Presentación

El Diplomado en Data Science tiene como objetivo brindar una sólida formación teórica y práctica en los fundamentos estadísticos, computacionales, de aprendizaje de máquina, y visualización de datos de un proyecto de Data Science. Asimismo, se enfatiza en la construcción de modelos predictivos escalables para el análisis de datos y toma de decisiones en las organizaciones.

Ha sido diseñado para formar profesionales con conocimiento tecnológico en habilidades altamente especializadas para entender, construir y resolver problemas a través del análisis de datos en las organizaciones, usando herramientas computacionales.

Objetivos

El diplomado busca que los estudiantes alcancen los siguientes objetivos al finalizar el diplomado:

  • Construir modelos estadísticos para el análisis de datos en organizaciones, entender su poder y limitaciones.
  • Gestionar y analizar conjuntos de datos masivos, estructurados y no estructurados de una forma escalable.
  • Diseñar pipelines computacionales para un proyecto de ciencia de datos.
  • Diseñar, implementar y evaluar un sistema de software y modelo de Aprendizaje de Máquina (Machine Learning) en conjuntos de datos del mundo real.
  • Diseñar e implementar estrategias de visualización de datos para exploración, análisis y 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, minería y ciencias sociales.
Perfil Egresado
  • Abordar problemas y construir soluciones de análisis de datos usando herramientas computacionales.
  • Construir modelos predictivos estadísticos, entender su poder y limitaciones.
  • Proponer y construir modelos de Visualización de Datos para exploración, análisis y presentación.
  • Diseñar algoritmos analíticos en grandes volúmenes de datos.
  • Construir modelos predictivos para toma de decisiones basados en Machine learning.


Dirigido a

Dirigido a profesionales en computación o carreras afines con conocimientos de programación.

Metodología

El desarrollo de las sesiones en los cursos se desarrollará mediante clases virtuales sincrónicas.

Plan de Estudios
El diplomado está estructurado en 5 cursos:

1. Data Science y Big Data (Data Science and Big Data)
Se presentará un panorama general de un proyecto de Data Science. Se enfocan las cinco facetas principales de una investigación usando datos: 1) colecta de datos, discusión, limpieza y sampling para obtener el conjunto de datos adecuado 2) gestión de datos para su acceso de forma rápida y confiable 3) análisis exploratorio de datos 4) predicción 5) comunicación y sumarización de resultados a través de visualización Asimismo, se introducirán tópicos avanzados de Big Data tales como: MapReduce, Hadoop, Procesamiento en memoria con Spark y Análisis distribuido. Todo esto con el fin de llevar a cabo un proyecto de análisis masivo y escalable en las organizaciones.

2. Aprendizaje Estadístico (Statistical Learning)
Proporcionará las bases estadísticas para el modelado predictivo al abordar problemas de análisis de datos. Entre los tópicos avanzados que serán estudiados están: la simulación computacional de fenómenos aleatorios, muestreo de Monte Carlo, la generación de variables aleatorias, análisis exploratorio de datos y el reconocimiento de patrones estadístico. Asimismo, a través del uso de lenguaje R, se estudiarán ejemplos aplicados a casos reales y conjuntos de datos en varias áreas de negocios, incluyendo marketing, recursos humanos, finanzas y operaciones.

3. Python para Data Science (Python for Data Science)
Se realizará un estudio profundo del lenguaje de programación Python en tareas de análisis de datos. En ese sentido, se estudiarán: conceptos avanzados de Python, consultas estructuradas con Hive, la Importación de datos relacionales con Sqoop, la Ingestión de datos de streaming con Flume. Asimismo, se utilizarán Dataframes y librerías de Python para la construcción de aplicaciones distribuidas de Data Science. Al final del curso, los estudiantes tendrán una visión más profunda del uso de Python para analizar y explorar grandes volúmenes de datos proveniente de casos reales.

4. Machine Learning y Deep Learning (Machine Learning and Deep Learning)
Se abordará la forma de crear modelos predictivos para problemas de análisis de datos desde la perspectiva de Machine Learning y Deep Learning. El curso inicialmente cubrirá conceptos de: Regresión Multilineal, Regresión Logística y Redes Neuronales Multicapa. En una etapa posterior serán abordados problemas de clasificación y regresión usando Deep Learning. Técnicas como Word Embeddings, Language Modeling, Redes Neuronales Convolucionales y Redes Neuronales Recurrentes serán aplicados en casos de estudio para la detección de fraudes, la segmentación de clientes o la predicción del tiempo de inactividad de una máquina.

5. Visualización de Datos (Data Visualization)
Se estudiará herramientas visuales avanzadas para interpretar datos durante el proceso de descubrimiento de conocimiento, en apoyo a la toma de decisiones. Los tópicos abordados incluyen: la creación de Chart analíticos, limpieza de datos para visualización, procesamiento de datos multidimensionales. Asimismo, se estudiarán los tipos de analíticos visuales de acuerdo a su naturaleza y criterios para seleccionar la visualización adecuada. La visualización de información, visualización científica y visual analytics serán también estudiados a profundidad. La aplicación de estos gráficos serán enfocados en el análisis de datos multidimensionales, temporales, espaciales y de otras naturalezas, que son generadas cada minuto del día.

Nuestra plana docente cuenta con formación en universidades de prestigio de Brasil y EEUU, además de de tener profesores invitados del extranjero con amplia experiencia en Business Analytics.

Internacionales

Dr. Jorge Poco Medina (FGV-Brasil) jorge-poco
Doctor en Ciencia de la Computación, New York University (USA). Maestría en Ciencia de la Computación (Brasil). Actualmente es profesor asociado en la FGV de Brasil. Ha hecho pasantías de investigación en Google Inc. (2008 y 2010), Kitware Inc. (2011), Oak Ridge National Laboratory (2012) y Xerox Research (2013). Realizó un pos-doctorado en el Department of Computer Science and Engineering at the University of Washington, Seattle (USA). Especialista en Visualización de Datos para Data Science. Tiene amplia experiencia en proyectos de Data Science con empresas, donde ha desarrollado iniciativas de visualización de información y Visual Analytics.


Dr. Javier Montoya (ETH-Suiza) javier-montoya
Doctor en Ciencia de la Computación, ETH-Zurich (Suiza). Maestría en Visión y Machine Learning, INRIA/ENSIMAG (Francia). Actualmente es investigador senior en el ETH-Zurich (Suiza). Se ha desempeñado como Data Scientist en las empresa Caru GmbH con el proyecto: analysis of temporal data from sensors for predicting presence of humans in rooms. Asimismo en la empresa Tracktics GmbH, con el proyecto: analysis of sensor data for sport summarisation. Especialista en Machine Learning aplicado en Data Science.

Nacionales

Dr. José Eduardo Ochoa Luna (UCSP-Perú)jose-ochoa
Doctor en Ciencia de la Computación, Universidade de Sao Paulo (Brasil). Maestría en Ciencia de la Computación, Universidade Federal de Mato Grosso do Sul (Brasil). Actualmente se desempeña como profesor encargado de Postgrado del Departamento de Ciencia de la Computación de la UCSP. Ha sido chief technical officer (CTO) de la empresa Kompass Real Estate (Sao Paulo, Brasil). Ha desarrollado diversos proyectos de análisis de datos en social media, usando técnicas de procesamiento de lenguaje natural y Deep Learning. Es especialista en Machine Learning para Data Science.


Dr. Erick Gómez Nieto (USP-Brasil)erick-gomez
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 del Departamento de Ciencia de la Computación de la Universidad Católica San Pablo (UCSP). Ha trabajado como investigador en el grupo de Visual Analytics de IBM Research en Brasil. Es especialista y con amplia experiencia en visualización de datos, visual analytics y data science.


Dr. Alex Cuadros Vargas (UCSP-Perú)alex-cuadros
Doctor en Ciencia de la Computación, Universidade de Sao Paulo (Brasil). Maestría en Ciencia de la Computación, Universidade de Sao Paulo (Brasil). Realizó un Pos-Doctorado sobre generación de mallas a partir de imágenes, en la Universidad de Sao Paulo. Alex fue investigador invitado en el Department of Radiology, University of Pennsylvania (UPENN), USA . Fue también profesor invitado en el Scientific Computing and Imaging Institute (SCI) en Utah State University, USA. Es profesor investigador en la Universidad Católica San Pablo, en Arequipa, Perú desde el 2009, ha sido coordinador del Centro de Investigación e Innovación en Ciencia de la Computación. Actualmente es director del Departamento de Ciencia de la Computación de la UCSP.


Dr. Rensso Mora Colque (UCSP-Perú)rensso_mora
Doctor en Ciencia de la Computación, Universidade Federal de Minas Gerais (Brasil). Maestría en Ciencia de la Computación, Universidade Federal de Ouro Preto (Brasil). Actualmente es profesor a tiempo completo del Departamento de Ciencia de la Computación UCSP. Tiene amplia experiencia en programación y en procesamiento de imágenes y videos.


Dr. Alvaro Mamani Aliaga (UCSP-Perú)alvaro-mamani
Doctor en Informática, Universidad Nacional de San Agustín (Perú). Maestría en Ciencia de la Computación, Universidad de Sao Paulo (Brasil). Actualmente de desempeña como profesor en el programa de Ciencia de la Computación de la Universidad Católica de San Pablo. Tiene experiencia en las áreas de computación paralela y distribuida, programación y estructuras de datos. Trabajó como investigador en varios proyectos entre los que destacan el Proyecto Maritaca efectuado en la Universidad Federal de São Paulo (UNIFESP); los proyectos "Laboratorio de computación de alto rendimiento" y "Proyecto Tunki: Detección remota de humedales utilizando imágenes satelitales y computación de alto rendimiento" en la Universidad Nacional de San Agustín. Sus áreas de interés son: computación de alto rendimiento, computación paralela, computación en la nube, sistemas de archivos distribuidos, big data, computación móvil y ciencia de datos.


Dr. Daniel Gutierrez Pachas (UCSP-Perú)daniel_gutierrez
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 profesor del Departamento de Ciencia de la Computación UCSP. Es 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 - CLAMACI. Sus áreas de interés son: filtración y control de sistemas estocásticos, optimización, ecuaciones diferenciales parciales y análisis numérico.


Calendario
Inscripciones Hasta el 20 de noviembre de 2020
Matrícula Hasta el 20 de noviembre de 2020
Fecha de Inicio 27 de noviembre de 2020
Fecha de Fin Domingo 04 de julio de 2021
Horario Encuentros quincenales:
  • Viernes de 18:15 a 21:15 h
  • Sábado de 09:00 a 13:00 h y de 14:30 a 18:30 h
  • Domingo de 09:00 a 13:00 h
Duración 300 horas académicas y 200 horas prácticas
Lugar Campus San Lázaro
Inversión
Opción de Pago Cuotas Total
Opción 1 01 cuota de S/ 5,400.00 (Pronto pago hasta el 20 de noviembre S/ 5,400.00
Opción 2 08 cuotas de S/ 737.50 (incluye matrícula)(Cronograma de pagos en el Cuadro A) S/ 5,900.00
Opción 3 Comunidad UCSP - ISUR 08 cuotas de S/ 675.00 o 01 cuota de S/ 5,400.00 S/ 5,400.00
Cuadro A - Opción 2 (Pago en Cuotas)
Pago Monto Fecha de Pago
Cuota I y Matrícula S/ 737.50 Hasta el 20 de noviembre
Cuota II S/ 737.50 Hasta el 20 de diciembre
Cuota III S/ 737.50 Hasta el 20 de enero 2021
Cuota IV S/ 737.50 Hasta el 20 de febreo 2021
Cuota V S/ 737.50 Hasta el 20 de marzo 2021
Cuota VI S/ 737.50 Hasta el 20 de abril 2021
Cuota VII S/ 737.50 Hasta el 20 de mayo 2021
Cuota VIII S/ 737.50 Hasta el 20 de junio 2021

Tabla de cuentas bancarias:

Moneda Banco Nº de Cuenta Interbancario Nº de Cuenta
Dolares Bcp 002-215-001063974137-29 215-1063974-1-37
Soles Bcp 002-215-001106015085-28 215-1106015-0-85
Dolares ScotiabanK 009-314-000000281671-68 000-0281671
Soles ScotiabanK 009-314-000000125253-65 000-0125253
Dolares Bbva 011-239-000100015013-14 0011-0239-0100015013-14
Soles Bbva 011-239-000100015005-10 0011-0239-0100015005-10
Inscripción y Certificación
Para personas que cuentan con el grado de bachiller:
  • Inscripción
    • Ficha de inscripción.
    • Copia simple de DNI.
    • Extranjeros: Copia simple de carné de extranjería o pasaporte.
    • Copia simple del diploma del grado académico de bachiller.
    • Extranjeros: Copia del equivalente del grado de bachiller.
  • Matrícula
    • Comprobante de pago de derechos de Cuota I y Matrícula
    • Registro de la SUNEDU del grado académico de bachiller. Si no está registrado el grado en SUNEDU se tendrá que presentar una copia legalizada del diploma de bachiller.
    • Extranjeros: Copia legalizada o con la apostilla de La Haya del equivalente del grado de bachiller.
  • Certificación
    • Se otorgará un diploma de postgrado por todo el diplomado.
  • Creditaje
    • 25 créditos académicos
Para personas que no cuentan con el grado de bachiller:
  • Inscripción
    • Ficha de inscripción.
    • Copia simple de DNI.
    • Extranjeros: Copia simple de carné de extranjería o pasaporte.
  • Matrícula
    • Comprobante de pago de derechos de Cuota I y Matrícula
  • Certificación
    • Se otorgará un certificado como programa


Para realizar tu inscripción por favor comunicarte con:

  • Jessica Velasquez Bedregal
    Asesora de Servicios Educativos
    Of. De Admisión e Inscripciones
    Campus Salaverry - Av. Salaverry N° 301, Vallecito, Arequipa - Perú
    Cel: 920 998 094
    Email: jgvelasquez@ucsp.edu.pe

1. A quién está dirigido el Diplomado de Data Science

El Diplomado de Data Science está dirigido a personas con conocimientos de programación de las carreras de Ciencia de la Computación, Ingeniería de Sistemas, Ingeniería Informática Ingeniería Electrónica, carreras afines.


2. Cuáles son los requisitos necesarios para inscribirse al Diplomado de Data Science

Los requisitos necesarios son:

  • Ficha de inscripción.
  • Copia simple de DNI.
  • Copia simple del diploma del grado académico de bachiller.
En el caso de personas que no cuentan con el grado de bachiller, estas presentarán sólo los 02 primeros requisitos.


3. Cúanto es la duración y cúal es el horario del Diplomado de Data Science

La duración es de 300 horas académicas más 200 horas prácticas. Las clases empiezan el 27 de noviembre del 2020 y terminan el 4 de julio del 2021, siguiendo una periodicidad quincenal, a excepción de algunos fines de semanas con feriados, donde no se dictará el diplomado.

El horario de clases es el siguiente:

  • Viernes de 18:15 a 21:15 h
  • Sábado de 09:00 a 13:00 h y de 14:30 a 18:30 h
  • Domingo de 09:00 a 13:00 h


4. Se dará certificado del Diplomado de Data Science

Se brindará un diploma de postgrado una vez el estudiante lleve y culmine satisfactoriamente los 5 cursos que componen este diplomado y apruebe el trabajo final.
En el caso de las personas que no cuenten con el grado de bachiller, se les brindará un certificado como programa.


5. Se necesita de algún conocimiento especializado para llevar el Diplomado de Data Science

Si, se necesita tener conocimientos de programación.


PRE-INSCRÍBETE AQUÍ