Programa de Especialización en
Data Analytics

Inicio

Convocatoria 2024

Modalidad

Clases a distancia en tiempo real

Duración

128 horas lectivas

Acerca de este programa

En el nuevo contexto de la revolución tecnológica y digital se ha desencadenado un incremento exponencial de los datos en el mundo, lo cual ha abierto una serie de posibilidades —en las organizaciones— para implementar soluciones analíticas que generen valor en las decisiones del día a día y fortalecer sus ventajas competitivas. En este sentido, solo las compañías data-driven que tengan la capacidad de generar, resguardar y explotar sus datos serán las que logren capitalizarlos en favor del cumplimiento de sus objetivos estratégicos.

El participante de nuestro Programa de Especialización en Data Analytics adquirirá las habilidades y competencias necesarias para la aplicación de métodos y técnicas de visualización y explotación de datos. Comprenderá cómo se gestiona un proyecto de data analytics descriptivo, predictivo o prospectivo; y estará en la capacidad de desarrollar y liderar una estrategia de datos que permita generar insights de valor y la correcta toma de decisiones dentro del marco organizacional.

Dirigido a:

  • Profesionales, universitarios o técnicos, de diversas carreras como: ingeniería de sistemas, ingeniería industrial, investigación de operaciones, economía, estadística, matemáticas aplicadas, administración, entre otras.
  • Profesionales con cargo de analistas, responsables, jefes y directivos en áreas de trabajo donde se requiera generar valor implementando proyectos de análisis de datos.

Requisitos:

  • Conocimiento básico de estadística descriptiva y de Power BI.
  • Manejo de Excel a nivel intermedio.
  • Tener instalado el software Anaconda (alumnos no-code).
  • Conocimiento básico de programación en Python o R (alumnos code).

Solicitar más información

Plana docente

Guillermo Acha Ruiz
Gerente del Chapter Leader Analytics del COE del Banco de Crédito. Fue gerente de Datos y Analítica Avanzada de Konecta Perú, líder de proyectos de Data Analytics de Telefónica y líder de Business Analytics de Atento. Maestrando en Estadística Aplicada por la UNALM. Especialización en Big Data por la UNI. Licenciado en Administración y Finanzas.

José Luis Breña Aliaga
Supervisor de Canales Remotos de Entel Perú. Más de 10 años de experiencia en proyectos de analítica, inteligencia comercial y de negocios. Fue especialista de Planeamiento Comercial de Mibanco, coordinador de Business Analytics de ATENTO y analista de Inteligencia Empresarial de ASSIST CARD. Ingeniero estadístico e informático.

Gustavo Avalos Almeyda
Director de BI & Risk Strategy de Oka. Fue gerente de BI & Advanced Analytics de VISIVA y subgerente de Pricing & RA de Scotiabank, donde también se desempeñó como jefe de Analytics & Estrategia de Adquisición y Vinculación TC. Magíster en Marketing por ESAN. Máster en Marketing Science por ESIC. Ingeniero de sistemas.

Oswaldo Malqui Tapia
Coordinador de Business Analytics de Atlantic City. Con 12 años de experiencia en el sector banca retail. Fue analista de Negocios Senior en Interbank y analista CRM III en el BCP. Maestría en Administración y Negocios por INCAE. Certificado en Data Science y Big Data por el MIT de Estados Unidos. Ingeniero informático.

* Programación de docentes sujeta a variación según disponibilidad.

Certificación

ESPECIALISTA EN DATA ANALYTICS

Luego de aprobar todos los módulos del programa se te otorgará el certificado de especialista en Data Analytics, a nombre de la Escuela de Posgrado de la Universidad Continental.

Ventajas diferenciales

Propuesta académica moderna
Propuesta académica actualizada
Utilización de herramientas code y no-code de acuerdo a las necesidades de cada participante, así como estudio de casos reales peruanos para reforzar lo aprendido en cada módulo.
Excelencia docente
Excelencia docente
Especialistas con amplio conocimiento y experiencia, que han participado en proyectos de analítica y ciencia de datos en diversos sectores.
Metodología activa y participativa
Metodología activa y participativa
Que promueve el trabajo colaborativo y la interacción entre el participante y el facilitador, con asesoramiento permanente durante el desarrollo del programa.
Ecosistema digital para el aprendizaje
Ecosistema digital para el aprendizaje
Recursos y herramientas tecnológicas de vanguardia utilizadas en las mejores universidades del mundo, con acceso a la biblioteca y al aula virtual.

Plan de estudios

El programa está organizado por 7 módulos, con un total de 128 horas lectivas:
  • Nuevas tendencias en el análisis de datos y su importancia.
  • Ciclo de valor de los datos.
  • Niveles de análisis de datos.
  • Principales ventajas competitivas generadas por el análisis de datos.
  • Planteamiento de un problema de negocio para el proyecto de analítica de datos.
  • Herramientas tecnológicas para el análisis de datos.
  • Metodologías para la gestión de proyectos vinculados a datos.
  • Planteamiento y definición del alcance de un proyecto: viabilidad técnica y económica.
  • Fases y procesos de la gestión de un proyecto de business intelligence y de business analytics.
  • Evaluación del impacto del proyecto.
  • Tipos de datos y su distribución.
  • Medidas de tendencia central y variabilidad de datos.
  • Técnicas de visualización de datos.
  • Técnicas de causalidad y relación entre variables.
  • Procesos de automatización de reportes e informes descriptivos.
  • Caso de uso en Power BI.
  • Proceso de implementación de algoritmos predictivos.
  • Modelos de pronóstico con series de tiempo.
  • Modelos de regresión lineal: simple, múltiple y polinómica.
  • Modelos de clasificación: árboles de clasificación, regresión logística, KNN y Naive Bayes.
  • Indicadores de evaluación de modelos.
  • Clúster jerárquico.
  • Algoritmo K-means y K-medoids.
  • Algoritmo K-modes y K-prototypes.
  • Algoritmo DBSCAN.
  • Modelos de recomendación (reglas de asociación).
  • Proceso de algoritmos de optimización y sus elementos.
  • Programación lineal, no lineal y cuadrática.
  • Casos de uso.
  • Algoritmos: Random forest, XgBoost, Catboost y Lighboost.
  • Speech analytics y text analytics.
  • Deep learning para clasificación de imágenes.
  • Deep learning para clasificación de sonidos.