Diploma de Postítulo en Ciencia e Ingenieria de Datos

Los datos han pasado a constituir parte esencial de cualquier empresa, desde el ámbito del entretenimiento personal hasta los negocios y la planificación estratégica de grandes organizaciones. Las tecnologías de captura, procesamiento y comunicación de datos los han puesto en primer plano. La noción de “diluvio de datos” hace referencia a esa marea aparentemente incontenible de datos que rodean (y muchas veces ahogan) a las personas y organizaciones hoy.

Para analizar y sacar provecho de este diluvio de datos, los profesionales requieren tener conocimientos tanto teóricos como prácticos de lo que se conoce como Ciencia de los Datos, que incluye áreas como Minería de Datos, Recuperación de Información, Visualización y Gestión de Datos. El presente Diplomado apunta a formar profesionales especialistas que trabajen como analistas expertos en el manejo de datos complejos y masivos.

A quiénes está dirigido

A los profesionales del área de Ingeniería y a profesionales de las Ciencias (astrónomos, geólogos, biólogos, sociólogos, etc.), que requieran utilizar herramientas de la Ciencia de los Datos y la estadística para explorar y analizar fuentes masivas de datos complejos.

Objetivo General

Formar un profesional con dominio en análisis de datos que le permitan liderar y realizar proyectos que involucren fuentes de datos masivos y complejos, y de comunicar en forma efectiva los fenómenos que ellos representan.

Objetivos Específicos

Enseñar técnicas de Minería de Datos y estadística para el análisis de grandes volúmenes de datos, incluyendo la programación de éstas.
Enseñar fundamentos y técnicas prácticas de bases de datos que permitan el manejo de datos complejos.
Enseñar técnicas que permitan visualizar eficazmente la información obtenida de los análisis de los datos.
Poner en práctica lo aprendido realizando un proyecto completo de análisis de datos.

Régimen de Estudios

Fecha de inicio y término de clases

Desde Abril a Agosto del 2022

Duración del Programa
168 horas cronológicas

El Diploma se dicta en modalidad vespertina los lunes, martes y jueves, de 18:30 a 21:30 hrs., en las dependencias del Departamento de Ciencias de la Computación (Beauchef # 851).

Red de Ex-alumnos

Plan de Estudios

Distribuidas en: 144 horas cronológicas de docencia directa y 24 horas cronológicas de taller de proyecto.

*Las clases se realizarán via streaming.*

Programas de Cursos

Programación Estadística

Código del Curso: CC66A
Créditos: 3
Duración: 24 horas
Valor individual: 30 UF
Profesores: Francisco Gutiérrez

Objetivos

Repasar conceptos básicos de programación y de estadística. Conocer el lenguaje de programación estadística R.

Contenidos

Introducción a R: Variables y vectores, estructuras de control (if, while), entrada/salida de datos, arreglos y matrices, definición de funciones, generación de gráficos.
Probabilidades: variables aleatorias, densidades, distribución de probabilidad, ley de los grandes números, teorema central del límite.
Estadística: Inferencia, estimación puntual, intervalo de confianza, test de hipótesis, regresión lineal.

Bibliografía

J.l. Devore. Probabilidad y Estadística para Ingeniería y Ciencias, 7ma Edición. Cengage Learning, 2008.

Visualización de Datos

Código del Curso: CC66B
Créditos: 3
Duración: 24 horas
Valor individual: 30 UF
Profesor: Benjamín Bustos y Hernán Sarmiento

Objetivo

Entender los principios de la visualización de información. Aprender técnicas de pre-procesamiento de datos. Reconocer distintas técnicas de visualización de datos. Analizar y visualizar datos de distinto tipo.

Contenidos

Fundamentos de los datos y pre-procesamiento.
Percepción visual humana y sus implicancias en la visualización de datos.
Fundamentos de la visualización de datos (pipeline de visualización, variables visuales y su utilización).
Técnicas de visualización para distintos tipos de datos (espaciales, redes, multidimensionales, geoespaciales, textuales, temporales).

Bibliografía

M. Ward, G. Grinstein, D. Keim. Interactive Data Visualization: Foundations, Techniques, and Applications. A K Peters, 2010.

Recuperación de Información

Código del Curso: CC66C
Créditos: 3
Duración: 24 horas
Valor individual: 30 UF
Profesor: Sebastián Ferrada

Objetivo

Dominar los fundamentos básicos de la Web: su arquitectura, sus principales lenguajes y sus protocolos. Conocer cómo funcionan los motores de búsqueda sobre la Web. Desarrollar competencias de colección, extracción, manejo y gestión de datos de la Web. Entender las técnicas para clasificar los documentos de la Web.

Contenidos

Internet y protocolos Web: TCP/IP, HTTP, SOAP, DNS
Arquitectura de la Web: URL, URI, REST, Negociación de Contenido
Lenguajes estáticos: HTML5 y CSS
Consumo: Los motores de búsqueda de la Web, Recuperación de Información, indexación invertida del texto (Lucene/Solr)
La clasificación de los documentos de la Web: PageRank y TF-IDF
Ejercicios prácticos: construir un motor de búsqueda para artículos de Wikipedia

Bibliografía

B. Frain. Responsive Web Design with HTML5 and CSS3. Packt Publishing, 2012.
L. Shklar, R. Rosen. Web Application Architecture: Principles, Protocols and Practices. Wiley, 2009.
R. Baeza-Yates, B. A. Ribeiro-Neto. Modern Information Retrieval. Pearson Education Ltd., 2^nd Edición, 2011.
M. McCandless, E. Hatcher, O. Gospodnetic. Lucene in Action. Manning Publications, 2^da Edición, 2010.

Deep Learning

Código : CC66H
Créditos: 3
Duración: 24 horas
Valor individual: 30 UF
Profesor: Jorge Pérez

Objetivo

Desarrollar competencias para modelar y resolver problemas con técnicas modernas de inteligencia artificial, en particular, técnicas de redes neuronales profundas (Deep Learning)..

Contenidos

Introducción al aprendizaje de máquinas
Entrenamiento, test, under y overfitting
Perceptrón, redes neuronales y redes feed forward
Redes neuronales convolucionales y recurrentes
Optimización y regularización de redes neuronales
Uso de librerías especializadas (pytorch, tensorflow, keras)
Uso de hardware especializado

Minería de Datos

Código del Curso: CC66E
Créditos: 3
Duración: 24 horas
Valor individual: 30 UF
Profesor Mauricio Quezada

Objetivo

Al finalizar este curso se espera que los estudiantes generen conocimiento a partir de diversos tipos de datos, aplicando el proceso de “descubrimiento de conocimiento en bases de datos”, con énfasis en las técnicas principales de Minería de Datos.

Contenidos

Aprendizaje supervisado (clasificación).
Evaluación del desempeño de clasificadores (bootstrap, crossvalidation).
Comparación de modelos y clasificadores.
Aprendizaje no supervisado (clustering)
Elección de métodos de clustering
Evaluación de clusters.
Análisis de asociación.

Bibliografía

P. Tan, M. Steinbach, V. Kumar. Introduction to Data Mining. Addison-Wesley, 2006.

Big Data

Código: CC66I
Créditos: 3
Duración: 24 horas
Valor individual: 30 UF
Profesor: Aidan Hogan

Objetivo

Dominar los fundamentos de gestión de datos en gran escala y los fundamentos del procesamiento distribuido de datos. Aprender los lenguajes para analizar datos masivos sobre múltiples máquinas. Aprender sobres los nuevos almacenes de datos que son diseñados para escalar a través de múltiples máquinas. Entender cómo funcionan (en un alto nivel) los sitios web como “Facebook” y “Twitter”.

Contenidos

Introducción a los principios de la computación distribuida: arquitecturas, principios de diseño, protocolos, etc.
Sistemas de archivos distribuidos: GFS/HDFS.
Los marcos de procesamiento distribuido: MapReduce/Spark.
Los lenguajes asociados con Hadoop: Pig.
Los almacenes de datos “NoSQL”: Dynamo, Cassanda, BigTable, MongoDB.
Ejercicios prácticos de procesamiento de datos reales sobre múltiples máquinas.

Bibliografía

A.S. Tanenbaum, M. Van Steen. Distributed Systems: Principles and Paradigms. Prentice Hall, 2^nd Ed., 2006.
K. Hwang, J. Dongarra, G.C. Fox. Distributed and Cloud Computing: From Parallel Processing to the Internet of Things. Morgan Kaufmann, 2011.
T. White. Hadoop: The Definitive Guide. O’Reilly, 2012.
P.J. Sadalage, M. Fowler. NoSQL Distilled: A Brief Guide to the Emerging World of Polyglot Persistence. Addison–Wesley Professional, 2012.

Taller de Proyecto

Código del Curso: CC66G
Créditos: 3
Duración: 24 horas
Valor individual: 30 UF
Profesor: Juan Manuel Barrios y Claudio Gutiérrez

Objetivo

Realizar un proyecto final práctico de análisis de datos reales, en donde los alumnos tengan que utilizar las herramientas aprendidas en los cursos previos

Modalidad de cursos por separado

En el Programa se contempla la posibilidad de que los alumnos tomen sólo aquellos cursos del Diploma que son de su interés. En este caso, se otorga un certificado de aprobación del (los) curso (s), previa aprobación de los exámenes respectivos por parte del estudiante, y un certificado de asistencia para aquellos alumnos que reprueben los cursos

Perfil del Egresado

Al final de este Diploma, los alumnos serán capaces de:

Organizar grandes volúmenes de datos complejos, aplicando metodologías enfocadas en la eficiencia/eficacia del proceso de organización y en la persistencia de los datos, para facilitar su posterior consulta, visualización, cálculo de estadísticas y análisis de éstos.
Liderar proyectos de análisis de datos masivos y complejos, utilizando técnicas de la minería de datos, para obtener de dichos datos información relevante y no trivial.

Requisitos de Ingreso

¿Quiénes pueden postular?

Pueden postular todos aquellos profesionales del área de computación y disciplinas afines, que hayan obtenido en Chile o en el extranjero el grado de Licenciado o título profesional equivalente. También pueden postular aquellas personas que hayan obtenido un título profesional en otras disciplinas con la condición que tengan conocimientos y experiencia de programación.

Requisitos

Profesionales del área de ingeniería en computación y a profesionales de otras ciencias (astrónomos, geólogos, biólogos, sociólogos, etc.) con conocimientos de programación, que requieran utilizar herramientas de la ciencia de los datos y la estadística para explorar y analizar fuentes masivas de datos complejos.

Documentos que debe presentar

Certificado de Título o grado universitario
Curriculum Vitae
Foto digital
Entrevista personal

Dirección para Matricularse

Beauchef # 851, tercer piso, oficina 326-327 - Santiago, Chile.
Teléfono: (56 2) 2978 4815, 2978 4965. Fax: (56 2) 2689 5531.
E-mail:

Costo y forma de pago

Costo

Total del Programa es de 150 UF

Forma de Pago

Transferencia electronica
Hasta en 12 cuotas sin interés

Descuentos

Para los alumnos que se matriculen antes del 7 de enero de 2022 existe un 20% de descuento

Contacto

Mail :
Fono : 2-2978 4965 2-2978 4976
Whatsapp: +56 9 3871 9957

Beneficios

Como estudiante de nuestro Diploma de Postítulo podrás acceder libremente a las instalaciones de nuestro Campus:

Biblioteca Central
Instalaciones deportivas: multicanchas indoor, piscina semiolímpica, salón aeróbico, gimnasio de fitness, cancha de squash, sala de artes marciales, sala de juegos y sala de expresión artística.
Estacionamiento