Descripción de la especialidad

Inicio 20 de agosto, 2024
Duración 6 meses
Modalidad Online
Horario Jueves de 6:00 p.m. a 9:00 p.m.
Financiamiento disponible

La Ciencia de Datos se concentra principalmente en el descubrimiento del conocimiento profundo a través de la exploración e inferencia de datos. Desde inicios del siglo XXI hemos experimentado la “Era de la Información”. El costo de almacenamiento se abarató de tal forma que las organizaciones han evolucionado para recopilar y almacenar importantes cantidades de datos que se requieren analizar y visualizar para desarrollar ventajas competitivas.

Este programa le permitirá conocer los fundamentos de la Ciencia de Datos, la utilización de la Nube y profundizar en temas de Inteligencia Artificial, así como machine learning como parte de la estrategia de la organización para una toma de decisiones informada. Durante el proceso podrá desarrollar los conocimientos necesarios para el establecimiento de modelos de negocios basados en Inteligencia Artificial Empresarial y comprender diferentes formas de cómo aprende un computador por medio del Machine Learning, con la finalidad de lograr de forma exitosa la implementación del proceso de transformación digital.

Al finalizar este programa podrá conocer los fundamentos de las redes neuronales, sus diferentes tipos de arquitecturas necesarias para realizar tareas, en específico, para el desarrollo de herramientas como chatbots inteligentes, entre otros.

 

Diferenciación

El curso se desarrolla con una metodología teórica / práctica, además de al final del curos la posibilidad de optar por las certificaciones:  

  • Big Data Professional Certificate (BDPC)
  • Artificial Intelligence Professional Certificate (CAIPC)

 

Perfil Académico

Perfil de entrada

El programa está dirigido a personas interesadas en desarrollar sus capacidades y destrezas en el área de ciencia de datos bajo un enfoque empresarial. Para ingresar no se requiere de ningún conocimiento o experiencia previa en el área.

La persona que desee ingresar en el programa debe cumplir los siguientes requisitos:

  • Titulación mínima de Bachiller Educación Media.
  • Dominio del idioma inglés a nivel lectura (ya que los libros y materiales del curso están en este idioma).

Perfil de salida

Al finalizar el programa, el estudiante podrá ser un profesional con las competencias necesarias para:

  • Generar procesos de toma de decisiones inmediata para problemas complejos en entornos de grandes volúmenes de datos
  • Aplicar la inteligencia artificial y el machine learning en la automatización de procesos empresariales
  • Entender la aplicación de datos externos al modelo de negocio de una organización
  • Conocer el valor de los datos y la aplicación de la ciencia como ventaja competitiva
  • Analizar de manera amplia el modelo de negocio de la empresa a partir de los datos
  • Conocer los fundamentos de la ciencia de datos, sus herramientas y gobernanza
  • Establecer un pensamiento critico fundamentado en los datos
  • Entender qué es Big Data
  • Conocer de Hadoop, su implementación y los data lakes
  • Desarrollar un proyecto de datos en la Nube

Contenido

El programa se divide en seis cursos diferentes, en dos módulos diferentes. Ver en el plan de estudios.

  • Módulo Básico
    • Curso I: Fundamentos de Ciencia de Datos
    • Curso II: Introducción a la Analítica de Grande Datos (Big Data)
    • Curso III: Fundamentos de Computación de la Nube: Introducción a Ecosistemas de Datos
  • Módulo Intermedio 
    • Curso IV: Fundamentos de Inteligencia Artificial Empresarial
    • Curso V: Aprendizaje Automático (Machine Learning)
    • Curso VI: Aprendizaje Profundo (Deep Learning)

Curriculum:Big Data: Data Science

Básico - Curso I: Fundamentos de Ciencia de Datos

  •  Fundamentos de Ciencia De Datos
  • Roles y Responsabilidades
  • Herramientas de Ciencia de Datos
  • Estructura de Ciencia de Datos
  • Calidad del Dato
  • Gobernanza del Dato

Básico - Curso III: Fundamentos de Computación en la Nube: Introducción a Ecosistemas de Datos

  • ¿Qué es la computación en la nube?
  • ¿Por qué la computación en la nube?
  • Virtualización y Nube
  • Computación en la nube versus en red
  • Adopción de computación en la nube
  • Paisaje de computación en la nube
  • Metodologías de gestión de proyectos
  • Herramientas de clientes en la nube
  • Backend como servicio (BAAS)
  • El centro de datos definido por software (SDDC)
  • ¿Es rentable la nube?
  • ¿Cómo integrar las redes neuronales en los procesos de la empresa?

Intermedio - Curso V: Aprendizaje Automático (Machine Learning)

  • Introducción al aprendizaje automático
  • Tipos de aprendizaje
  • Algoritmos que aprenden
  • Herramientas noCode para aplicar el aprendizaje profundo
  • Caso de estudio para el análisis del aprendizaje

Básico - Curso II: Introducción a la Analítica de Grandes Datos (Big Data)

  • Introducción a la analítica de grandes datos (Big Data)
  • Terminología
  • ¿Qué es Big Data?
  • Fuentes de información
  • ¿Cuándo utilizar Hadoop?
  • ¿Cómo implementar Hadoop?
  • ¿Qué es el lago de datos en Hadoop?

Intermedio - Curso IV: Fundamentos de Inteligencia Artificial Empresarial

  • Introducción a la Inteligencia Artificial Empresarial
  • Fundamentos de aprendizaje de máquinas/automático (Machine Learning)
  • Fundamentos de Aprendizaje profundo bajo el enfoque empresarial
  • Motores de recomendación empresariales
  • Robots Físicos
  • El futuro de la Inteligencia Artificial
  • ¿Cómo está cambiando la Inteligencia Artificial las diferentes industrias?
  • ¿Cómo está cambiando la Inteligencia Artificial los procesos de negocios?

Intermedio - Curso VI: Aprendizaje Profundo (Deep Learning)

  • Introducción a las redes neuronales
  • Tipos de Redes Neuronales
  • Machine Learning vs Deep Learning
  • ¿Cómo funciona un Chatbot?
  • ¿Cómo crear un Chatbot?
  • Herramientas noCode para usar las redes neuronales
  • ¿Cómo integrar las redes neuronales en los procesos de la empresa?

Básico - Curso I: Fundamentos de Ciencia de Datos

  •  Fundamentos de Ciencia De Datos
  • Roles y Responsabilidades
  • Herramientas de Ciencia de Datos
  • Estructura de Ciencia de Datos
  • Calidad del Dato
  • Gobernanza del Dato

Básico - Curso II: Introducción a la Analítica de Grandes Datos (Big Data)

  • Introducción a la analítica de grandes datos (Big Data)
  • Terminología
  • ¿Qué es Big Data?
  • Fuentes de información
  • ¿Cuándo utilizar Hadoop?
  • ¿Cómo implementar Hadoop?
  • ¿Qué es el lago de datos en Hadoop?

Básico - Curso III: Fundamentos de Computación en la Nube: Introducción a Ecosistemas de Datos

  • ¿Qué es la computación en la nube?
  • ¿Por qué la computación en la nube?
  • Virtualización y Nube
  • Computación en la nube versus en red
  • Adopción de computación en la nube
  • Paisaje de computación en la nube
  • Metodologías de gestión de proyectos
  • Herramientas de clientes en la nube
  • Backend como servicio (BAAS)
  • El centro de datos definido por software (SDDC)
  • ¿Es rentable la nube?
  • ¿Cómo integrar las redes neuronales en los procesos de la empresa?

Intermedio - Curso IV: Fundamentos de Inteligencia Artificial Empresarial

  • Introducción a la Inteligencia Artificial Empresarial
  • Fundamentos de aprendizaje de máquinas/automático (Machine Learning)
  • Fundamentos de Aprendizaje profundo bajo el enfoque empresarial
  • Motores de recomendación empresariales
  • Robots Físicos
  • El futuro de la Inteligencia Artificial
  • ¿Cómo está cambiando la Inteligencia Artificial las diferentes industrias?
  • ¿Cómo está cambiando la Inteligencia Artificial los procesos de negocios?

Intermedio - Curso V: Aprendizaje Automático (Machine Learning)

  • Introducción al aprendizaje automático
  • Tipos de aprendizaje
  • Algoritmos que aprenden
  • Herramientas noCode para aplicar el aprendizaje profundo
  • Caso de estudio para el análisis del aprendizaje

Intermedio - Curso VI: Aprendizaje Profundo (Deep Learning)

  • Introducción a las redes neuronales
  • Tipos de Redes Neuronales
  • Machine Learning vs Deep Learning
  • ¿Cómo funciona un Chatbot?
  • ¿Cómo crear un Chatbot?
  • Herramientas noCode para usar las redes neuronales
  • ¿Cómo integrar las redes neuronales en los procesos de la empresa?

Profesores

Profesor
Profesor

Más información

Inicio del programa:

Mayo 2017

Solicite el plan de estudios, costos y financiamiento en esta área de estudio.

Más información

Inicio del programa:

Mayo 2017

Solicite el plan de estudios, costos y financiamiento en esta área de estudio.

Solicitar información

Podrá descargar información sobre el programa de su interés y un asesor lo contactará para facilitarle más detalles sobre ULEAD.

Inicie el proceso de admisión aquí

 

Suscríbase a
nuestro boletín

Suscríbase al boletín para estar
al tanto de novedades académicas

Cerrar

Idiomas

Custom Search 1

Compartir