DIPLOMADOS & CERTIFICADOSCURSOS
PREGUNTAS FRECUENTESPROGRAMAS PARA EMPRESAS

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.
MatricúlateContáctanos
SENCE
Tipo
Curso
Duración
6 a 8 semanas
Precio
$572.000
$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) *
[email protected]
* 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
[email protected]
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.
Créditos SCT
4
Temáticas
Data Science e Inteligencia ArtificialGestión de Negocios
¿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.
¿Qué aprenderás?
  1. 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.
  2. 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 segmentación
    Contenido:
    • 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.
  3. 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 canasta
    Contenido:
    • 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.
  4. 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 clientes
    Contenido:
    • 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.
  5. 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 cobranza
    Contenido:
    • 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.
  6. 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 minería
    Contenido:
    • 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.
  7. 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.
  8. 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

Luis Aburto
Profesor Asistente

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.

Postula al Curso Aplicaciones de Data Science para Aumentar la Productividad en Organizaciones Competitivas

También te puede interesar

Diplomado en Applied Data Science - Online

Mejora tus conocimientos utilizando herramientas modernas de programación y manejo de datos en un momento clave de la ciencia de datos, aplica diferentes técnicas de machine learning y aprende a evaluar su desempeño.

$1.790.000
$1.253.000
* Descuentos no acumulables
24 semanas + examen
Professional Certificate en Fundamentos de Data Science

Data Science cobra sentido en los negocios cuando genera ventajas competitivas. Aprende a aplicar sus técnicas para cumplir objetivos estratégicos.

$1.230.000
$861.000
* Descuentos no acumulables
SENCE
Curso Analítica Prescriptiva para Customer Analytics - Online

Adquiere conocimientos en herramientas relacionadas con analítica descriptiva y predictiva que van en la línea del uso de datos en las empresas.

$572.000
$400.400
* Descuentos no acumulables
6 a 8 semanas