Pde Datascienceforbusiness 2021cticuni
Pde Datascienceforbusiness 2021cticuni
Pde Datascienceforbusiness 2021cticuni
ED. 1 2021
Las empresas en los últimos años han aumentado dramáticamente las
inversiones en su "empresa digital". Se ha estimado que para el año 2021, los
departamentos de TI estarán monitoreando 50 veces más datos de lo que
manejan actualmente.
Este maremoto de datos está impulsando una demanda sin precedentes por
aquellos profesionales con habilidades necesarias para gestionar y aprovechar
estos muy grandes conjuntos de datos y convertirlos en una ventaja
competitiva. Este programa ha sido diseñado para ayudar a cumplir con la
expansión de necesidades de estos científicos de datos que son expertos en la
utilización de una combinación única de ciencia, arte y negocios.
Estos profesionales son expertos en automatizar métodos de recolección y
análisis de datos y utilizan técnicas de exploración para descubrir ideas ocultas
de estos datos que pueden impactar profundamente en el éxito de cualquier
negocio.
DIRIGIDO A
El Programa está dirigido para estudiantes de pregrado o posgrado de
nivel superior en ciencias de la computación, ingeniería, matemática
aplicada, estadística, ciencias, negocios y campos analíticos relacionados.
CERTIFICACIÓN
Diploma de Estudio
Al haber aprobado todos los módulos del Programa y el Taller de
Preparación con un promedio ponderado no menor a 14 se le otorga al
participante un ”Diploma del Programa de Especialización en Data
Science for Business” a nombre de la Universidad Nacional de Ingeniería.
Constancia de Participación
A los participantes que no cumplan con la totalidad de lo exigido. En dicha
constancia se precisará las asignaturas aprobadas.
PÁG. 2-7
PLAN DE ESTUDIOS
CONTENIDO HORAS
MÓDULO
LECTIVAS
Visualización de Datos
Principios Básicos, ideas y
V herramientas para la visualización
08
de datos
Ejemplos de proyectos inspiradores
Machine Learning I
VII Regresión Lineal 12
Clasificación Supervisada Clustering
Machine Learning II
VIII Series de Tiempo
Arboles de Decisión 16
Máquinas de Soporte Vectorial
Redes Neuronales
PÁG. 3-7
PLANA DOCENTE*
Jorge Rodríguez
Ingeniero Estadístico (UNI). Mg. Dirección de Marketing y Gestión Comercial (UPC).
Ms. Dirección de Marketing (EOI España). Gestión de Proyectos (UPC). Experiencia de
más de 18 años en proyectos de Business Intelligence, Analytics, CRM,
Transformación Digital, Metodologías Ágiles, Digital Analytics, Data Mining, Big Data,
Data Science, Inteligencia Artificial, Machine Learning en empresas del rubro
financiero, retail, telco, comercial, educación digital y de servicios. Actualmente
trabaja en el Banco de Crédito del Perú como Gerente de Auditoría Continua y Data
Analytics y es miembro del comité de Transformación Digital.
Abraham Zamudio
Matemático de la Universidad Nacional de Ingeniería. Docente de lenguajes de programación
orientados en el ámbito de análisis de datos y generación de modelos en el Centro de
Cómputo de la Facultad de Ciencias de la Universidad Nacional de Ingeniería. Actualmente es
investigador del Grupo de Modelamiento Matemático y Simulación Computacional del Centro
de Tecnologías de Información y comunicaciones. Asistente de Investigación del Centro de
Investigación de la Universidad del Pacífico.
Jhon Caballero
Ingeniero Estadístico, Universidad Nacional de Ingeniería, IBM Deep Learning
Professional Certified. Con 6 años de experiencia en el desarrollo de analytics y
modelamiento en el sector financiero. Experto en el desarrollo y aplicación de
metodologías machine learning en empresas bajo diferentes ambientes de
programación. Ejerce funciones como desarrollador de modelos de riesgo en el
Banco de crédito BCP y docencia universitaria.
(*) La Universidad se reserva el derecho de cambiar algún docente por contingencias inesperadas.
PÁG. 4-7
REQUISITOS DE APROBACIÓN
La nota final del curso se calculará como el promedio de todos los módulos:
Nota Final (NF)
Nota Módulo X (NMx)
NF = (NM1+NM2+NM3+ … +NM9)/9
RECOMENDACIONES
1. Contar con conexión a internet.
2. Disponibilidad de tiempo para dedicar a las actividades del Curso/Programa.
3. Software de videoconferencia: Zoom.
4. Lectura previa del Reglamento.
INFORMACIÓN GENERAL
INVERSIÓN
DESCUENTOS
Egresado y alumno UNI Corporativo Pronto pago*
PÁG. 5-7
PROCESO DE INSCRIPCIÓN
Los siguientes documentos deberán ser enviado al correo electrónico: [email protected]
Nota: Una vez enviado los documentos solicitados vía correo electrónico, el participante deberá esperar la
confirmación de su matrícula.
MODALIDADES DE PAGO
Antes de realizar el pago en el BCP deberá comunicarse con uno de nuestros Asesores de
Venta para el registro de sus datos en nuestro sistema. WhatsApp 948 770 536.
PÁG. 6-7
Pago en ventanilla del banco con el
Código Autogenerado del Servicio:
667
Concepto:
CURSOS CAPACITACIÓN - OTROS