ContenidoDiplomado en Big Data para la Toma de Decisiones (Online).
Herramientas para analizar y monitorear grandes volúmenes de datos, permitiéndote generar información optimizada para tomar decisiones estratégicas y lograr una mejor gestión en áreas como finanzas, comercial y marketing en diversos sectores, tales como salud hasta banca
Descripción:
Hoy en día, alcanzar una eficiencia organizacional óptima se relaciona con la implementación de soluciones tecnológicas que permiten agilizar la toma de decisiones en base a información cuantitativa y cualitativa en tiempo real. Dicha información proviene de una adecuada administración de grandes volúmenes de datos, que demandan extensos y rigurosos análisis, junto con métricas e indicadores cada vez más exactos. El análisis de estos datos permite extraer tendencias y patrones complejos de información, con enormes implicancias estratégicas, permitiendo predecir mejor y transformar la forma en la que se hacen hoy día los negocios.
Con el Diplomado en Big Data para la Toma de Decisiones aprenderás los fundamentos, principios y últimas tendencias en plataformas computacionales relacionadas a Big Data; aplicaciones y herramientas analíticas de ciencias de datos y estadística para la predicción, optimización y visualización de información.
Dirigido a:
Profesionales, ejecutivos o emprendedores que requieran tomar decisiones eficaces de gestión basado en los beneficios del uso de tecnologías relacionadas a Big-Data y con esto puedan incrementar significativamente las ventajas competitivas en la agilidad de su organización, área funcional o emprendimiento que tengan en curso. Así también, el diplomado está dirigido a los profesionales que requieran conocer los fundamentos de Big-Data para liderar proyectos de gestión que tengan como base el uso cuantitativo de información para así lograr tener una mejor precisión e impacto en la toma de decisiones de la empresa.
Antecedentes Generales:
28 de mayo de 2019
Diplomado Online
150 horas cronológicas / 200 horas pedagógicas
Contenidos:
CURSO: VISUALIZACIÓN DE DATOS
¿Qué es la visualización de datos?
– De qué trata la visualización
– Breve contexto
– Breve historia de la visualización
– Panorama de la visualización hoy
– Una definición operativa
¿Para qué sirve la visualización de datos?
– Visualización para amplificar el conocimiento
– Para qué nos sirve la visualización
– Qué queremos mostrar
– El proceso interactivo
¿Cómo trabajar la visualización de datos?
– Proceso de visualización
– Representación: percepción
– Representación: diseño y codificación visual
– Qué no hacer
– Evaluación
¿Cómo continuar la visualización?
– Recomendaciones para profundizar
– Herramientas recomendadas
– Autores recomendados
– Recordando los objetivos de la visualización
CURSO: CASOS DE ESTUDIO DEL BIG DATA
Big-Data en la Industria Bancaria
– Realidad actual y Data Scientists
– Computación cognitiva y los desafíos de la banca
– Objetivos centrales de la banca
– Caso aplicado: Royal Bank
Big-Data en E-Commerce
– Tendencias del E-Commerce
– Recomendación de ventas
– Detección de fraudes
– Predicción de deserción de clientes
– Caso aplicado: Amazon
Big-Data en Salud
– Uso de datos clínicos electrónicos
– Atención de urgencia con Big Data
– El problema del fenotipo
– Caso aplicado: Clinical Time
Big Data en Recursos Humanos
– Rotación en los puestos de trabajo
– Predicciones de permanencia con Big Data
– Filtro de currículos
– Caso aplicado: HCM Front
CURSO: EL MUNDO DEL BIG DATA
Origen y desafíos del Big-Data
– Big Data visto como el resultado de muchos vectores
– ¿Qué buscamos hacer con Big Data?
– ¿Qué cambios se vislumbran en la forma de trabajar?
– Potencial de Big Data
La cuatro V’s del Big-Data
– Volumen: crecimiento exponencial de los datos, incorporación de nuevas tecnologías de almacenamiento
– Velocidad: procesamiento distribuido, como administrar sistemas de forma eficiente
– Variedad: datos estructurados, semi-estructurados y no estructurados
– Veracidad: confiabilidad y robustez
– La Quinta V: valor de los datos
Infraestructura del Big-Data
– Tecnologías “Big Data”: Map Reduce, Hadoop, Cloud computing
– Funcionamiento de plataformas computacionales de Big Data
– Enfoques top-down y bottom-up para la arquitectura de sistemas informáticos en el contexto de Big Data
– Transición y cohabitación de DW, BI (Business Intelligence y Big Data)
Estrategias del Big-Data
– Entender aspectos estratégicos asociados al Big Data
– Identificación de oportunidades de agregación de valor por datos
– Etapas de la transformación digital para lograr una organización basada en datos
– Los datos como un activo: valoración basada en el consumo de datos
CURSO: VALORIZACIÓN DE PROYECTOS DE BIG DATA
Conceptos de gestión de rendimiento, estrategia e inteligencia empresarial competitiva en el mundo Big Data
– La evolución en la toma de decisiones
– El dato como un activo digital
– El nuevo paradigma de los datos
– Data Driven Company
Identificación y captura de valor basado en datos
– El potencial de los datos
– El valor de la información
– La diferenciación del análisis
– El incremento de competitividad en las organizaciones a partir de los datos
Pasos hacia la implementación de un proyecto de Big Data
– Estrategias de aproximación a Big data & analytics
– La perspectiva de IT
– La perspectiva de negocio
– Las metodologías de descubrimiento, prototipado e implementación ágil de iniciativas de Big Data
Arquitecturas Big Data: Batch Data, Fast Data
– Conceptos de arquitecturas de Big data
– Arquitecturas batch
– Arquitecturas real time
– Otros componentes de Big Data (seguridad, gobierno, metadatos…)
– Arquitecturas de desarrollo, integración y ejecución
– Transición y cohabitación de DW, BI (Business Intelligence y Big Data)
Data Governance y Data Security aplicado a Big Data
– Introducción al gobierno de datos
– Introducción a la seguridad de datos
– Aplicabilidad de gobierno de datos y la seguridad a entornos Big Data
Big Data Benchmarking
– Qué aspectos considerar en la selección de las herramientas de Big Data & Analytics
– Benchmark de arquitecturas, proveedores y tecnologías
Valoración económica de proyectos de Big Data
– Aspectos a considerar en la estimación de costes de proyectos Big Data & Analytics
– El retorno de la inversión
– Estrategias de inversión y lanzamiento de iniciativas Big Data
Aplicación de conceptos de Big Data Analytics y aplicaciones estadísticas a diversos aspectos de la toma de decisiones gerenciales
– Casos de uso Big Data
– Casos de uso analíticos
– Casos de uso de monetización de datos
CURSO: MODELAMIENTO ESTADÍSTICO Y SISTEMAS RECOMENDADORES
Preprocesamiento de datos
– Calidad de datos
– Limpieza de datos
– Integración de datos
– Reducción de datos
– Transformación de datos
Métodos de clasificación
– El proceso de clasificación
– Árboles de decisión
– Bayes ingenuo
– K-vecinos más cercanos
– Métodos conjuntos: Bagging, Boosting y Random Forests
Métodos de Agrupación
– Definición y propiedades
– Métodos de partición: K-means y K-medoides
– Métodos jerárquicos
Sistemas Recomendadores
– Impacto y casos importantes
– Filtrado colaborativo
– Filtrado basado en contenido
– Métodos híbridos
Nota: El orden de los cursos dependerá de la programación que realice la Dirección Académica