Overview

El MasterTrack en Introducción a la Ciencia de Datos tiene como objetivo entregar los conocimientos teóricos y prácticos (de programación) a profesionales que trabajen con datos.

Los egresados del MasterTrack en Introducción a la Ciencia de Datos tendrán las herramientas necesarias para participar en proyectos de ciencia de datos en sus distintas etapas: desde la obtención y preparación de los datos, hasta la construcción de modelos predictivos y/o la presentación de insights a los distintos tomadores de decisiones.

Para aprobar los programas de diplomados se requiere la aprobación de todos los cursos que lo conforman. Los alumnos que aprueben las exigencias del programa recibirán un certificado de aprobación digital otorgado por la Pontificia Universidad Católica de Chile.

El alumno que no cumpla con una de estas exigencias reprueba automáticamente sin posibilidad de ningún tipo de certificación.

Syllabus

Course 1: Análisis de datos en Python
- En este curso los estudiantes aprenderán el uso adecuado y eficiente de Python como herramienta computacional para el análisis de datos, y su rol en la toma de decisiones dentro de una organización. Para ello se introducirán los conceptos básicos y generales sobre el manejo y análisis de datos, se explicará la importancia de una correcta visualización de los datos y de los resultados de los análisis que se realicen con estos, y se explicará en qué consisten los análisis descriptivos, predictivos, y prescriptivos, enseñando diferentes métodos para llevar a cabo estos análisis. El curso utilizará exposiciones a través de clases sincrónicas, análisis de casos, test basados en la interacción con bases de datos, contenidos entregados por las video clases, lecturas y reflexión individual a través de foros.

Course 2: Introducción a la Ciencia de Datos
- Este curso introduce a los estudiantes al campo de la ciencia de datos a través de sus principios básicos y las principales técnicas y herramientas utilizadas. Los estudiantes aprenderán sobre recolección e integración de datos, análisis exploratorio de datos, análisis descriptivo y predictivo, y creación de productos de información. Los temas serán tratados en amplitud, más que en profundidad, haciendo énfasis en la integración y síntesis de conceptos, y su aplicación a la solución de problemas.

Course 3: Visualización de datos
- En este curso los estudiantes complementarán conocimientos y habilidades que se requieren especialmente en el área de Ciencia de Datos, donde los resultados de métodos de computación, estadística, minería y análisis de datos podrán ser resumidos y comunicados. Dentro de las actividades prácticas del curso, los estudiantes aprenderán técnicas y algoritmos para analizar, diseñar y crear visualizaciones efectivas basadas en principios de diseño gráfico, artes visuales, y psicología cognitiva. El curso estará orientado a estudiantes con experiencia previa en programación, con foco en aquellos que deseen utilizar visualizaciones en su trabajo, así como estudiantes interesados en construir mejores sistemas y herramientas de visualización.

Course 4: Aprendizaje estadístico y computacional
- En este curso los estudiantes aprenderán los conceptos elementales de machine learning y varias metodologías de aprendizaje supervisado y no supervisado. El estudiante deberá ser capaz de identificar los métodos más apropiados, aplicarlos y compararlos en diferentes contextos, en particular, para problemas de grandes volúmenes de datos.