Curso Aplicaciones de Data Science para Aumentar la Productividad en Organizaciones Competitivas
Adquiere conocimientos sólidos en las aplicaciones de ciencia de datos, comprende la vinculación entre diversas aplicaciones y explora las distintas soluciones comerciales que pueden desarrollarse a través de esta disciplina.
SENCE
Tipo
Curso
Duración
6 a 8 semanas
Precio
$572.000
$400.400
* Descuentos no acumulables
$400.400
* Descuentos no acumulables
Formas de Pago
- Tarjeta de crédito chilena: Vía Webpay hasta 3 cuotas precio contado
- Tarjeta de crédito internacional: Vía Paypal
Información
Admision UAI Online
Admisión cursos con sence (franquicia tributaria) *
* Solicitamos por favor sólo escribir a uno de los dos correos.
SENCE
Nombre Sence
Herramientas Aplicadas De Data Science Para Aumentar La Productividad En Organizaciones Competitivas
Código Sence
1238032002
Modalidad
E-Learning Asincrónico
Horas Totales
96
Duración
6 a 8 semanas
Horario Referencial
Lunes a Domingo 09:00 hrs. - 18:00 hrs.
Razón social
Universidad Adolfo Ibáñez
Rut
71.543.200-5
Dirección
Av. Presidente Errázuriz 3485, Las Condes
Contacto
Ritmo
100% asíncrono, inicia cuando quieras, sin horarios, si no alcanzas en la duración puedes solicitar extensión*.
Cada unidad se abre cada 5 días.
*: Restricciones aplican a cursos pagados con franquicia tributaria.
Cada unidad se abre cada 5 días.
*: Restricciones aplican a cursos pagados con franquicia tributaria.
Créditos SCT
4
¿En qué consiste el programa?
Los datos son el nuevo petróleo o materia prima de las empresas en la actualidad. Son el nuevo combustible en la revolución industrial 4.0 que permite a las empresas dar nuevos saltos de productividad, tanto en eficiencia operativa, como que en resultados comerciales. Este curso entrega herramientas a líderes, emprendedores para conocer el amplio bagaje de aplicaciones de ciencia de datos en empresas. A través de análisis de casos, los participantes podrán descubrir oportunidades en cómo usar sus datos operacionales comerciales y transaccionales, y vincular distintas herramientas de ciencias de datos, para predecir distintos comportamientos y desempeños de procesos en empresas de productos y servicios. A través del estudio de casos, también se realiza un aprendizaje respecto de las dificultades que existen en la implementación de estos proyectos y como superarlas para una exitosa implantación. El curso pretende mostrar a través de casos prácticos, las enormes oportunidades de implementar proyectos de ciencia de datos en empresas productivas y de servicios.
Al finalizar el curso se espera que cada participante sea capaz de comprender cómo vincular proyectos de ciencia de datos en su empresa y entender sus principales aplicaciones para generación de valor y productividad operacional y comercial.
Al finalizar el curso se espera que cada participante sea capaz de comprender cómo vincular proyectos de ciencia de datos en su empresa y entender sus principales aplicaciones para generación de valor y productividad operacional y comercial.
¿Qué aprenderás?
- Unidad 1 - Introducción a Aplicaciones en Ciencia de Datos: Asociando tipos de problemas a tipos de modelos de ciencia de datos
- Objetivo Específico:
• Vincular métodos de machine learning y ciencia de datos con tipos de problemas en empresas.
• Definir indicadores de desempeño para los modelos predictivos y los problemas de negocio a resolver.
• Revisar las aplicaciones de ciencia de datos y las diversas industrias donde se aplica actualmente.Contenido:
• Introducción a Ciencia de Datos en la Empresa
• Proceso e Indicadores de desempeño del negocio
• Recomendaciones para aplicación exitosa de proyectos de ciencia de datos en empresas
• Aplicaciones de Ciencia de Datos en industrias no tradicionales
• Mapa de Aplicaciones Comerciales y Operacionales
Videos:
• Proceso e Indicadores de desempeño del negocio
• Recomendaciones para aplicación exitosa de proyectos de ciencia de datos en empresas
• Aplicaciones de Ciencia de Datos en industrias no tradicionales
• Mapa de Aplicaciones Comerciales y Operacionales
Lecturas Obligatorias:
• Davenport, T. H. (2006). Competir mediante el análisis. Harvard business review, 84(1), 84-94.
• Scherer, M. (2012). Cómo los procesadores de datos de Obama lo ayudaron a ganar
Evaluaciones:
• Control.
• Actividad de Desarrollo. - Unidad 2 - Aplicaciones de Ciencia de Datos para apoyo Comercial - Segmentación de Clientes - Objetivo Específico:
• Conocer distintos tipos de segmentación de clientes
• Interpretar resultados de modelos de k-medias para segmentación
• Definir decisiones comerciales para segmentación de productos y campañas
de marketing usando ciencia de datos
• Conocer criterios para realizar una correcta segmentaciónContenido:
• Tipos de Segmentación de clientes
• Interpretando segmentos y asociación con decisiones
• Caso segmentación de clientes en supermercados y home improvement
• Elementos a considerar para una buena segmentación
Videos:
• Tipos de Segmentación de clientes
• Interpretando segmentos y asociación con decisiones
• Caso segmentación de clientes en supermercados y home improvement
• Elementos a considerar para una buena segmentación
Evaluaciones:
• Control.
• Actividad de Desarrollo. - Unidad 3 - Aplicaciones de Ciencia de Datos para apoyo Comercial - Venta Cruzada - Objetivo Específico:
• Conocer indicadores de desempeño de reglas de asociación
• Relacionar output del modelo con decisiones comerciales para venta cruzada
• Conocer criterios para una correcta aplicación de análisis de canastaContenido:
• Aplicación de Análisis de Canasta (indicadores y criterios esenciales)
• Aplicación para Retailers y recomendaciones de Cross y Up selling
• Caso Aplicado en retail y canal tradicional
• Recomendaciones para una correcta aplicación de Market Basket Analysis
Videos:
• Aplicación de Análisis de Canasta (indicadores y criterios esenciales)
• Aplicación para Retailers y recomendaciones de Cross y Up selling
• Caso Aplicado en retail y canal tradicional
• Recomendaciones para una correcta aplicación de Market Basket Analysis
Lecturas Obligatorias:
• Duhigg, C. (2012). How companies learn your secrets. The New York Times, 16(2), 1-16. (documento con traducción)
Evaluaciones:
• Control.
• Actividad de Desarrollo. - Unidad 4 - Aplicaciones de Ciencia de Datos para apoyo Comercial - Estimación de Fuga y Campañas de Retención de Clientes - Objetivo Específico:
• Entender la problemática en focalización de recursos de marketing para
retención de clientes
• Conocer casos de aplicación de retención de clientes en diversas industrias
• Conocer criterios para una correcta aplicación de modelos de detección de
fuga de clientesContenido:
• Descripción del problema de Retención de clientes en ambientes contractuales y no contractuales
• Aplicación de detección de fuga en industria de seguros
• Aplicación de fuga en banca, retail y educación
• Recomendaciones para una correcta aplicación de retención de clientes
Videos:
• Descripción del problema de Retención de clientes en ambientes contractuales y no contractuales
• Aplicación de detección de fuga en industria de seguros
• Aplicación de fuga en banca, retail y educación
• Recomendaciones para una correcta aplicación de retención de clientes
Evaluaciones:
• Control.
• Actividad de Desarrollo. - Unidad 5 - Aplicaciones para Gestión de Riesgo - Modelos de Cobranza y Detección de Fraude - Objetivo Específico:
• Conocer los diferentes problemas de detección de mora y cobranza en áreas
de riesgo bancario
• Conocer un caso aplicado de cobranza y de decisiones de credit scoring
• Discernir como evaluar de manera separa el desempeño del modelo predictivo
y de las acciones de cobranzaContenido:
• Tipos de Problemas de credit scoring y soluciones en ciencia de datos
• Aplicación de Cobranza para impuestos municipales
• Modelos de detección de fraude
• El diseño experimental: midiendo desempeño de acciones y modelo predictivo por separado
Videos:
• Tipos de Problemas de credit scoring y soluciones en ciencia de datos
• Aplicación de Cobranza para impuestos municipales
• Modelos de detección de fraude
• El diseño experimental: midiendo desempeño de acciones y modelo predictivo por separado
Evaluaciones:
• Control.
• Actividad de Desarrollo. - Unidad 6 - Aplicaciones de ciencia de Datos en Optimización de Procesos y Cadena Logística - Objetivo Específico:
• Entender como la ciencia de datos permite mejorar la eficiencia y costos de una compañía
• Conocer ejemplos de aplicación en administración de inventario y eficiencia operacional
• Conocer aplicaciones para reducción de costos en mineríaContenido:
• Mejorando la estimación de demanda con Ciencia de Datos
• Revisión caso de Optimización de Procesos mineros
• Detección de quiebres de stock con modelos predictivos
• Otras aplicaciones para operaciones y logística con ciencia de datos
Videos:
• Mejorando la estimación de demanda con Ciencia de Datos
• Revisión caso de Optimización de Procesos mineros
• Detección de quiebres de stock con modelos predictivos
• Otras aplicaciones para operaciones y logística con ciencia de datos
Lecturas complementarias:
• Waller, M. A., & Fawcett, S. E. (2013). Data science, predictive analytics, and big data: a revolution that will transform supply chain design and management. Journal of Business Logistics, 34(2), 77-84.
Evaluaciones:
• Control.
• Actividad de Desarrollo. - Unidad 7 - Aplicaciones de negocio de modelos de clasificación de imágenes y textos - Objetivo Específico:
• Entender los principales elementos de aplicaciones y usos de textos e imágenes para apoyo de decisiones en empresas.
• Conocer modelos de extracción de patrones de texto y su uso en industria.
• Conocer modelos de aprendizaje profundo y sus aplicaciones para clasificación de imágenes.Contenido:
• Análisis de Sentimientos para gestión de calidad de servicio
• Detección de tópicos en reclamos
• Detección de imágenes usando Deep Learning
• Otras aplicaciones: Metro de Valparaíso, Industria agropecuaria
Videos:
• Análisis de Sentimientos para gestión de calidad de servicio
• Detección de tópicos en reclamos
• Detección de imágenes usando Deep Learning
• Otras aplicaciones: Metro de Valparaíso, Industria agropecuaria
Lecturas complementarias:
• Dargan, S., Kumar, M., Ayyagari, M. R., & Kumar, G. (2019). A survey of deep learning and its applications: A new paradigm to machine learning. Archives of Computational Methods in Engineering, 1-22.
• Chui, M., Manyika, J., Miremadi, M., Henke, N., Chung, R., Nel, P., & Malhotra, S. (2018). Notes from the AI frontier: Insights from hundreds of use cases. McKinsey Global Institute.
Evaluaciones:
• Control.
• Actividad de Desarrollo. - Unidad 8 - Otras aplicaciones de Ciencia de Datos para empresas - Objetivo Específico:
• Conocer aplicaciones de ciencia de datos en otras industrias relevantes del
ecosistema.
• Conocer aplicaciones de diseño estratégico analizando estados financieros.
• Descubrir el valor del uso de aplicaciones de ciencia de datos en la gestión de colaboradores y capital humano.Contenido:
• Predicción de fuga de talentos y Retención de personal. Aplicaciones de ciencia de datos en gestión de colaboradores.
• Estimación de accidentabilidad laboral usando ciencia de datos
• Definición de campañas con A/B testing y diseño experimental
• Análisis de Estados Financieros y diseño de estrategias
Videos:
• Predicción de fuga de talentos y Retención de personal. Aplicaciones de ciencia de datos en gestión de colaboradores.
• Estimación de accidentabilidad laboral usando ciencia de datos
• Definición de campañas con A/B testing y diseño experimental
• Análisis de Estados Financieros y diseño de estrategias
Lecturas complementarias:
• Gallo, A. (2017). A refresher on A/B Testing. Harvard Business Review. https://hbr.org/2017/06/a-refresher-on-ab-testing
• Redman, T. (2019). Do Your Data Scientists Know the ‘Why’ Behind Their Work? Harvard Business Review.
• Berinato, S. (2019). Data science & the art of persuasion. Harvard Business Review, 97(1), 126-137.
Evaluaciones:
• Control.
• Actividad de Desarrollo.
Metodología
El curso es 100% online asíncrono, i.e. no hay clases en vivo ni horarios. En la plataforma encontrarás cápsulas con contenido audiovisual, lecturas obligatorias, complementarias, y evaluaciones por cada unidad.
¿A quién va dirigido?
Este curso está dirigido a directivos, gerentes, emprendedores y profesionales que buscan conocer y comprender la ciencia de datos y su uso como un motor para mantener ventajas competitivas.
Profesores
Información y Postulaciones
Admision UAI Online
[email protected]
Admisión cursos con sence
(franquicia tributaria) *
[email protected]
* Solicitamos por favor sólo escribir a uno de los dos correos.
[email protected]
Admisión cursos con sence
(franquicia tributaria) *
[email protected]
* Solicitamos por favor sólo escribir a uno de los dos correos.