Internacional

Cursos Online, Licenciaturas y Posgrados a Distancia

Contáctenos

Llamanos
+54 11 52350072

de Universidad Tecnológica Nacional - UTN BA

Diplomatura en Business Intelligence

Fecha de inicio Fecha de inicio 14/08/2018
Precio Precio
US$  585,00

Duración Duración: 3 Meses - 96 hs. -
Modalidad y tipo de curso Tipoy Modalidad: Diplomado A distancia

Desde los primeros sistemas de soporte a las decisiones (DSS), data warehouses y sistemas de información ejecutiva se persigue el uso de datos para facilitar la toma de decisiones.


La Inteligencia de Negocio o Business Intelligence (BI) es la capacidad de comprender las interrelaciones de los hechos presentados para orientar las acciones de la organización hacia una meta deseada.


Mediante las herramientas y técnicas de ETL (extraer, transformar y cargar) se extraen los datos de distintas fuentes y se depuran y preparan (homogeneización y limpieza) para una posterior carga en un repositorio de datos. A posteriori, la principal actividad de BI es la explotación de los datos de la mejor manera posible, creando información y soportando la toma de decisiones.


En esta Diplomatura se preparara a los participantes para trabajar eficazmente dentro del sector de BI. Durante las 12 semanas de la formación integral y completa los participantes se familiarizaran con las herramientas conceptuales más empleadas en el campo y adquirirán criterios sobre su correcta aplicabilidad.


La formación comprende también los conceptos más avanzados en la especialidad, como ser los temas de Redes Neuronales, Algoritmos genéticos, Text Mining, Speach to Text y BIG Data.


Se trabaja también en mostrar cómo operan las principales herramientas comerciales (sistemas de información)también las de uso libre.

Destinatarios

El curso está dirigido a todos aquellos profesionales que quieran adquirir los fundamentos de la "Inteligencia de Negocios" (BI) ya sea para incorporarse en una posición de Analista de Business Intelligence como para mejorar sus posibilidades de crecimiento en este competitivo y creciente mercado.

 

Objetivo General

Que los participantes:

  • Aprendan a aplicar las herramientas conceptuales del oficio de BI a problemas simples e interpreten razonablemente los resultados obtenidos, así como estén en condiciones de utilizar las herramientas comerciales de mayor difusión en el mercado para implementar soluciones en las organizaciones.

Objetivos Específicos

Que los participantes:

  • Los fundamentos de la Inteligencia de Negocios.
  • Las técnicas de Investigación Avanzadas (Redes Neuronales – Algoritmos genéticos).
  • Las técnicas de Investigación Avanzadas (Speach to Text – Text Mining – Big Data)

 

Requisitos

Es conveniente que los participantes tengan un manejo general de las herramientas básicas informáticas (ofimática, carpetas, archivos, etc) así como los conceptos básicos de estadística descriptiva y probabilidad.

Los participantes se beneficiarán de su experiencia previa en uno o más de los siguientes campos:

  • Marketing
  • Manejo de base de datos
  • Programación
  • Matemáticas

Ninguno de los conocimientos resulta, en principio, excluyente. La simultánea falta de experiencia en todos los campos mencionados hará más ardua al alumno la tarea de seguimiento del curso.

 

Temario

MÓDULO 1: INTRODUCCIÓN Y FUNDAMENTOS DE LA INTELIGENCIA DE NEGOCIOS

UNIDAD 1: INTRODUCCIÓN

  • Introducción a la Inteligencia de Negocios
  • Niveles a los que opera la inteligencia de negocios
  • Introducción a Data Warehouse
  • Introducción a Data Mining
  • Introducción a Knowledge Discovery
  • Introducción a Herramientas OLAP y Tableros de comando

UNIDAD 2: TESTS BÁSICOS

  • Repaso de conceptos de probabilidad y estadística
  • Test de Hipótesis
  • Correlaciones

UNIDAD 3: REGRESIONES

  • Regresión Lineal
  • Regresión poli nómica
  • regresión exponencial y logarítmica
  • Regresión de dos variables

UNIDAD 4

  • Árboles

MÓDULO 2: TÉCNICAS DE INVESTIGACIÓN AVANZADAS – REDES NEURONALES – ALGORITMOS GENÉTICOS

UNIDAD 1: "CLUSTERS"

  • Planteo teóricoAlgoritmos conocidos y disponibles
  • El problema de la interpretación
  • Ejercicios prácticos

UNIDAD 2: REGLAS DE ASOCIACIÓN

  • Planteo teórico
  • Algoritmos conocidos y disponibles
  • Votación de modelos
  • Ejercicios prácticos

UNIDAD 3: REDES NEURONALES

  • El perceptrón
  • Redes de múltiples capas
  • Memorias fantasmas, capacidad de memoria y olvido de patrones
  • Ejercicios prácticos

UNIDAD 4: ALGORITMOS GENÉTICOS

  • Planteo teórico, tipo de problemas en los que resultan interesantes.
  • El problema de la convergencia
  • Ejercicios prácticos

MÓDULO 3: TÉCNICAS DE INVESTIGACIÓN AVANZADAS 2 – SPEACH TO TEXT – TEXT MINING –BIG DATA

UNIDAD 1: SERIES TEMPORALES

  • Introducción y ejemplos
  • Clasificación de las series temporales
  • Objetivos del análisis de series temporales
  • Componentes
  • Análisis descriptivo
    1. Estimación de la tendencia
    2. Estimación de la periodicidad
    3. Desestacionalización

UNIDAD 2: MÉTODO DE SIMULACIÓN DE MONTECARLO

  • Descripción del método
  • Cuando conviene utilizarlo
  • El problema de la convergencia
  • Ejercicios prácticos

UNIDAD 3: "SPEACH TO TEXT" Y "TEXT MINING"

  • Conversión de voz a texto
    1. Introducción
    2. Algoritmos difundidos
    3. Medición del éxito
    4. Campos de aplicación
    5. Ejercicio con una herramienta abierta
  • Minería de textos
    1. Introducción
    2. Algoritmos de extracción de datos
    3. Extracción de entidade
    4. Extracción de relaciones
    5. Extracción no supervisada
    6. Algoritmos de sumarización
    7. Algoritmos de clusttering
    8. Reducción de la dimensionalidad y construcción de semánticas

UNIDAD 4: "BIG DATA"

  • ¿Qué es big data?
    1. Sistemas batch / Offline - Almacenamiento
    2. HDFS
    3. Flume
    4. Sqoop
  • Sistemas batch / Offline - Procesamiento
    1. Hadoop
    2. Map Reduce
    3. Hive
    4. Pig
  • Sistemas batch / Offline - Analítica
    1. Data analytics y machine learning con R
  • Sistemas real time / Near real time
    1. HBase
    2. Cassandra
    3. ElasticSearch
    4. Neo4j
    5. Storm
  • Sistemas mixtos
    1. Hadoop+Cassandra
    2. Hadoop+HBase
    3. Hadoop+Solr
    4. Hadoop+Splout SQL

EXAMEN FINAL

Metodologia

Red Tecnológica, brinda postgrados, carreras, diplomaturas y cursos a distancia, pero con compromiso humano: “Educación sin distancias!. Es por ello que durante los cursos, se utilizarán diversas herramientas dentro del Campus Virtual que faciliten al docente la enseñanza y le brinden una experiencia de aprendizaje completa y didáctica al estudiante.
Durante el transcurso de la cursada se compartirá material de lectura y bibliografía para generar intercambios, debates y consultas en los foros. Las conversaciones en los foros son públicas por lo que tanto tutores como alumnos podrán responder consultas para así incentivar al aprendizaje colaborativo guiado por los docentes.
De igual forma se llevarán a cabo clases en tiempo real por medio del AVS, Aula Virtual Sincrónica. Y se realizarán evaluaciones de selección múltiple, autoevaluaciones, ejercicios prácticos y análisis de situaciones o casos en contextos acordes a la especialidad, tema y el objetivo del curso.

 

Certificacion

A todos los participantes que hayan aprobado la diplomatura cumpliendo con todos los requisitos establecidos, se les extenderá un certificado de la Secretaría de Cultura y Extensión Universitaria, FRBA, UTN. Aquellos que aun habiendo participado activamente en los foros y realizado las actividades prácticas no cumplimentaran los requisitos de evaluación, recibirán un certificado de participación en la diplomatura.

Modalidad

Todas las cursadas de nuestros postgrados, carreras, diplomaturas y cursos online se desarrollan a través del Campus Virtual. Dentro del Campus, los estudiantes participarán de una experiencia educativa cooperativa en la que se implementan diversas herramientas y actividades:

  • Clases en tiempo real: De manera concensuada, los docentes y alumnos podrán encontrarse en el Aula Virtual Sincrónica, AVS. Esta clase en tiempo real será utilizada para el dictado de materia o resolución de dudas cuando el docente crea conveniente. Estas clases no son obligatorias y quedan grabadas en el Campus para su descarga y visualización posterior.
  •  Foros de discusión: Los foros de discusión permiten a los participantes interactuar con el docente y con sus compañeros de cursada. Esta herramienta servirá de medio para desarrollar asignaciones, participar en debates con otros alumnos  y presentar dudas o consultas al tutor.
  • Material de lectura y apoyo: El docente compartirá, en el Campus Virtual, toda la bibliografía, material de apoyo y anexos que sean necesarios para el cursado. Todo el material compartido podrá ser descargado del Campus Virtual.
  • Comunicación directa con el docente: Dentro del Campus Virtual, el alumno podrá disponer de una casilla de contacto privada por medio de la cual podrá consultar con su docente o tutor cualquier tema de estudio.  
  • Actividades de aplicación práctica: El tutor propondrá una diversidad de actividades que podrán ser voluntarias u obligatorias, donde deberán aplicar de manera práctica los conocimientos impartidos durante la cursada.
  • Evaluaciones semanales: Los docentes realizarán evaluaciones semanales para medir el nivel de conocimientos del grupo en general y reforzar así en caso de ser necesario algún tema.

Evaluacion

Los alumnos participantes de las diplomaturas y cursos a distancia podrán ser acreditados con una nota de participación o aprobación.
La calificación de participación de cada módulo indica que el alumno realizó el 75% de las actividades que fueron propuestas durante el curso, tales como:

  • Realización de exámenes de selección múltiple o de autoevaluación de cada unidad o módulo.
  • Participación en la clase virtual. La presencia durante el AVS no es obligatoria, sin embargo se evalúa la visualización y descarga posterior de la misma a fines educativos.
  • Aporte, participación e integración a las discusiones, debates y actividades propuestas en cada unidad didáctica
  • Revisión del material de las unidades de estudio. Con un cumplimiento de al menos 75%.

Se considerará la aprobación de cada módulo con la entrega del trabajo práctico final integrador. Este trabajo incluye y unifica todos los conceptos impartidos a lo largo de la cursada. La evaluación final obligatoria, tendrá un plazo de entrega límite dentro del calendario del curso. Su presentación se realiza a través del Campus Virtual y contará con una instancia única de recuperación, tras la cual los alumnos no podrán realizar más entregas.

Requisitos

Es conveniente que los participantes tengan un manejo general de las herramientas básicas informáticas (ofimática, carpetas, archivos, etc) así como los conceptos básicos de estadística descriptiva y probabilidad.

Los participantes se beneficiarán de su experiencia previa en uno o más de los siguientes campos:

  • Marketing
  • Manejo de base de datos
  • Programación
  • Matemáticas

Ninguno de los conocimientos resulta, en principio, excluyente. La simultánea falta de experiencia en todos los campos mencionados hará más ardua al alumno la tarea de seguimiento del curso.


Consulta directa a la institución

captcha
> >