1.er año
Abril - Junio
Introducción a big data y analítica de negocios
El curso combina teoría y práctica para formar profesionales capaces de comprender cómo el Big Data y la analítica resuelven desafíos complejos e impulsan la innovación empresarial. Se trabajan conceptos de arquitecturas de datos, almacenamiento distribuido, herramientas de consulta y estrategias analíticas con un enfoque aplicado mediante laboratorios prácticos y ejercicios. La metodología prioriza el aprendizaje activo, con actividades asincrónicas y casos prácticos de negocio. Al finalizar, los estudiantes dominarán una visión estratégica y las herramientas clave para identificar oportunidades, procesar datos y respaldar decisiones basadas en evidencia.
Estadística y métodos cuantitativos
Proporciona los fundamentos matemáticos y cuantitativos esenciales para construir modelos de datos robustos y confiables.
Introducción a la programación para analítica
Desarrolla habilidades prácticas en Python, la herramienta más demandada hoy en la ciencia de datos.
Fundamentos de bases de datos
Enseña la gestión y consulta profesional de grandes volúmenes de datos utilizando el lenguaje SQL.
Julio - Setiembre
Análisis de regresión
Desarrolla competencias avanzadas en modelización estadística con finalidad predictiva, aplicando técnicas de aprendizaje sobre bases de datos reales.
Fundamentos de modelos de datos y datamining
Se centra en el descubrimiento de patrones y relaciones ocultas que generan valor estratégico para el negocio.
GenAI Fundamentals
El curso combina teoría y práctica para formar profesionales capaces de comprender y utilizar modelos de Inteligencia Artificial Generativa en el ámbito laboral. Se trabajan los principios de los modelos de lenguaje grande, generación de imágenes y texto, prompts efectivos y consideraciones éticas, con un enfoque aplicado mediante plataformas y laboratorios prácticos. La metodología prioriza el aprendizaje activo, con actividades y casos de uso cotidianos. Al finalizar, los estudiantes dominarán el potencial de la IA generativa para potenciar la creatividad, automatizar tareas y aumentar la productividad diaria.
Octubre - Diciembre
Machine learning no supervisado
El curso combina teoría y práctica para formar profesionales capaces de entender problemas de aprendizaje estadístico no supervisados, especificar su estructura, desarrollar y aplicar algoritmos para su resolución y comprender sus diagnósticos. El curso incluye el empleo de herramientas de programación en Python y manejo de paquetes estadísticos para acercar la teoría a la práctica y permitir la aplicación a casos empíricos concretos.
Machine learning supervisado
El curso combina teoría y práctica para formar profesionales capaces de entender las técnicas de Machine Learning bajo análisis supervisado tanto en problemas de regresión como de clasificación. El objetivo es que los profesionales conozcan, comprendan y sepan aplicar los modelos más relevantes de la disciplina a la predicción de casos reales. El foco estará puesto en el estudio de modelos de predicción y su evaluación destacando el campo de aplicación en cada caso. El curso intenta optimizar el contenido teórico – práctico para el mayor entendimiento; y usa como ambiente de aplicación el programa Python.
Business Intelligence (BI)
Enseña a transformar datos crudos en información valiosa mediante la gestión de analítica descriptiva para la toma de decisiones.
Visualización y narrativa de datos
El curso combina teoría y práctica para formar profesionales capaces de dominar el arte de comunicar hallazgos técnicos de forma clara y persuasiva para influir en la toma de decisiones empresariales. Se trabajan los principios del data storytelling, diseño de gráficos efectivos, exploración de datos crudos y construcción de indicadores clave adaptados al entorno y las necesidades de diferentes industrias, con un enfoque aplicado mediante herramientas de visualización y ejercicios de laboratorio. La metodología prioriza el aprendizaje activo, transformando métricas complejas en narrativas visuales comprensibles para audiencias de negocios.
Febrero - Marzo
Electiva 1
Las materias electivas se presentan a título de ejemplo y están sujetas a quorum mínimo.
- Analítica y métricas de marketing
- Analítica de operaciones y logística
- Simulación estratégica y analítica de marketing
- Analítica del consumidor
- Text mining y análisis de sentimientos
- Métodos cuantitativos para el riesgo financiero
- Big Data en inversiones
- Sistemas de recomendación
- Predicción de series temporales
Proyecto de analítica
Es el gran desafío final donde liderarás y ejecutarás un proyecto completo aplicado a un caso real de negocio.
