Diplomado en Introducción a la ciencia de datos

El Diplomado en Ciencia de Datos ofrece las herramientas computacionales y algorítmicas fundamentales para realizar análisis de datos de manera efectiva.

El Diplomado se encuentra articulado con el Magíster en ciencia de datos

El Diplomado en Ciencia de Datos entregará las herramientas computacionales y algorítmicas esenciales para realizar análisis de datos. Los estudiantes aprenderán a utilizar Python, uno de los lenguajes más populares en este campo, y desarrollarán habilidades en visualización y análisis de datos. Además, aplicarán sus conocimientos en proyectos que cubren todo el ciclo de la ciencia de datos, desde la preparación de los datos hasta su análisis y visualización de resultados.

Este diplomado es ideal para quienes busquen aplicar ciencia de datos en distintos ámbitos profesionales. Los estudiantes aprenderán a resolver problemas y optimizar decisiones a partir de datos, habilidades clave en sectores como negocios, tecnología y salud. Al finalizar, estarán preparados para mejorar procesos y tomar decisiones basadas en información precisa.

El programa es 100% online , combinando clases expositivas, talleres prácticos y recursos multimedia como videos, textos y foros. La plataforma permite acceder a todos los materiales del curso, clases en vivo y herramientas de apoyo, facilitando un aprendizaje flexible y dinámico que se adapta a las necesidades de cada estudiante.

Introduction to data science

Descripción del curso:

Este curso introduce a los estudiantes a este campo de la ciencia de datos, a través de sus principios básicos y las principales técnicas y herramientas utilizadas. Los estudiantes aprenderán sobre recolección e integración de datos, análisis exploratorio de datos, análisis descriptivo y predictivo, y creación de productos de información. Los temas serán tratados en amplitud, más que en profundidad, haciendo énfasis en la integración y síntesis de conceptos, y su aplicación a la solución de problemas.

Resultados de aprendizaje:

• Describir lo que es ciencia de datos, sus aplicaciones y relevancia, para distintos tipos de organizaciones.
• Describir las distintas etapas, para el proceso de ciencia de datos.
• Implementar procesos simples de extracción, limpieza e integración de datos de diversas fuentes en lenguaje Python.
• Explicar la importancia del análisis exploratorio de datos, en ciencia de datos.
• Aplicar métodos de análisis exploratorio estadístico y gráfico, a un estudio de caso.
• Aplicar algoritmos básicos de aprendizaje de máquina, para el análisis descriptivo y predictivo.
• Analizar la importancia de una visualización y comunicación efectiva de los datos.

Contenidos:

• Introducción a Ciencia de Datos y aprendizaje de máquinas
• ¿Qué es la ciencia de datos? Usos y aplicaciones.
• El proceso de ciencia de datos.
• Herramientas de Python para ciencia de datos.
• Obtención y transformación de datos
• Tipos y formatos de datos.
• Fuentes y métodos de extracción de datos.
• Limpieza e integración de conjuntos de datos.
• Análisis Exploratorio de Datos
• Estadísticas descriptivas.
• Análisis gráfico univariado.
• Análisis gráfico multivariado.
• Algoritmos básicos para análisis predictivo
• Introducción a aprendizaje de máquinas: tipos de aprendizaje y algoritmos básicos.
• Algoritmos de aprendizaje supervisado.
• Algoritmos de aprendizaje no supervisado.
• Resumen y comunicación de resultados.

Estrategias Metodológicas:

• Clases expositivas en video.
• Cuadernos virtuales de programación (Jupyter Notebooks).
• Exposición y análisis de casos.
• Lecturas y reflexión individual.
• Cuestionarios en línea.

Estrategias Evaluativas:

• Tareas (45%)
• Controles de alternativas (40%)
• Proyecto final (15%)