XI PROGRAMA DE ESPECIALIZACIÓN EN
BIG DATA & ANALYTICS
INICIO: 16 DE JUNIO
El XI Programa de Especialización en Big Data & Analytics trata de responder a
las necesidades de formación de capacidades en Analítica de Datos,
sus procedimientos, técnicas, herramientas y aplicaciones.
Los especialistas formados están llamados a cumplir un rol fundamental en
proyectos que ofrezcan soluciones digitales a los clientes de las organizaciones,
tal que se logre la personalización de la atención y la autonomía en la prestación
de bienes y servicios, bajo un esquema de simplicidad y seguridad.
Estos profesionales diseñan procedimientos y usan herramientas para: capturar
diversos tipos de datos, estructurados y no estructurados que pueden llegar por
múltiples canales a la vez; almacenar los datos recolectados de forma fiable y
segura; acceder a los datos desde diferentes localizaciones; integrar los datos
de diversas fuentes; investigar los patrones de comportamiento de los
datos almacenados; construir modelos que expliquen estos patrones y finalmente
lograr que los datos tengan “espíritu propio”.
Todo bajo un enfoque orientado a los fines empresariales de rentabilidad y riesgo,
en un ambiente de múltiples fuentes de datos, de alta velocidad de transferencia
de datos y de alta transaccionalidad de los sistemas, para la toma de
decisiones en tiempo real.
Los participantes desarrollan habilidades y competencias para diseñar sistemas
de adquisición de datos, para la integración de datos de múltiples fuentes,
para investigar estos datos y para construir modelos analíticos.
DIRIGIDO A
El Programa de Especialización en Big Data & Analytics se
orienta a profesionales que quieran desarrollar o
fortalecer sus capacidades técnicas y analíticas necesarias para
una carrera de éxito en la Analítica de Datos, por lo tanto
está dirigido a profesionales con una sólida formación en
matemáticas, estadística y programación.
Así mismo está dirigido a profesionales de las áreas como:
Administración, Administración Bancaria y de Seguros,
Administración de Redes, Análisis de la Información, Biología,
Ciencias de la Computación, Ciencias de la Información,
Economía, Estadística, Ingeniería Aeronáutica, Ingeniería
Ambiental, Ingeniería Civil, Ingeniería de Minas, Ingeniería de
Petróleo, Ingeniería de Sistemas, Ingeniería de Software,
Ingeniería de Telecomunicaciones, Ingeniería Electrónica,
Ingeniería Estadística e Informática, Ingeniería Geográfica,
Ingeniería Industrial, Ingeniería Informática, Ingeniería Mecánica,
Ingeniería Química, Marketing, Matemáticas y
profesionales de diversas áreas afines interesados en ingresar al
mundo de la analítica de datos.
PLAN DE ESTUDIOS
MÓDULO NOMBRE DE MÓDULO ASIGNATURAS
Gestión tradicional de proyectos
Introducción a los principios de LEAN y Desing Thinking
Framework SCRUM for Analytics
GESTIÓN DE Historias de usuarios – Product Vision Board
PROYECTOS - SCRUM Técnicas de estimación: Planning Poker
FOR ANALYTICS Introducción Integración continua – DEVOPS:
I
Plataforma GITHUB y Sistema de Control de Versiones
GIT
Gestión de tableros digitales para seguimiento de
proyectos
Talleres y dinámicas grupales para descubrimiento del
producto
Introducción al Business Intelligence
Arquitectura DataWarehouse Ralph
Kimball / Bill Inmon
BUSINESS Herramientas de visualización
II
INTELLIGENCE Técnicas de modelamiento
dimensional y relacional
Indicadores KPI
Casos Prácticos
INTRODUCCIÓN AL BIG DATA
Qué es el Big Data
Conceptos y Terminología.
Aspectos Generales de Big Data
Fuentes de Datos por Tipo de Datos
Criterios para la adopción del Big Data
III BIG DATA
Casos Prácticos
PLANIFICACIÓN DEL BIG DATA
Nuevos Perfiles
Recursos Organizacionales
Recursos Tecnológicos
Ciclo de Vida del Big Data
TECNOLOGÍAS PARA EL BIG DATA
a) Tecnologías de Almacenamiento y estructuramiento
• Hadoop
• HBase
• Cassandra
b) Tecnologías batch / Offline - Analítica
• Spark Core
• Spark SQL
• Hive
• Impala
c) Tecnologías Real Time y Streaming
• Kafka
• Storm
• Spark Streaming
d) Tecnologías Big Data en Cloud y On premise
• Azure Data Lake
• Amazon Web Services (AWS)
• Google Cloud Dataproc
• On Premise
TALLER DE BIG DATA
Casos de éxito con Big Data
Diseño de una arquitectura Big Data
Exposición Proyecto Big Data
INTRODUCCIÓN A NOSQL
Introducción a No SQL
Key/Value Stores
Column Stores
Graph Stores
INTRODUCCION A NO Multi-model Stores
IV SQL Y DATOS NO Document Stores
ESTRUCTURADOS
ANÁLISIS DE NUEVAS FUENTES
APIs de Redes Sociales
Técnicas de web scraping utilizando
Python
Otras fuentes no estructuradas
Caso práctico
FUNDAMENTOS DE LA CIENCIA DE DATOS
Fundamentos de Data Analytics
Modelos y su Ciclo de Vida
Aplicaciones en casos reales
Data Science Tool Box
Metodología para la construcción de modelos
ANÁLISIS EXPLORATORIO DE DATOS
Distribuciones de Frecuencia
Análisis Univariado
Análisis Multivariado
DATA PREPARATIONS
Importar Datos en R
Tratamiento de Nulos
Tratamiento de Cotas
Transformación de Datos
Muestreo
V DATA ANALYTICS TÉCNICAS DE SEGMENTACIÓN Y ASOCIACIÓN
Segmentación por puntuación: RFM
(Resiliencia Frecuencia monetario)
Segmentación por algoritmos no
supervisados (K-Medias y Bi-etápica)
Asociación a-priori
Caso de Uso: Microsegmentación de
Clientes
MODELOS DE REGRESIÓN
Regresión Lineal y Logística
Validación de los modelos de regresión
Selección de variables (Bootstrap)
Caso de Uso: Predictor de Ingresos
MODELOS DE CLASIFICACIÓN
Repaso de las principales técnicas
(Arboles de decisión y Regresión
Logística)
Validación (Matriz de confusión y
GINI)
Caso de Uso: Credit Scoring
ANALÍTICA DE DATOS NO ESTRUCTURADOS TEXT
MINING
Métodos de clasificación y reconocimiento de
patrones
Caso de Uso: Análisis de Sentimientos
SEGUIMIENTO Y CALIBRACIÓN
Técnicas de Visualización de datos.
Indicadores de seguimiento (GINI, PSI, IC)
Técnicas para la Calibración de modelos
Caso de Uso: Tablero de seguimiento
CERTIFICACIÓN
> Diploma de Estudio
Al haber aprobado todos los módulos del Programa
y el Trabajo Integrador con nota mínima de 14 se
emite al participante un Diploma del BIG DATA
& ANALYTICS a nombre de la Universidad Nacional
de Ingeniería.
> Constancia de Participación
A los participantes que no cumplan con la totalidad
de lo exigido. En dicha constancia se precisará las
asignaturas aprobadas.
PLANA DOCENTE
Ing. Arturo Rojas
Especialista en soluciones y arquitectura Business Intelligence, Herramientas de
integración, explotación y calidad de datos, manejadores de base de datos, Gestión
de proyectos, Mejora y rediseño de procesos Lean, metodologías agiles de desarrollo,
gestión de personas y equipos de trabajo utilizando técnicas de programación
Neurolinguistica - PNL y Coaching ontológico. Ingeniero de Sistemas de la
Universidad Nacional de Ingeniería. Profesional con más de 14 años de experiencia
desarrollando y liderando proyectos de Tecnologías de Información, Business
Intelligence en empresas del sector financiero, servicios, entidades públicas.
Experiencia en Docencia Universitaria Postgrado.
Actualmente es Sub Gerente de proyectos de Inteligencia de negocios del Banco de
Crédito del Perú (BCP).
Ing. Jose Araujo
Mg(c) Finanzas Corporativas y Riesgo Financiero de CENTRUM Católica. Bsc en
Ingeniería Económica de la Universidad Nacional de Ingeniería. Con experiencia en
mercado de capitales, estructurando emisiones y administrando portafolios de renta
fija para Grupo Coril SAB. Actualmente se desempeña como Sub Gerente Ajunto de
Modelamiento y Metodologías para la Gestión del Riesgo en el Banco de Crédito BCP.
Posee diversas especializaciones en finanzas, riesgo financiero y Data Science,
además de haber aprobado la evaluación CFA nivel I. Es profesor de Econometría I y II
en la Facultad de Ingeniería Económica de la Universidad Nacional de Ingeniería,
además,es docente en cursos relacionados a Riesgos, Finanzas y Data Science.
Ing. Antonio Cachuan
Ingeniero de Sistemas de la UNMSM y Máster en Gestión de Proyectos en la
Universidad de Barcelona, con estudios de Big Data en la Universidad
Complutense de Madrid. Profesional con más de 3 años en el sector de Banca
dentro de áreas de Inteligencia de Clientes y Big Data. Apasionado por temas
de Machine Learning (Python), Deep Learning (Computación paralela) y Bots
(Natural Language Processing). Registrado en el DINA de Concytec.
Actualmente es Data Engineer en el Centro de Excelencia de Big Data del BCP.
MSc. Diego Benavides
Master of Science (MSc) en Sistema Mecatrónicos, Especialización en sistema
inteligentes por la Universidade de Brasília. Licenciado en Computación
científica y Matemática aplicada. Profesor asociado en el Centro de
Tecnologías de Información y Comunicaciones (CTIC) de la UNI.
REQUISITOS DE APROBACIÓN
En el Programa de Especialización en Big Data & Analytics se evalúa de forma
permanente, mediante los siguientes criterios:
Asistencia a clases (al menos 80% de asistencia) (10%)
- Participación en las sesiones de clases (20%)
- Trabajos prácticos parciales (20%)
Trabajo integrador (50%)
- La nota promedio mínima aprobatoria es de 14.00 (catorce)
PRE-REQUISITOS
Los profesionales interesados en participar en el XI Programa de
Especialización en Big Data & Analytics deberán cumplir con alguno de los
siguientes requisitos:
- Estudios universitarios concluidos, evidenciado con diploma emitido por la
Universidad, certificado de estudio o constancia de ciclo académico.
- Estudios técnicos profesionales (mínimo 3 años) concluídos, evidenciado
con: diploma emitido por el Instituto/Universidad, certificado de estudio o
constancia de egresado.
INFORMACIÓN GENERAL
120 horas
Inicio de clases: distribuidas en Inversión:
16 de junio sesiones de 04 S/ 3,500
horas cada una
Sábados y CTIC - UNI
Domingos Av. Túpac Opción 1. Pago único: S/ 3,500
(Solicitar Amaru – Puerta Opción 2. S/ 3,750 (3 cuotas
cronograma) N° 5, Pabellón R4 iguales de S/ 1,250 cada una)
PROCESO DE INSCRIPCIÓN
1 ...... DOCUMENTOS A ENVIAR
Enviar al e-mail: capacitacion-ctic@[Link]
1. Completar la Ficha de Inscripción
2. Copia de DNI (legible)
3. Enviar CV actualizado sin documentar
4. Copia de Bachiller o Título Profesional o Título de Técnico Profesional
(3 años)
5. Carta de Compromiso de la Empresa (sólo en el caso que la institución
financie el programa)
2 ...... PAGO DEL PROGRAMA
1. Elegir una de las siguientes opciones:
Opción 1. Pago único: S/ 3,500
Opción 2. S/ 3,750 (3 cuotas iguales de S/ 1,250 cada una)
NOTA: Los alumnos deberán traer el original de su recibo o voucher de pago a CTIC-UNI para que un personal
administrativo inicie el procedimiento de canje por su comprobante de pago (es requisito indispensable para su
certificación).
(*) El dictado de clases del Programa de Especialización se iniciará siempre que se alcance el número mínimo de
alumnos matriculados establecido por la Jefatura de Capacitación.
MODALIDADES DE PAGO
1. Banco
Indicar el Código Autogenerado del servicio 667 y Concepto: CURSOS
CAPACITACION-OTROS
2. Caja UNI*
Pago con tarjeta de débito o crédito
(previamente deberá solicitar la orden de pago en la Oficina de Capacitación
del CTIC-UNI).
Horario de atención de CAJA UNI:
Lunes a viernes de 8:00 a 15:30 hrs.
Pabellón Central UNI, ingresar por la puerta N° 3
DESCUENTOS
Descuento por pronto pago(*) 10%
Comunidad CTIC- UNI (**) 12%
Descuento Corporativo 20%
(*) El Descuento especial por pronto pago del 10% es hasta 09 de junio
(aplica a cualquiera de las modalidades de pago).
(**) Comunidad CTIC-UNI : Alumnos egresados de Educación Ejecutiva
CTIC-UNI.
Los descuentos no son acumulables.
INFORMES E INSCRIPCIONES (01) 4811070 anexo 7004-7030
Oficina de Capacitación CTIC - UNI WhatsApp: 993650618
capacitacion-ctic@[Link] [Link]
