BUSINESS ANALYTICS

VER MÁS PROGRAMAS

ÁREA: TIC

MODALIDAD: Blended

ESTADO: Inscripción Abierta

Charla informativa: –

INICIO: 29/08/2023

FINALIZACIÓN: 30/09/2023
FORMULARIO DE CONSULTA

El presente proceso de crecimiento exponencial en la generación de datos ha favorecido el avance de diversas técnicas de analítica avanzada, en particular de Machine Learning.

Esta dinámica está dando lugar a grandes oportunidades y desafíos, favoreciendo a las organizaciones que adoptan una cultura data-driven y utilizan el poder de los datos para tomar decisiones y desarrollar productos o servicios.

Para poder capitalizar efectivamente el potencial de los datos, es necesario que los proyectos estén alineados con la operación de la compañía y disponer de herramientas para transformar sus insights en acciones.

Objetivos del curso:

Introducir a la audiencia en los conceptos y aspectos técnicos de Data & Analytics desde una perspectiva ejecutiva, de modo tal que se alcance el conocimiento necesario para comprender las diferentes tecnologías involucradas en el proceso de analytics, así como las técnicas y metodologías aplicadas.

Se busca que la audiencia desarrolle herramientas y conocimientos para interactuar eficazmente con equipos de ingenieros y científicos de datos.

Al finalizar el programa, los alumnos habrán desarrollado los skills para traducir oportunidades de negocio en proyectos basados en datos y diseñar un plan de desarrollo.

Dirigido a:

Ejecutivos y mandos medios que busquen interiorizarse sobre las tecnologías de data analytics desde una perspectiva gerencial, con el objetivo de interactuar o liderar proyectos basados en datos.

 
 
Metodología:
 
 
El curso se implementa en una modalidad blended. De este modo, los primeros 3 módulos se dictan de manera virtual mediante clases sincrónicas de 3 horas y actividades asincrónicas. El último módulo, en cambio, se dicta de manera presencial, en una jornada completa de 8 horas a realizarse el día sábado 30/09.
 
 
En el encuentro presencial se presentan los contenidos teóricos del último módulo y se desarrollan de manera grupal los trabajos integradores finales. En estos proyectos se aplicarán los conocimientos adquiridos a lo largo de todo el curso en el diseño de un caso de uso basado en datos. La presencialidad de la última jornada resulta un elemento fundamental del diseño del programa, ya que facilita el intercambio de ideas y conocimientos entre los participantes, así como con el equipo docente.
 
 
La presencialidad permite establecer una conexión más personal entre la audiencia, lo que facilita la colaboración y el trabajo en equipo. Además, ofrecerá la oportunidad de conocer personalmente a los demás participantes del curso, fomentando la construcción de nuevas relaciones profesionales.
 
Cabe señalar que la participación de la jornada presencial es condición necesaria para la obtención de la certificación profesional, ya que sin dicha participación no será posible la entrega del trabajo final, a la vez que no será posible cumplir con la asistencia mínima requerida.

PLAN DE ESTUDIOS

Todos collapsables cerrados

Este accordion está para que todos los ítems permanezcan cerrados

Módulo I: Introducción a Big Data

Surgimiento de Big Data. Definición. Tecnologías asociadas a Big Data. Data Warehouse y Data Lake. Patrones Arquitecturales de Integración. Perfiles orientados a Big Data . Interacción entre los perfiles. Principios y aplicaciones de IoT.

Módulo II: Business Intelligence y Analytics

Introducción a BI: definición, herramientas, aplicaciones, evolución histórica. Elementos de estadística descriptiva y visualizaciones. Reportes operativos y analíticos, dashboards. Scorecard, KPIs y KQIs. Advanced Analytics.

Módulo III: Data Science y Machine Learning

Definición de Data Science. Relación entre IA, ML, DL. Sistemas basados en reglas vs. Machine Learning. Ciclo de vida de un proyecto de Data Science. Clasificación de algoritmos de Machine Learning. Metodología de Machine Learning. Evaluación de modelos.

 

Módulo IV: MLOps

Motivación: brecha de deployment. Ciclo de vida y sus flujos de trabajo de Machine Learning Engineering. Automatización y componentes. Medición de modelos productivos.

CUERPO DOCENTE

Todos collapsables cerrados

Este accordion está para que todos los ítems permanezcan cerrados

Paolo Donizetti
  • Licenciado en Economía (UBA)
  • Licenciado en Matemáticas (U. Roma – “La Sapienza”)
  • Magister en Data Mining e Investigación de Mercado (U. Bologna)
  • Consultor Independiente Data Science 
  • Docente y director académico de la maestría en Management & Analytics y programas corporativos del ITBA
Juan Zaffaroni
  • Ingeniero en Sistemas de Información de la U.T.N.
  • Más de 30 años de experiencia en el área de Gestión de Datos y de Sistemas OLTP
  • CEO de DBlandIT, empresa que se dedica al desarrollo e implementación de sistemas, consultoría de infraestructura tecnológica y capacitación en tecnologías de Big Data
  • Director Académico y docente de la “Diplomatura en Arquitecturas de Big Data aplicadas” dictada en Extensión Universitaria de la UTN FRBA.
  • Docente de la Escuela de Innovación del ITBA
Ramiro Savoie
  • Ingeniero en Sistemas de Información por la Universidad Tecnológica Nacional.
  • Trabajó en desarrollo web de aplicaciones de eCommerce basadas en la nube.
  • En los últimos años se ha dedicado al entrenamiento de modelos predictivos para el entendimiento del lenguaje aplicado a ChatBots.
  • Actualmente se desempeña como Arquitecto Cloud & Desarrollador NLP de manera freelance, ayudando a las organizaciones a descubrir la mejor manera de extraer valor de sus datos a través del diseño e implementación de arquitecturas de datos.
Martín Mihura
  • Ingeniero en Sistemas de Información de la U.T.N.
  • CTO de DBlandIT, empresa que se dedica al desarrollo e implementación de sistemas, consultoría de infraestructura tecnológica y capacitación en tecnologías de Big Data.
  • Docente UTN e ITBA

Para conocer más sobre el programa y/o avanzar con el proceso de inscripción completá el formulario de consulta de la Certificación Profesional en Business Analytics.

[formassembly formid=5001008]