Data Science para los Negocios

¿Por qué esta programa es importante?
Cada día más organizaciones usan en mayor medida técnicas avanzadas de análisis de datos para definir estrategias, predecir tendencias y comportamientos de clientes, incrementar la productividad del negocio y tomar decisiones basadas en la evidencia. Pero para lograr esto, es fundamental ir un paso más allá de los conceptos generales y profundizar en el conocimiento de estas técnicas y su aplicación concreta al ámbito de trabajo.

Este programa tiene por objetivo aportar el set de conocimientos fundamentales en técnicas avanzadas de análisis de datos que le permita a los profesionales de negocios identificar las oportunidades en su propio ámbito de aplicación, conocer los algoritmos más utilizados para resolver problemas reales en las organizaciones y evaluar implicancias, beneficios y desafíos de cualquier proyecto de implementación de data science en las empresas.

Para quien es especialmente útil
Este programa está pensado para profesionales que deseen familiarizarse con los tópicos más avanzados de análisis de datos y las técnicas más comunes del campo de la ciencia de datos aplicada a los negocios. Es recomendable para profesionales de distintas disciplinas y seniority, que estén interesados en adquirir nuevos conocimientos y habilidades en el manejo de herramientas de análisis de datos que les permitan planificar, dirigir, gerenciar, supervisar o ejecutar proyectos de data science en sus organizaciones.

Dado el amplio rango de aplicaciones que Data Analytics tiene en los negocios, los profesionales interesados pueden provenir de diversas disciplinas, como ser marketing, finanzas, recursos humanos, operaciones, tecnología, auditoría interna y compliance, etc. Todos los niveles de seniority podrán familiarizarse con los contenidos dictados y encontrar aplicaciones concretas a su área.  

Por último, el programa puede ser especialmente relevante para organizaciones que deseen contribuir al ‘upskill digital’ de su capital humano y/o formar equipos de especialistas con capacidad de desarrollo de soluciones específicas para el negocio.

Plan de estudios
Metodología
Las clases toman el formato de conferencias a cargo de los profesores y demostraciones de código en vivo. El programa balancea contenidos teóricos con actividades prácticas donde los alumnos pueden experimentar en forma directa las herramientas y los algoritmos estudiados en la clase. Los casos prácticos a ser utilizados tendrán conexión muy cercana a aplicaciones frecuentes en el ámbito de las empresas en sus distintas áreas funcionales, de modo de tener un panorama completo de aplicaciones en el mundo de los negocios.

Durante los talleres de aplicación práctica se utilizarán herramientas informáticas de distribución gratuita (Python, Jupyter Notebooks, Google Colab) que son ampliamente utilizadas en el análisis de datos.

Si bien no existen requisitos previos para la inscripción, este programa asume un cierto nivel de conocimiento inicial sobre la temática de data analytics (sugerimos evaluar la previa participación en el Programa Ejecutivo Business Analytics; quienes quieran hacer énfasis en el desarrollo del código de los algoritmos vistos en este programa deberían contar con un nivel introductorio de programación como el que se obtiene en el Programa Ejecutivo “Programación aplicada a Data Analytics”)

Contenidos
Data Science: Concepto. Tecnologías para data science. El proceso de data science. Etapas del proyecto. Nociones fundamentales de estadística. Estadística: definición y ramas. Tipos de datos: estructurados vs no estructurados y cualitativos vs cuantitativos. Los cuatro niveles de datos: nominal, ordinal, de intervalo y de ratio. Medidas de tendencia central, dispersión y sesgo. Probabilidad condicional. Nociones de inferencia estadística, muestreo e influencia del tamaño de muestra, estudios experimentales versus observacionales. Conceptos básicos de Álgebra lineal. Tópicos avanzados de Ciencia de Datos. Clustering: K-Means - Mean-Shift - DBSCAN - Hierarchical Clustering. Clasificación y Regresión Básica: Regresión Linear - Regression logística - Naive Bayes - K-Nearest Neighbours. Clasificación y Regresión Avanzadas: Árboles de decisión, Redes neuronales, Ensambles. Procesamiento de Lenguaje Natural. Procesamiento de Audio, de Video y de fuentes mixtas. 

PLAN DE CLASES
Clase 1 - Introducción al programa. Nociones fundamentales de Estadística (1)
Clase 2 - Nociones fundamentales de Estadística (2)
Clase 3 - Nociones fundamentales de Estadística (3)
Clase 4 - Introducción a Data Science
Clase 5 - Aprendizaje automático
Clase 6 - Clasificación y Regresión Avanzadas
Clase 7 - Procesamiento de texto y otras fuentes
Clase 8 - Taller de aplicación práctica (1):
Clase 9 - Taller de aplicación práctica (2):
Clase 10 - Tópicos avanzados de Ciencia de Datos
   Este programa forma parte de la Diplomatura en Data Analytics de UCEMA. Los participantes pueden optar por cursar únicamente este módulo enfocándose en los temas aquí descriptos, o completar el resto de los programas que la componen para aspirar a un nivel de certificación integral. Los otros programas que componen la Diplomatura son: “Managing Analytics (Gerenciando Data Analytics)”, “Programación aplicada a Data Analytics” y “Data Science para los negocios”. 
 
Evaluación
No posee. Para la acreditación del programa ejecutivo, deberá contar con el 75% de asistencia, ya sea de forma sincrónica como asincrónica registrada en el Web Campus.

¿Quién lo dicta?
Director | Nicolas Casarino: MBA (Ucema), Master en Estudios Organizacionales (UdeSA), Master Internacional en Liderazgo (EADA, Barcelona), Contador Público (UBA).  Socio de PWC Argentina, trabaja con importantes compañías nacionales y multinacionales, con especialización en la industria de seguros

Cuerpo Docente
Rafael Crescenzi: Data Scientist. Actuario en Administración (UBA). Master en Data Mining (U. Austral). Programador en Python, Typescript, Docker, NodeJS, Javascript, CSS y HTML y manejo fluido de herramientas de análisis estadísticos de datos como SPSS. Docente universitario de posgrado, disertante, autor y co-autor de diversas publicaciones relacionadas con minería de datos y análisis estadísticos.
Pablo Albani: Ms. Data Mining, Universidad Austral. Profesor Programa QUANt.
Emprendedor, científico de datos y profesor. Es Fundador de Acordar y profesor de ciencia de datos aplicada de la Universidad Austral Argentina 
Juan María Valledor Duco: Ingeniero Industrial Instituto Tecnológico de Buenos Aires. MBA (MADE) Universidad del CEMA. Certificación PMP (Project Management Professional) del PMI. Actualmente se desempeña en el área de Logística de Combustibles en CAMMESA (Compañía Administradora del Mercado Mayorista Eléctrico S.A.). 

SOLICITÁ ARANCELES Y PLAN DE ESTUDIO