Diploma de Postítulo

Data Science

Sobre el programa

Descarga el PDF
El diploma de postítulo en Data Science es un programa de especialización de la Escuela de Ingeniería Informática de la Facultad de Ingeniería de la Universidad de Valparaíso. Este programa permite hacer una inmersión en corto tiempo, en un área fuertemente aplicada y de demanda en la actualidad como es la ciencia de datos. Con un enfoque orientado al manejo de conceptos y herramientas para la gestión de datos (pequeños y grandes), la analítica de datos (estadística, machine learning y visualización) y sus aplicaciones en problemas reales.
 
Objetivo General
Actualizar a profesionales en conocimientos y uso de herramientas avanzadas en el área de ciencia de datos, con énfasis en el trabajo aplicado y multidisciplinario, con responsabilidad ética y social, a través de la experimentación, la aplicación creativa y el desarrollo innovador de soluciones a problemas reales.
 
Objetivos específicos
  • Desarrollar capacidades en estudiantes para gestionar y manipular big data en entornos multidisciplinarios, mediante un tratamiento ético de los datos.
  • Nivelar a los estudiantes en relación a los aspectos estadísticos y matemáticos fundamentales para la comprensión de modelos y resolución de problemáticas de la ciencia de datos.
  • Potenciar las capacidades de análisis de datos e interpretación de resultados a través del uso de herramientas y técnicas computacionales avanzadas de data science, para la resolución de problemas aplicados, de forma creativa e innovadora, en diversas áreas del conocimiento.
 
Perfil de egreso 
Los graduados del Diploma de Postítulo en Data Science de la Universidad de Valparaíso son profesionales capaces de reconocer y comprender problemáticas de data science en diversas áreas de aplicación, utilizando para ello conocimiento actualizado de ciencias de la computación, estadísticas, tecnologías avanzadas y áreas específicas de dominio. Asimismo, son capaces de encontrar y comunicar soluciones innovadoras a dichos problemas, con responsabilidad ética y práctica de acuerdo a las necesidades de la industria y la sociedad.

Plan de Estudios

I Semestre

Gestión y ética de los datos

Profesora: Ana Aguilera Faraco, PhD

DPDC-101 / 2 créditos SCT 

FUENTES DE DATOS: 

  • Metodología de gestión de datos DataOps
  • Fuentes de datos y formatos
  • Preprocesamiento de datos multimedia (texto, imágenes, señales, audio, sonido)

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 para Machine Learning, Deep Learning, BigData, R

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.
Big Data

Profesor: Víctor Bahamondes, MsC, Evalueserve 

DPDC-102 / 2 créditos SCT

FUNDAMENTOS DE BIG DATA: 

  • Las “V” de Big Data
  • Big Data vs BI

PROCESOS DE BIG DATA: 

  • Gestión de Datos
  • Analítica (modelamiento/análisis, interpretación)

ELEMENTOS ESENCIALES DE TECNOLOGÍA BIG DATA:

  • Reflexiones sobre ética en Data Science: inteligencia artificial y software.
  • Características Comunes
  • Analítica de Texto, Audio, Video, RRSS
  • Analítica Predictiva
  • Stream Analytics

TECNOLOGÍAS DE BIG DATA LABORATORIO DE EXPERIMENTACIÓN:

  • Core Hadoop 
  • Cloudera Data Platform (CDP)
  • CDP sobre AWS/Azure

 

Modelos estadísticos

Profesor: Harvey Rosas, PhD / Daira Velandia, PhD

DPDC-103 / 2 créditos SCT

PROBABILIDAD:

  • Experimento aleatorio, espacio muestral
  • El concepto de probabilidad
  • Cálculo de probabilidades

DISTRIBUCIONES DE PROBABILIDAD:

  • Variables Aleatorias
  • Variables aleatorias unidimensionales
  • Vectores aleatorios
  • Transformación de variables

INFERENCIA:

  • Métodos de estimación
  • Pruebas de hipótesis

ESTADÍSTICA BAYESIANA:

  • Estimación Bayesiana
  • Simulaciones Monte Carlo y Cadenas de Markov

 

Machine learning y deep learning

Profesor: Rodrigo Salas, PhD

DPDC-104 / 2 créditos SCT

FUNDAMENTOS TEORICOS DE MACHINE LEARNING: 

  • El aprendizaje estadístico
  • Tipos de Aprendizaje

METODOS 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

METODOS 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

METODOS DE EVALUACION, VALIDACION 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

 

II Semestre

Analítica y visualización de datos

Profesor: Camilo Gómez, Ing.

DPDC-201 / 2 créditos SCT

INTRODUCCIÓN A LA ANALÍTICA DE DATOS ELEMENTAL:

  • Toma de decisiones basadas en información.
  • Exploración uni y multi dimensional de datos.
  • Tópicos de modelización para la ciencia de datos.

RECURSOS PARA LA VISUALIZACIÓN DE DATOS:

  • Librerías computacionales para la visualización estática e interactiva.
  • Visualización de datos no estructurados.
  • Análisis, diseño y presentación de la visualización.

 

Aplicaciones de data science

Profesor: Fabián Riquelme, PhD

DPDC-202 / 2 créditos SCT

DATA SCIENCE EN LA INDUSTRIA:

  • Discusión sobre conceptos y alcances de data science en la industria
  • Modelos de negocio
  • Toma de decisiones

DATA SCIENCE EN LA EDUCACIÓN:

  • Discusión sobre conceptos y alcances de data science en la educación
  • Modelos de negocio
  • Toma de decisiones

DATA SCIENCE EN LA SOCIEDAD:

  • Discusión sobre conceptos y alcances de data science en aplicaciones sociales
  • Modelos de gestión
  • Toma de decisiones

 

Cuerpo Académico:

Diploma de Postítulo Data Science

Académicos UV

  • Ana Aguilera, Ingeniero en Informática, Doctora en Tratamiento de señales y comunicaciones, Magister en Ciencias de la computación, Académico Titular, Escuela de Ingeniería Informática.
  • Daira Velandia, Licenciada en Matemáticas y Física, Doctor en Estadística, Auxiliar, jornada completa, Instituto de Estadísticas.
  • Fabián Riquelme, Ingeniero Civil Informático, Doctor en Computación, Magister en Ciencias de la Computación, Académico Adjunto, Escuela de Ingeniería Informática.
  • Harvey Rosas, Matemático, Doctor en Matemáticas, Académico Adjunto, Instituto de Estadísticas.
  • Rodrigo Salas, Ingeniero Civil Informático, Doctor en Ingeniería Informática, Magister en Ingeniería Informática, Académico Titular, Escuela de Biomédica.
  • Víctor Bahamondes, Ingeniero en Informática Aplicada, Magister en Sistemas de Información, Académico Auxiliar, Escuela de Ingeniería Informática.

Académicos Invitados

  • Camilo Gómez, Ingeniero en Estadística, Licenciado en Estadística

Requisitos

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:

  • Certificado de título profesional y/o grado académico.
  • Currículum Vitae actualizado.
  • Carta de motivación (resumen de intereses profesionales y/o académicos).

*Se realizará, además, una entrevista personal al postulante.

POSTULACIONES

1 de Diciembre de 2020 al 8 de Marzo 2021

MATRÍCULA

19 al 29 de Marzo 2021

HORARIO

Diurno/Vespertino

VACANTES

30 cupos.

DURACIÓN

1 Semestre/ 12 Créditos SCT

ARANCELES

Matrícula Anual: $ 85.000
Arancel Anual: $1.700.000
Arancel Total: $1.700.000

UBICACIÓN

Escuela de Ingeniería Informática de la Facultad de Ingeniería, ubicada en General Cruz Nº 222, Valparaíso, 3er piso.

CONTACTO

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.

Rebajas Arancelarias

  • Beca de exención arancelaria de un 20% para alumnos y ex alumnos de la Universidad de Valparaíso.
  • Beca de exención arancelaria de un 50% para un máximo de 2 ex alumnos de la Universidad de Valparaíso, que exhiban experiencia relevante en el área del Diploma, según determine el Comité de Selección del Programa.
  • Descuento arancelario de un 10% por pago al contado o contra factura para todos aquellos alumnos que paguen en su totalidad el arancel anual del programa antes de 90 días corridos, contados desde la fecha de inicio del programa registrado en los sistemas arancelarios.
  • Beca de exención arancelaria de un 50% para un máximo de dos funcionarios de la Universidad de Valparaíso.
  • Descuento arancelario de un 15% del arancel para tres o más profesionales que provengan de una misma institución que respalde formalmente su participación en el programa.
  • Descuento arancelario de un 20% a empresas y asociaciones con convenios vigentes.

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 32 250 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.

síguenos: