing está orientado a enseñar conceptos y herramientas de Big Data y Machine Learning en el contexto de la clara tendencia de migración de este tipo de servicios a la nube.

La disponibilidad de servicios de cómputo y almacenamiento de datos en la nube ha ocasionado profundos cambios en la forma en que se diseñan los sistemas, capaces de incorporar "inteligencia" a través del uso de técnicas de Machine Learning (ML) sobre volúmenes muy grandes de datos (Big Data). Tradicionalmente, el construir este tipo de soluciones requería, por una parte, de hardware costoso y difícil de dimensionar a priori, y, por otra parte, de expertos en ingeniería de datos capaces de implementarlos. Gracias a la oferta de servicios cognitivos y de Big Data en la nube, totalmente administrados, la barrera ha disminuido muy significativamente. Por un lado, se reduce la necesidad de expertise y por otro, la elasticidad inherente de las soluciones en la nube permite partir pequeño e ir creciendo solo en la medida que se requiera.

Este programa incluye dos cursos que abordan las temáticas tradicionales de Big Data y Machine Learning y otros dos cursos que abordan este nuevo escenario de la nube, especialmente en cuanto a oportunidades para proyectos de Ciencia de Datos y Machine Learning.

Al finalizar diplomado el estudiante será capaz de sacar el máximo valor de los datos disponibles desarrollando aplicaciones que usen técnicas de minería de datos y aprendizaje de máquina que estén enteramente basadas en servicios en la nube.

El formato de estudio es 100% en línea y se estructura sobre técnicas metodológicas activas, mediante las cuales el participante puede interactuar con sus pares y tutor a través de los recursos tecnológicos que provee la plataforma educativa virtual. Se contempla el ejercicio práctico de los conocimientos adquiridos a través de mini proyectos de aplicación.

Introduction to Data Mining and Machine Learning

Docente: Hernán Valdivieso

Unidad académica responsable: Escuela de Ingeniería

Requisitos: sin prerrequisitos

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%

Introducction to Cloud Computing

Docente: Mauricio Gamboa

Unidad académica responsable: Escuela de Ingeniería

Requisitos: sin prerrequisitos

Créditos: 4

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

Descripción del curso:

En este curso el estudiante analizará los conceptos fundamentales asociados a computación en la nube, tipo de servicios, forma de entrega de los servicios, elección de un proveedor, la seguridad y la gobernanza, etc. Realizará un trabajo práctico consistente en hacer algunas tareas simples como instalar un servidor o recursos de almacenamiento masivo usando alguno de los proveedores más conocidos.

Resultados de aprendizaje:

• Identificar las principales categorías disponibles en las grandes plataformas de computación en la nube.
• Discutir ventajas y riesgos de una solución tecnológica genérica basada en computación en la nube.
• Describir las principales tecnologías habilitantes relacionadas con computación en la nube.
• Utilizar servicios básicos de cómputo y almacenamiento en la nube

Contenidos:

• Introducción: Qué es Cloud Computing, características principales, tipos de servicio, tipos de nube
• Tecnologías habilitantes (máquinas virtuales, arquitecturas orientadas a servicio, etc.)
• Virtualización
• Principales plataformas de servicios en la nube: Amazon AWS, Google Cloud, Microsoft Azure
• Tipos de servicios en la nube: desde el fierro virtual a los servicios cognitivos
• Tipos de Almacenamiento en la nube
• Aspectos de seguridad

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%