El curso está constituido de tres clases elearning y una clase sincrónica.

• Aprendizaje autónomo asincrónico
• Clase expositiva
• Foro formativo
• Controles formativos

El curso cuenta con las siguientes actividades de evaluación formativa:

• 3 controles individuales
• 1 foro

• Importancia del autoconocimiento y la gestión personal
• Manejo del tiempo
• Manejo del estrés

• Importancia de las emociones en el funcionamiento humano
• Estrategias de gestión emocional
• Capital psicológico (autoeficacia, optimismo, esperanza y resiliencia)

• Proactividad y agilidad de aprendizaje
• Visión y propósito
• Desarrollo de carrera

Los alumnos deberán aplicar los conocimientos adquiridos a lo largo del curso mediante la realización de tres trabajos o miniproyectos individuales. Cada uno de ellos busca fortalecer distintas habilidades de análisis, aplicación e integración de los conceptos aprendidos. Aunque las entregas son individuales, se fomenta el intercambio de ideas y la discusión entre compañeros antes del desarrollo y entrega de los trabajos, con el fin de enriquecer el aprendizaje colaborativo.

• Principios básicos del PMI
• Áreas de conocimiento
• Personas, cultura y política

• Contexto metodológico
• Conceptos relevantes
• Consideraciones relevantes
• Prototipos

• La naturaleza de la agilidad
• Introducción a Scrum
• Desarrollo de proyectos BI con metodología Scrum

• La necesidad de gobierno
• Desafío de fondo
• Conceptos fundacionales clave
• Desafíos del gobierno de datos

• Roles
• Estructura organizativa
• Data stewardship
• Calidad de datos
• Modelos de gobierno de datos

• Arquitectura de datos
• Master data management
• Proveedores de nube

Un profesor ayudante interactúa directamente con un grupo reducido de participantes para ayudar a resolver problemas técnicos remanentes, como por ejemplo la correcta instalación de herramientas de software y el uso apropiado de algunas herramientas. Asimismo, para la preparación de set de datos para la reducción de dimensionalidad, y guiar el trabajo en las diferentes técnicas de reglas de asociación, algoritmos de clasificación, clustering y medidas de similaridad.

Los alumnos deberán aplicar los conocimientos adquiridos a lo largo del curso mediante la realización de tres trabajos o miniproyectos individuales. Cada uno de ellos busca fortalecer distintas habilidades de análisis, aplicación e integración de los conceptos aprendidos. Aunque las entregas son individuales, se fomenta el intercambio de ideas y la discusión entre compañeros antes del desarrollo y entrega de los trabajos, con el fin de enriquecer el aprendizaje colaborativo.

• Árbol de decisión
• KNN
• Random Forest

• K-Means
• Clustering jerárquico

• Modelo de entrenamiento
• Métricas de evaluación

• La transformación digital (TD) y la Cuarta Revolución Industrial
• ¿Qué es la transformación digital?

• Por qué la TD no es solo implementación de nueva tecnología
• Cultura organizacional. Nuevas prácticas de trabajo

• La nueva experiencia del empleado (employee experience -EX).
• Experiencia del colaborador: Más allá de la cultura

• Empleabilidad bajo una nueva perspectiva de desarrollo profesional y plan de carrera
• Paradigmas del aprendizaje y del desarrollo de carrera

• Nuevas competencias del líder en la transformación digital
• Gestión del cambio en las organizaciones

• ¿Qué es la automatización?
• Las nuevas tendencias laborales
• Etapas de la automatización
• Impacto en los empleos hoy
• Inteligencia artificial: una vía hacia la automatización
• Consideraciones éticas

Un profesor ayudante interactúa directamente con un grupo reducido de participantes para presentar un caso real de aplicación de machine learning y ciencia de datos, haciendo énfasis en la oportunidad, solución, dificultades y beneficios, para luego discutir con el grupo y responder consultas.

Los alumnos deberán aplicar los conocimientos adquiridos a lo largo del curso mediante la realización de tres trabajos o miniproyectos individuales. Cada uno de ellos busca fortalecer distintas habilidades de análisis, aplicación e integración de los conceptos aprendidos. Aunque las entregas son individuales, se fomenta el intercambio de ideas y la discusión entre compañeros antes del desarrollo y entrega de los trabajos, con el fin de enriquecer el aprendizaje colaborativo.

• Conceptos de inteligencia de negocios y minería de datos
• Conceptos de ciencia de datos y aprendizaje de máquina
• El auge actual del aprendizaje de máquina e inteligencia artificial

• Aplicaciones sobre transacciones estructuradas
• Aplicaciones sobre texto
• Aplicaciones sobre audio
• Aplicaciones sobre video

• Visualización en ciencia de datos
• Aprendizaje supervisado
• Aprendizaje no supervisado
• Aprendizaje reforzado

• Aplicaciones de visualización en ciencia de datos
• Aplicaciones de aprendizaje supervisado
• Aplicaciones de aprendizaje no supervisado
• Aplicaciones de aprendizaje reforzado

• Caso en compañía de seguros
• Caso en banca
• Caso en retail
• Caso en calidad del aire