Overview

Esta trayectoria recorre de manera transversal y básica los diferentes niveles del desarrollo de la inteligencia analítica en una organización, empezando con el uso de la analítica descriptiva (visualización), pasando por la construcción de modelos predictivos (machine learning), finalizando con la formulación de modelos prescriptivos para la toma de decisiones (optimización). El MT está dividido en dos ciclos, cada uno con dos cursos, que se realizan en paralelo:

- El primer ciclo cuenta con el curso de Visualización y Storytelling que busca desarrollar competencias en analítica descriptiva en los profesionales para presentar de manera efectiva resultados de proyectos a diferentes públicos. En paralelo, el primer ciclo presenta un curso introductorio a la analítica predictiva con conceptos y técnicas fundamentales de Machine Learning.
- En el segundo ciclo, los profesionales continuarán su proceso de aprendizaje en analítica predictiva con el curso de Machine Learning y Procesamiento de Lenguaje Natural, y en paralelo, abordarán la analítica prescriptiva con el curso de Optimización para la Toma de Decisiones.

### Nivela tus conocimientos en analítica

La Universidad de los Andes ofrece cursos abiertos para las personas que deseen nivelar algunos conocimientos y habilidades técnicas antes de iniciar con el programa. Conoce los cursos de [Python](https://www.coursera.org/learn/programacion-python), [Probabilidad](https://www.coursera.org/learn/probabilidad), [Estadística](https://www.coursera.org/learn/estadistica-aplicada-fundamentos) y [Analytics en las Organizaciones](https://www.coursera.org/learn/analytics-analisis-datos).

Syllabus

Course 1: Visualización y Storytelling
- En este curso se busca que los estudiantes se acerquen a diversas formas de narrar, a partir de datos, sus ideas de investigación y negocio a diferentes públicos. Aplican conocimientos básicos de análisis y modelado de datos enfocados a la visualización, haciendo énfasis en brindar comunicación persuasiva a las audiencias.

Course 2: Introducción al Machine Learning
- El objetivo de este curso de tres créditos es introducir conceptos y técnicas básicas en Machine Learning para resolver problemas de analítica. Para ello, se presentan los conceptos básicos de la teoría de aprendizaje estadístico (statistical learning) y a través de casos reales se aplican técnicas básicas de Machine Learning para dar soporte a la toma de decisiones. Al finalizar el curso los estudiantes habrán avanzado en sus conocimientos para formular y programar modelos matemáticos descriptivos, predictivos, y prescriptivos para la toma de decisiones, así como extraer, transformar y cargar datos de fuentes estructuradas y no estructuradas con tecnologías para el manejo de grandes volúmenes de datos y cloud computing.

Course 3: Machine Learning y Procesamiento del Lenguaje Natural
- Este curso de tres créditos presenta una introducción a conceptos y técnicas fundamentales de machine learning y procesamiento del lenguaje natural (NLP) con un enfoque en problemas reales para su implementación en contextos organizacionales. Al finalizar el curso, el estudiante estará en capacidad de implementar sistemas productivos de Machine Learning para que puedan ser usados en diversos ambientes organizacionales.

Course 4: Optimización para la Toma de Decisiones
- El curso de dos créditos comienza estableciendo la relación que tiene la optimización con la analítica de datos y los modelos prescriptivos. Durante el curso, el estudiante desarrolla habilidades para identificar situaciones problemáticas en las organizaciones susceptibles de ser mejoradas a través del uso de modelos de optimización. Semana a semana se presentan, de forma progresiva y a través de casos, las técnicas de modelado en optimización lineal que permiten tomar decisiones basadas en modelos prescriptivos. El curso desarrolla en el estudiante habilidades de implementación de los modelos en software especializado de optimización de acceso abierto y de uso cotidiano. Finalmente, el curso ilustra cómo los resultados de un modelo de optimización se pueden traducir y visualizar de forma convincente para que impacte la toma de decisiones en las organizaciones. Semanalmente, el estudiante aplicará lo aprendido en una práctica computacional basada en un caso de estudio. A través de videos, cuestionarios y lecturas complementarias, el estudiante se preparará para desarrollar la práctica computacional de la semana.