Diplomado en Inteligencia Artificial, tecnologías emergentes y liderazgo digital

El Diplomado en Inteligencia Artificial, tecnologías emergentes y liderazgo digital tiene como propósito entregar herramientas conceptuales y prácticas para entender las tecnologías de vanguardia, liderar procesos de transformación digital, gestionar proyectos tecnológicos, y aprovechar las oportunidades que estas nuevas herramientas abren en las empresas y organizaciones.

Este programa está diseñado para profesionales que buscan entender las nuevas tecnologías y liderar el cambio tecnológico desde una perspectiva estratégica y humana. Los participantes adquirirán competencias en análisis de datos, modelamiento predictivo, gobernanza de inteligencia de negocios y gestión de personas en contextos de cambio digital. Los cuatro cursos que componen el diplomado abordan: las potencialidades de la minería de datos y machine learning, aplicaciones prácticas de IA y ciencia de datos para la toma de decisiones, la gestión de proyectos y gobernanza en entornos de inteligencia de negocios, y el liderazgo y gestión del cambio desde las personas en la transformación digital.

Este programa resulta especialmente pertinente hoy porque entrega herramientas para interpretar grandes volúmenes de datos, identificar patrones relevantes, aplicar modelos predictivos y convertir los datos en decisiones efectivas. La gobernanza es clave para garantizar que estos procesos se desarrollen de forma ética, segura y alineada con los objetivos organizacionales. La incorporación de la dimensión humana es necesaria porque el éxito de la transformación digital no depende solo de la tecnología, sino también de la capacidad de liderar personas en contextos de cambio.

Todos los cursos se imparten en modalidad online mixta desde la plataforma Clase Ejecutiva, con metodologías activas, aprendizaje asincrónico y sincrónico estructurado y actividades prácticas con retroalimentación docente.

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%