Nicolás Casarino
Coordinador
MBA, UCEMA.
Contador Público, UBA

Contenidos del programa

Módulo de Aspectos Gerenciales:

  • ¿Qué es Data Analytics? 
  • Analíticas y el desempeño del negocio. 
  • Datos como activos generadores de valor
  • La organización analítica
  • Mapa del camino hacia la optimización de capacidades analíticas
  • Modelo DELTA: Data, Enterprise, Leadership, Targets, Analysts
  • Gerenciando Data Analytics
  • Construyendo una cultura analítica
  • Gerenciando equipos de analistas 
  • Construcción de un equipo técnico
  • Administración del equipo (objetivos, métricas, motivación)
  • Usos de Analytics en procesos internos y externos
  • Uso de analíticas por industrias
  • Gobierno de Datos

Módulo de Business Intelligence:

  • Introducción a Visualización de datos
  • Tecnología para el análisis de datos. Análisis comparativo de herramientas disponibles
  • Arquitectura de ‘Business Intelligence’
  • Tipos de gráficos
  • Tipos de datos
  • Percepciones visuales y mejores prácticas para gráficos
  • Herramientas de Data Analytics
  • Data visualization project lifecycle
  • Data Extraction/ Data Cleansing
  • Modelo de datos
  • Talleres de aplicación herramientas Business Intelligence

Módulo de Estadística:

  • Nociones fundamentales de Estadística
  • Estadística: definición y ramas
  • Tipos de datos: estructurados vs no estructurados y cualitativos vs cuantitativos
  • Los cuatro niveles de datos: nominal, ordinal, de intervalo y de ratio.
  • Medidas de tendencia central, dispersión y sesgo
  • Probabilidad condicional (ejemplo)
  • Nociones de inferencia estadística, muestreo e influencia del tamaño de muestra, estudios experimentales versus observacionales.
  • Conceptos básicos de Álgebra lineal

Módulo de Data Science:

  • Introducción a Big data: ¿Qué es y para qué sirve?
  • El nuevo paradigma de la información: Data is the new Oil
  • Data Science: Concepto 
  • Datification/Data Wrangling
  • Artificial Intelligence, Machine Learning, Data Mining, Modeling 
  • Aplicaciones práctias de Big Data 
  • Tópicos avanzados de Ciencia de Datos 
  • Clustering: K-Means - Mean-Shift - DBSCAN - Hierarchical Clustering
  • Clasificación y Regresión Básica: Regresión Linear - Regression logística - Naive Bayes - K-Nearest Neighbours
  • Clasificación y Regresión Avanzadas: Árboles de decisión, Redes neuronales, Ensambles
  • Procesamiento de Lenguaje Natural,
  • Procesamiento de Audio, 
  • Procesamiento de Video,
  • Procesamiento de fuentes mixtas
  • Comunicando y actuando sobre los resultados

Módulo de Aspectos Legales y Éticos:

  • Aspectos legales y éticos del análisis de datos.
  • Intimidad y Privacidad. 
  • Requisitos legales, administrativos y técnicos de las bases de datos. 
  • Bases de datos para publicidad y encuestas. 
  • Sanciones por uso indebido de datos personales. 
  • Privacidad en la era de Internet y en el ámbito laboral. 
  • Adecuación y Registro de las Bases de Datos Personales. 
  • Leyendas legales para el sitio web y las comunicaciones. Términos y Condiciones del Sitio Web. Políticas de Privacidad. Cláusulas habituales. 
  • Las reformas proyectadas. GPDR

 

Evaluación. Requisitos para aprobación de la Diplomatura

  • Trabajo grupal final: Caso de negocio con aplicación de las tecnologías vistas durante el programa al contexto de una organización de uno de los integrantes del grupo. Integración de los conceptos teóricos al caso seleccionado. Exposición oral grupal y puesta en común.