Maestría en Sistemas de Información con mención en Data Science del centro IMF Smart Education Latam

Descripción

La Maestría en Sistemas de Información, mención Data Science de UHemisferios IMF, es un programa de cuarto nivel que dota al profesional técnico, directivo o gestor, de los conocimientos, competencias y herramientas precisas para manejar, analizar e interpretar grandes volúmenes de información necesarios para alcanzar los objetivos de negocio.

A quién va dirigido

Dada la naturaleza del programa, accederán titulados de tercer nivel de grado. Con carácter preferente acceden aquellos profesionales cuyos títulos pertenecen al campo amplio de las Tecnologías de Información y Comunicación (TICS) de acuerdo con la nomenclatura de títulos profesionales y grados académicos. Otros profesionales que tengan título de tercer nivel de grado en un campo amplio distinto, acreditando experiencia en el uso y aplicación profesional de tecnologías de la información y la comunicación enfocadas a la gestión de datos e información a través de bases de datos pueden acceder a la maestría

Objetivos

1. Extraer, procesar y analizar todo tipo de fuentes de información aplicando las técnicas de la ciencia de datos y las principales herramientas utilizadas actualmente en las empresas.
2. Elaborar propuestas así como impulsar y liderar iniciativas basadas en analítica avanzada en distintas áreas de negocio.
3. Entender, crear y desarrollar nuevos modelos de negocio basados en el valor del dato.
4. Gestionar adecuadamente el gobierno del dato con objeto de garantizar la calidad y aplicar correctamente los diferentes requisitos regulatorios (RGPD) y éticos.
5. Adquirir visión y experiencia de los principales campos de aplicación y casos de uso que se están abordando en diversas áreas como marketing y CRM, banca y finanzas, operaciones, internet de las cosas (IoT), people analytics, etc.

Temario

1 Herramientas del científico de datos 1. Fundamentos de Python. 2. Librerías para ciencia de datos: Numpy, Pandas, etc. 3. Procesamiento de datos y visualización con Python. 4. Fundamentos de R. 5. Paquetes de R. 6. Procesamiento de datos y visualización con R. 2 Impacto y valor del Big Data 1. Introducción al mundo big data. 2. Inteligencia de negocio vs. big data. 3. Tecnologías big data. 4. Impacto sobre la organización. 5. El valor del dato y aplicaciones por sectores. 3Ciencia de datos. Técnicas de análisis, minería y visualización 1. El ciclo de vida del dato. 2. Calidad del dato. 3. Preparación y preproceso de datos. 4. Modelos analíticos. 5. Herramientas y técnicas de visualización. 4Inteligencia de negocio y visualización 1. Introducción a la inteligencia de negocio. 2. Diseño de bases de datos. 3. Estándar SQL. 4. El almacén de datos (Data Warehouse). 5. Herramientas y procesos de extracción, transformación y carga (ETL). 6. Visualización efectiva de información.

5Plan de Titulación 1. Diseño e implementación de proyectos con componentes de investigación aplicada y/o de desarrollo. 2. Diseño y redacción de artículos profesionales de alto nivel. 3. Análisis de modelos prácticos para el desarrollo del examen de carácter complexivo. 6 Tecnología Big Data y soluciones en la nube 4. Hadoop y su ecosistema. 5. Spark. Fundamentos y aplicaciones. 6. Bases de datos NoSQL. 7. Plataforma Cloud. 7 Estadística para científicos de datos 1. Introducción a la estadística 2. Probabilidad y muestreo 3. Inferencia 4. Regresión 5. Diseño de experimentos 8 Aprendizaje automático 1. Herramientas para machine learning. 2. Técnicas y aplicaciones del aprendizaje supervisado. 3. Técnicas y aplicaciones del aprendizaje no supervisado. 4. Modalidades y técnicas de deep learning. 5. Soluciones en la nube para machine learning.

9 Inteligencia artificial para la empresa 1. Introducción a la inteligencia artificial. 2. Técnicas y aplicaciones para la toma de decisiones. 3. Aprendizaje por refuerzo y aplicaciones. 4. Técnicas y aplicaciones del procesamiento del lenguaje natural (NLP). 5. Sistemas de recomendación y aplicaciones. 10Big Data en la empresa 1. Estándares de gestión de proyectos. 2. Gestión ágil de proyectos. 3. Aspectos regulatorios y éticos. 4. Gobierno del dato.

11 Deontología profesional 1. Visión humanista para la gestión técnica y ética profesional. 2. Ética del servicio público frente a los riesgos de arbitrariedad y abuso del poder. 3. Responsabilidad ética frente al cuidado medioambiental y otros problemas globales. 4. Alcance de la responsabilidad.

CURSOS

Iniciación a Python  1. Introducción a Python 2. Condicionales en Python 3. Estructuras repetitivas en Python 4. Colecciones. Listas 5. Funciones de cadenas 6. Colecciones. Diccionarios 7. Funciones 8. Manejo de ficheros 9. Orientación a objetos 

Iniciación a R 1. Introducción a R 2. Vectores 3. Matrices 4. Listas 5. Data Frames 6. Estructuras de control 7. Funciones 

Metodologías ágiles. Scrum 1. Qué es Scrum y cómo aplicarlo 2. El marco Scrum 3. Equipos autoorganizados 4. El papel de clientes y stakeholder 5. Gestión ágil de productos y proyectos 6. Desarrollo e integración continua 7. Cómo evolucionar hacia una organización ágil 

Titulación obtenida

1. Maestría en Sistemas de Información con mención en Data Science por la Universidad Hemisferios. (Posgradro autorizado por el CES y reconocido por SENESCYT)
2. Máster en Data Science y Business Analytics por IMF Smart Education de España. * Tasas de expedición de título no incluídas
3. Certificación profesional por INDRA

Requisitos

Titulación Universitaria de tercer nivel

Información Adicional

Salidas profesionales

1. Científico de datos
2. Analista de datos
3. Analista de negocio
4. Experto en inteligencia de negocio
5. Analytics Project Manager
6. Business Analytics Manager
7. Business Intelligence Manager
8. Chief Data Officer