Presentación

El contexto tecnológico ha provocado la generación de grandes volúmenes de datos.  Cada vez más las organizaciones lidian con información proveniente de fuentes heterogéneas. La capacidad para la toma de decisiones se ve afectada por la naturaleza diversa de los datos con los que se cuenta en las organizaciones. Conscientes de esto y del avance tecnológico y cultural en que está inmerso el Perú y de la importancia que tiene su desarrollo en nuestra sociedad, la Universidad Católica San Pablo (UCSP), a través de su Departamento de Ciencia de la Computación, presenta el Diplomado en Business Analytics. Este diplomado tiene como objetivo brindar una formación en el conocimiento y habilidades para seleccionar, analizar, evaluar e implementar técnicas de Business Analytics para descubrir conocimiento que pueda añadir valor a una organización. A través de este diplomado, los estudiantes conseguirán tener un entendimiento teórico profundo y una experiencia práctica (hands-on) en la implementación de estas técnicas novedosas y emergentes en sus propias organizaciones.

Objetivos

• Entender la vasta cantidad de datos disponibles en los mercados de hoy para desarrollar una estrategia de negocios ganadora en sus organizaciones.
• Aplicar y gestionar técnicas modernas de Business Analytics para solucionar desafíos críticos de negocios.
• Trabajar con datos de diversas formas, preguntarse cuestiones relevantes, analizar y descubrir insights en los datos, usarlos y/o comunicarlos para la toma de decisiones.
• Ser parte de un perfil profesional cada vez más demandado por las organizaciones, en numerosas industrias y disciplinas desde salud, negocios, ingeniería y ciencias sociales.
• Saber adaptarse a la aparición de nuevas tecnologías para poder aprovechar al máximo el potencial que éstas ofrezcan.
• Identificar oportunidades de aplicación de Business Analytics en problemas específicos de sus organizaciones, de una forma personalizada. 

Dirigido principalmente a

Bachilleres que no han tenido una formación relacionada con Ciencia de la Computación, Ingeniería de Sistemas o ingenierías afines. Como por ejemplo Administración, Contabilidad, Finanzas, Marketing, Ventas, Salud, Economía, Educación, Psicología, Gestión, Derecho, Humanidades, Ciencias de la Comunicación,  áreas biomédicas, matemáticas, física, estadística, interesados en emplear herramientas computacionales para transformar datos en información útil para una mejor toma de decisiones.

Metodología

1. Clases magistrales.
2. Método del caso (análisis de situaciones reales).
3. Investigación, trabajo en equipo y debates.

Creditaje

25 créditos académicos.

Plan de estudios

La distribución de las asignaturas del diplomado se distribuirá en cinco módulos. Cada módulo tiene una duración prevista de 6 semanas. Las asignaturas están estructuradas de la siguiente manera:

• Business Analytics y Casos de Uso: Este módulo tiene como objetivo introducir a los participantes los fundamentos de Business Analytics y como son aplicadas en las organizaciones. Además, se presentan casos de éxito basadas en software en organizaciones nacionales. Respaldamos nuestro enfoque al estudiar ejemplos aplicados a casos reales y conjuntos de datos en varias áreas de negocios, incluyendo marketing, recursos humanos, finanzas y operaciones. Al final del módulo, los estudiantes tendrán una comprensión fundamental de como preparar un proyecto de Business Analytics con especial énfasis de aplicabilidad en sus organizaciones.
• Análisis de Datos con Python: Este módulo tiene como objetivo mostrar el uso de software analítico para la extracción de información a partir de conjuntos de datos nativos (no procesados) usando el lenguaje de programación Python para lectura de archivos, web mining, cálculos estadísticos y la generación de representaciones gráficas de los datos analizados. Preprocesamos los datos obtenidos usando las librerías Pandas y Numpy, como también librerías específicas para la visualización de datos tales como Seaborn y Plotly Express. Al final del módulo, los estudiantes tendrán una visión más profunda de cómo usar Python para analizar y explorar grandes volúmenes de datos proveniente de casos reales.
• Exploración Visual de Datos usando Dashboards: Este módulo busca proveer los fundamentos de herramientas visuales para interpretar datos más rápidamente ayudando en el proceso de descubrimiento de conocimiento, en apoyo a la toma de decisiones. En este módulo de visualización de datos, aprenderá cómo diseñar herramientas interactivas gráficas para extraer información mediante un análisis exploratorio, explotando la combinación entre percepción humana y analíticas visuales. La aplicación de estos gráficos será enfocada en el análisis de datos multidimensionales, temporales, espaciales y de otras naturalezas, que son generadas cada minuto del día, por medio de herramientas como Power Bi, Tableau y librerías como matplotlib y D3.js.
• Inteligencia Artificial para la Toma de Decisiones: Este módulo le presentará las herramientas y técnicas de los modelos predictivos que utilizan los investigadores en el área de la Inteligencia Artificial. El módulo evaluará diversos algoritmos de clasificación y regresión, con un foco especial al análisis de casos reales y métricas para evaluar su rendimiento computacional. Adicionalmente, el módulo brindará las bases para que herramientas libres de Inteligencia Artificial puedan ser usadas para mejorar la productividad. Al final del módulo, los alumnos podrán usar los conocimientos aprendidos para apoyar la toma de decisiones en casos de estudio.
• Implementación de Soluciones con Business Analytics: En este módulo, mostraremos el uso de tecnologías para gestionar el proceso de colecta, almacenamiento y procesamiento de grandes volúmenes de datos, presentes en procesos de Transformación Digital y Business Intelligence. Desarrollamos una solución basada en Business Analytics siguiendo las etapas y la metodología aprendida, utilizando la información que el estudiante tiene disponible. Además, introducimos el uso de herramientas de Computación en la Nube, como AWS. Finalmente, este módulo busca implementar y poner en marcha el proyecto final del Diplomado empleando técnicas de análisis, visualización y modelamiento de datos.

Cada módulo tiene 40 horas académicas y 80 horas prácticas no lectivas o de trabajo autónomo.

Proceso de evaluación

Asíncrono.

Metodología de evaluación: participación en aula, exposiciones, trabajos.

Plana docente

Dr. Daniel Alexis Gutierrez Pachas

Doctor en Ciencia de la Computación y Matemática Computacional, Universidade de Sao Paulo (Brasil). Maestría en Matemática, Universidade Federal de Juiz de Fora (Brasil). Actualmente es Director del Departamento de Ciencia de la  Computación UCSP. En 2019 fue vice-coordinador de la Sociedad Brasileña de Matemática Computacional y Aplicada en Minas Gerais (Brasil) y miembro del Comité Latinoamericano de Matemática Aplicada Computacional e Industrial.

Sus áreas de interés son: filtración y control de sistemas estocásticos, optimización, análisis numérico y ciencia de datos.

Dr. José Eduardo Ochoa Luna

Doctor en Ciencias, Universidade de Sao Paulo (Brasil). Maestría en Ciencia de la Computación, Universidade Federal de Mato Grosso do Sul (Brasil). Actualmente es el coordinador de la Maestría en Ciencia de Datos del Departamento de Ciencia de la Computación de la UCSP. Es especialista en Inteligencia Artificial, con énfasis en Graphical Models, Machine Learning, Procesamiento de lenguaje natural y Deep Learning.

Dr. Erick Mauricio Gomez Nieto

Doctor en Ciencia de la Computación, Universidade de Sao Paulo (Brasil). Maestría en Ciencia de la Computación, Universidade de Sao Paulo (Brasil). Actualmente se desempeña como docente a tiempo completo y director del Centro de Investigación e Innovación e Innovación en Ciencia de la Computación de la Universidad Católica San Pablo (UCSP). Ha trabajado como investigador en IBM Research e investigador postdoctoral en el Center of Studies for Violence en Brasil. Es especialista y con amplia experiencia en visualización de datos, visual analytics y data science.

Mg. Manasses Antoni Mauricio Condori

Magíster en Ciencia de la Computación, Universidad Católica San Pablo. Pregrado en la Universidad Nacional de Ingeniería, con una especialización en Ingeniería Mecatrónica.

Ha desarrollado proyectos en el área de inteligencia artificial y ciencia de datos orientados a la generación/diagnóstico en imágenes médicas y predicción/clasificación. Actualmente, se desempeña como Lead Data Scientist en Interbank, donde desarrolla proyectos en las áreas de aprendizaje automático, representación de conocimiento, procesamiento de imágenes, procesamiento del lenguaje natural.

Mg. Juan Herbert Chuctaya Humari

Magíster en Ciencias por la universidad de Sao Paulo (Brasil) en física aplicada a la medicina y biología. Tiene experiencia en análisis de datos en temas orientados a las áreas de salud y agronomía en base a visión computacional. Participé en proyectos aplicados en el parque tecnológico de Ribeirão Preto – Brasil implementando sistemas de telemedicina. Además, cuenta con experiencia en áreas de e-commerce, empleando herramientas gobernanza de datos, inteligencia de negocios y presentación de valor agregado en reportes estratégicos.

Mg. Johan Llamoza Rafael

Maestría en Física, Universidad Pontificia Católica del Perú. Pregrado en Física, Universidad Nacional de Ingeniería. Especialista en cálculo numérico y computación de alto rendimiento. Sus áreas de interés son ecuaciones de reacción difusión, análisis de redes, ciencia de datos. Actualmente se desarrolla como Machine Learning Engineer y Data Scientist en Interbank desarrollando proyectos en Ciencia de Datos, con énfasis en modelos predictivos, usos de análisis de redes, procesamiento de lenguaje natural, visualización de datos, y computación en la nube (AWS) usando metodología MLOps.

Mg. Rosa Paccotacya 

Magíster en Ciencia de la Computación en la Universidad Estadual de Campinas, Brasil, en el laboratorio Recod. bajo la orientación de la Prof. Sandra Ávila. Su investigación se centró en la IA explicable para el análisis del cáncer de piel, con el objetivo de comprender y validar los mecanismos internos de los modelos de caja negra para garantizar predicciones confiables. Ha sido investigadora en diferentes proyectos de investigación aplicada usando Inteligencia Artificial. Actualmente es profesora en la Universidad Nacional de San Agustín y en la Universidad Católica San Pablo. Sus intereses de investigación son: AI for Social good, Responsible AI, fairness, accountability, Explainable AI, y Computer Vision.

* La Escuela de Postgrado UCSP podrá realizar cambios en la plana docente designada al dictado de los respectivos cursos al tratarse de casos fortuitos o de fuerza mayor.

Calendario

* La Escuela de Postgrado UCSP se reserva el derecho de cancelar o postergar el programa si no alcanza el mínimo de alumnos matriculados hasta 7 (siete) días hábiles anteriores a la fecha indicada para el inicio del programa.
* La Escuela de Postgrado se reserva el derecho de cambiar la plataforma virtual.

Tiempo de dedicación al programa

* Horas lectivas: 200, horas no lectivas: 400

Inversión

• Preventa: S/ 3.500 hasta el 15 de marzo de 2024 (cupos limitados).
• Precio al contado: S/ 4,200.
• Precio total: S/ 5,000 fraccionado en cuotas:
  • Cuota inicial de: S/ 625.
  • 7 cuotas de: S/ 625.
• Cierre de inscripciones: 29 de mayo de 2024.
• Descuentos:
  • Consulta por nuestro descuento para Comunidad UCSP y Antiguos alumnos.
  • Consulta por nuestro descuento corporativo (3 personas).

* Para ver las orientaciones para devolución de pagos darle clic aquí.
* Aceptamos pagos con todas las tarjetas.
* Los descuentos no son acumulables.
* Los descuentos a la comunidad UCSP, antiguos alumnos y corporativo no aplica en pronto pago.
* El monto de matrícula es de S/ 200, está incluida en todas las modalidades de pago y es única al momento de la admisión.  

CERTIFICACIÓN

Diploma de Postgrado en Business Analytics otorgado por la Universidad Católica San Pablo.

* Diploma de postgrado con firmas emitidas en medios digitales.
* Para obtener el diploma de Postgrado, el estudiante debe acreditar el grado académico de bachiller, cumplir con 25 créditos académicos aprobados en el programa de estudios, aprobar todos los cursos con nota mayor o igual a 12 y no tener obligaciones económicas pendientes de pago con la universidad.

Requisitos de admisión

INSCRIPCIÓN

• Ficha de inscripción correctamente llenada.
• Documento de identidad:
  • Peruanos: Copia simple de DNI.
  • Extranjeros: Copia simple del carné de extranjería, pasaporte o documento de identidad oficial de su país de origen.
• Documento académico:
  • Peruanos: Reporte SUNEDU, en caso de no contar con el reporte, copia legalizada del diploma de bachiller.
  • Extranjeros: Copia legalizada del diploma de bachiller por la autoridad competente en el país de origen.

MATRÍCULA

• Compromiso de honor firmado.
• Contrato de prestación de servicios firmado.

* La documentación que se presenta es evaluada por el Comité de Admisión del programa de postgrado que determina si el postulante reúne el nivel esperado de los participantes.
* La información que el postulante ingrese en la inscripción es su responsabilidad, la UCSP presume su veracidad.
* Se considera apto para matrícula al postulante que cumpla con todos los requisitos de admisión.
* Si el postulante realiza el pago con anterioridad al proceso de admisión y se comprueba el no cumplimiento de algún requisito de admisión, no se considerará la matrícula.

Condiciones de permanencia y culminación

• Reglamento de Admisión para la Escuela de Postgrado: https://ucsp.edu.pe/transparencia/reglamento-de-admision-para-la-escuela-de-postgrado/
• Reglamento de Estudiantes de la Escuela de Postgrado: https://ucsp.edu.pe/transparencia/reglamento-de-estudiantes-de-la-escuela-de-postgrado/
• Reglamento General de Grados y Títulos: https://ucsp.edu.pe/archivos/transparencia/R-VICE-08-Reglamento-General-de-Grados-y-Titulos.pdf
• Disposiciones particulares de Grados y Títulos de la Escuela de Postgrado: https://ucsp.edu.pe/transparencia/disposiciones-particulares-de-grados-y-titulos-de-la-escuela-de-postgrado/

Requerimientos tecnológicos

• Contar con PC o Laptop.
• Cámara web (interna o externa) con mínimo de 720p de resolución.
• Micrófono (interno o externo).
• Acceso a internet – la velocidad recomendada es de 4 Mbps para descarga y 1 Mbps para subida o superior.
• Navegador Google Chrome o Firefox actualizado.