DATA SCIENCE
CERTIFICACIÓN AVANZADA
ÁREA: TIC
MODALIDAD: Virtual
ESTADO: Inscripción Abierta
Charla informativa: 05/06/2025
INICIO: 29/07/2025
FINALIZACIÓN: 16/12/2025
Big data se refiere a las grandes colecciones de datos, estructurados, o no estructurados, que pueden crecer a volúmenes enormes y a un ritmo tan alto que es complejo manejarlos con las técnicas habituales de los sistemas de bases de datos y las herramientas de análisis existentes hasta hace un tiempo.
La gestión y el análisis de estas cantidades masivas de datos exigen nuevas soluciones que van más allá de los procesos tradicionales o herramientas de software habituales en la práctica diaria, lo que ha llevado a acuñar el término “big data analytics”.
La Certificación Avanzada en Data Science está orientada a facilitar el conocimiento de las herramientas que permiten diseñar, preparar, analizar y manejar información, estructurada y no-estructurada.
OBJETIVOS
Comprender los pasos centrales del workflow de un proyecto de data science, desde la comprensión del problema hasta la construcción de modelos y visualización de los resultados.
Adquirir las habilidades necesarias para formar parte de un equipo de data science: modelado, diseño y consultas (utilizando SQL) de bases de datos y data warehouses, construcción de modelos de machine learning utilizando R (y opcionalmente Python) y manejo de otros tipos de datos más allá de las bases de datos relacionales, como datos geográficos y bases de datos de grafos.
PERFIL DEL PARTICIPANTE
Profesionales de cualquier área o especialidad, que quieran adquirir conocimientos sobre técnicas y herramientas que les permitan aplicar el análisis de datos en sus actividades.
METODOLOGÍA
Durante la certificación se realizarán encuentros sincrónicos de desarrollo de contenido, presentación de materiales y trabajos grupales. De forma asincrónica se compartirán materiales que los y las estudiantes deberán revisar y actividades que refuercen lo trabajado en los encuentros sincrónicos.
Cada módulo se desarrolla según la dinámica que mejor se adecue a las características de los temas a impartir. En algunos módulos de desarrolla un proyecto de principio a fin, y en otros cursos el sistema consiste en explicar cada tema y resolver un trabajo práctico relacionado.
CONOCIMIENTOS ADQUIRIDOS AL FINALIZAR EL PROGRAMA
- Creación y desarrollo de modelos de datos para el análisis de diversos escenarios que requieran el uso de datos para la toma de decisiones.
- Integración de datos provenientes de diversas fuentes y técnicas para asegurar su consistencia.
- Modelado e implementación de data warehouses.
- Manejo de diferentes tipos de datos, en particular datos geográficos y bases de datos de grafos (para el análisis de redes).
- Creación de visualizaciones que ayuden a entender los data sets.
- Construcción y análisis de modelos de machine learning
- Presentación y comunicación de resultados y hallazgos (incluso para una audiencia inexperta).
CONOCIMIENTOS MÍNIMOS PARA CURSAR EL PROGRAMA
Conocimientos de Bases de Datos y SQL. Se tomará una evaluación en base a los contenidos del curso de nivelación. El curso de Nivelación es un curso de conceptos básicos de Base de Datos y SQL. El curso es opcional, el examen es obligatorio. Se recomienda ver y hacer el curso a todos/as los participantes.
Todo el software utilizado en el curso es open source. Se sugiere una computadora con un mínimo de 16GB de RAM y procesador mínimo i5 o equivalente.
Plan de estudios
Módulo 1: Data Warehousing & OLAP
Módulo 2: Inteligencia Artificial y Machine Learning
Módulo 3: Sistemas de Información Geográfica y Bases de Datos de Grafos
Módulo 3: Sistemas de Información Geográfica y Bases de Datos de Grafos
Módulo 4: Visualización de la Información
Conocé al coordinador académico
Alejandro Vaisman
Alejandro es Doctor en Ciencias de la Computación por la Universidad de Buenos Aires. Postdoctorado en la Universidad de Toronto, Canadá. Es especialista en Data Warehousing y Business Intelligence (BI), Data Mining, Sistemas de Información Geográfica (GIS), y en publicación de datos en la web, siguiendo los lineamientos de Linked Open Data. Co-autor, junto con el Prof. Esteban Zimányi (Universidad Libre de Bruselas) del libro “Data Warehouse Systems: Design and Implementation”. Ha publicado, además, 5 capítulos en libros internacionales y ha publicado artículos en las más prestigiosas revistas y conferencias de la especialidad.
Cuerpo docente
Alejandro Vaisman
Marcela Riccillo
Leticia Gómez
Valeria Soliani
Ariel Aizemberg
Modalidad
Mail de bienvenida + envío de material nivelatorio: martes 29 de julio (este día no se cursa)
Clase de consulta 1: martes 5 de agosto
Clase de consulta 2: martes 12 de agosto
Exámen nivelatorio: jueves 14 de agosto
Inicio – 1° clase sincrónica: martes 19 de agosto
Tutorías optativas: miércoles de 18 a 19 hs. (inician el 20/8)
Duración: 119 hs – 34 clases
Fin de curso: martes 16 de diciembre
Cursada: martes y jueves de 18 a 21.30 hs
Modalidad: virtual
