Profesora: Ana Aguilera Faraco, PhD
DPDC-101 / 2 créditos SCT
INTRODUCCIÓN Y MOTIVACIÓN
FUENTES DE DATOS
○ Metodología de gestión de datos
○ Fuentes de datos y formatos
○ Preprocesamiento de datos
DIMENSIÓN DE LOS DATOS
○ Reducción de dimensionalidad (métodos de selección y extracción de características)
○ Selección de instancias (problema de sesgo)
○ Estudio de Over/underfitting (definición, problemas, métodos para tratarlo)
TRANSFORMACIÓN Y CARGA DE DATOS
○ Datos ausentes, outliers y otros
○ Carga de datos desde diferentes fuentes
ÉTICA DE LOS DATOS Y ALGORITMOS
○ Reflexiones sobre ética de la ingeniería: distribución de responsabilidades. Ética de negocios
○ Reflexiones sobre ética en Data Science: bioética, datos y normativa actual en Chile. Reactividad de las definiciones legales.
○ Reflexiones sobre ética en Data Science: inteligencia artificial y software.
Profesor: Rolando Rubilar Torrealba
DPDC-102 / 2 créditos SCT
Introducción y motivación
Unidad 1: Probabilidad
● Experimento aleatorio, espacio muestral
● El concepto de probabilidad
● Cálculo de probabilidades
● Variables Aleatorias
● Variables aleatorias unidimensionales proveniente de distribución Normal
● Variables aleatorias unidimensionales proveniente de distribución Exponencial
● Vectores aleatorios proveniente de distribución Normal multivariada
● Transformación de variables
Unidad 2: Estimación de modelos corte transversal
● Métodos de estimación modelos de regresión lineal simple
● Métodos de estimación modelos de regresión Probit-Logit
● Métodos de estimación modelos de regresión logística multinomial
● Métodos de estimación modelos de regresión ordinal
● Otros métodos de estimación
Unidad 3: Estimación modelos en serie de tiempo
● Métodos de estimación modelos ARIMA
● Métodos de estimación modelos GARCH
● Métodos de estimación modelos de de datos en panel
● Otros métodos de estimación
Profesor: Tania Roa Rojas
DPDC-103 / 2 créditos SCT
Unidad 1: Introducción a la analítica de datos elemental
Unidad 2: Recursos para la visualización de datos
Profesor: Rodrigo Salas
DPDC-104 / 3 créditos SCT
INTRODUCCIÓN Y MOTIVACIÓN
FUNDAMENTOS TEÓRICOS DE MACHINE LEARNING
○ El aprendizaje estadístico
○ Tipos de Aprendizaje
MÉTODOS SUPERVISADOS DE MACHINE LEARNING
○ Clasificadores Bayesianos: LDA, QDA
○ Arboles de Decisión
○ Regresión Logística
○ Máquinas de Vectores de Soporte SVM
○ Técnicas de Ensamblado de Máquinas: Random Forest, XGBoost.
MÉTODOS NO-SUPERVISADOS DE MACHINE LEARNING
○ Técnicas de Clustering
○ K-Medias
○ Clustering Aglomerativo
○ Clustering Jerárquico
○ Clustering basado en densidad
REDES NEURONALES ARTIFICIALES Y DEEP LEARNING
○ Estructura y Aprendizaje de las Redes Neuronales Artificiales
○ Perceptrón Multicapa
○ Red Neuronal Convolucional
○ Red Neuronal Recurrente: LSTM
MÉTODOS DE EVALUACIÓN, VALIDACIÓN Y SELECCIÓN DE MODELOS
○ Matriz de Confusión
○ Métricas de Desempeño (Error cuadrático medio, coeficiente de determinación, etc)
○ Curva ROC
○ Criterios de Información AIC; BIC
○ Validación Cruzada
Profesor: Pablo González Cantergiani
DPDC-105 / 2 créditos SCT
Fundamentos de BigData
▪ Definición, conceptos y desafíos actuales del trabajo con Bigdata.
▪ Sistemas distribuidos, escalabilidad vertical y horizontal.
▪ Modelo de procesamiento MapReduce.
▪ Almacenamiento en HDFS.
▪ Programación MapReduce en Hadoop.
Cloud Computing
▪ Sistemas Cloud en comparación con On Premise.
▪ Proveedores públicos.
▪ Modelos de Servicio (IAAS, PAAS, SAAS).
▪ Modelos de Despliegue (Privada, Pública, Multi-cloud).
▪ Base de datos escalables.
▪ Casos de uso y arquitecturas.
Contenedores y arquitectura serverless
▪ Contenedores e imágenes Docker.
▪ Sistemas de integración y distribución continua.
▪ Introducción a Kubernetes.
Tecnologías para procesamiento batch y streaming
▪ Introducción a Apache Spark.
▪ Funciones y operaciones básicas.
▪ Programación ejemplos aplicados en streaming.
Profesor: Fabián Riquelme
DPDC-106 / 2 créditos SCT
Data science en la Industria, Educación y Sociedad
Académicos UV
Para acceder al Diploma de Postítulo en Data Science, los postulantes deberán acreditar un título profesional universitario de 4 años o más de duración, o el grado de Licenciado. Es deseable que el postulante demuestre una experiencia de al menos 3 años en el área del Diploma.
Se deberá presentar la siguiente documentación obligatoria:
*Se realizará, además, una entrevista personal al postulante.
hasta el 31 de marzo de 2023
1 al 31 de marzo 2023
Diurno/Vespertino
Sábados 8:30 -14:00 pm
Horas Síncronas: 90 hrs
Horeas Asíncronas: 126 hrs
mínimo 12 máximo 20
1 de abril de 2023
1 Semestre / 13 Créditos SCT
Matrícula: $85.000
Arancel Total: $1.700.000
Escuela de Ingeniería Informática de la Facultad de Ingeniería, ubicada en General Cruz Nº 222, Valparaíso, 3er piso.
Directora de Programa, Ana Aguilera Faraco, Ph.D.
+56 32 260 3735
Esta dirección de correo electrónico está siendo protegida contra los robots de spam. Necesita tener JavaScript habilitado para poder verlo.
Esta dirección de correo electrónico está siendo protegida contra los robots de spam. Necesita tener JavaScript habilitado para poder verlo.
La postulación a nuestros programas se realiza de manera Online a través del Sistema institucional de Postulación, Selección y Matrícula.
Dirección General de Postgrado y Postítulo, Universidad de Valparaíso. Blanco 951 2° piso, Valparaíso, Chile. +56 32 260 3181 | Esta dirección de correo electrónico está siendo protegida contra los robots de spam. Necesita tener JavaScript habilitado para poder verlo.
Dirección General de Postgrado y Postítulo, Universidad de Valparaíso. Blanco 951 2° piso, Valparaíso, Chile. +56 32 250 7000 | +56 32 260 3181 | Esta dirección de correo electrónico está siendo protegida contra los robots de spam. Necesita tener JavaScript habilitado para poder verlo.