Diplomado en Ciencia de Datos e IA

¿En qué consiste?
¿A quién está dirigido?
El diplomado está dirigido a:
- Ejecutivos y tomadores de decisión interesados en liderar iniciativas impulsadas con data y analíticas.
- Profesionales del área de tecnología, ciencia de datos, análisis o transformación digital.
- Personas involucradas en el diseño, gestión o análisis de soluciones basadas en datos que busquen incorporar técnicas de IA en sus procesos.
- Profesionales de cualquier industria que deseen adquirir habilidades en el análisis avanzado de datos y el uso de inteligencia artificial para la toma de decisiones informadas.
.avif)
Un claustro de élite

Plan de estudios
El Diplomado en Ciencia de Datos se compone de 42 horas de formación a través de los siguientes módulos.
Requisitos
21 de octubre de 2025 - 4 de diciembre de 2025
1. Ciencia de Datos en la Toma de Decisiones Empresariales
- Introducción a la Ciencia de Datos y su importancia estratégica.
- Ciclo de vida de un proyecto de datos.
- Herramientas y perfiles del ecosistema analítico.
2. Programación para Análisis de Datos con Python
- Sintaxis básica de Python para analítica (variables, estructuras, funciones).
- Principales librerías para manejo de datos.
- Instalación y configuración del entorno (Google Colab o Jupyter).
3. Limpieza y Preparación de Datos para Modelado
- Carga, inspección y validación de conjuntos de datos.
- Limpieza de datos: valores nulos, duplicados, outliers.
- Transformaciones: escalado, encoding y normalización.
4. Big Data y Analítica en la Nube
A) FUNDAMENTOS DE BIG DATA
- Introducción a Big Data: volumen, velocidad, variedad, veracidad y valor.
- Casos de uso en industrias y gobierno.
- Arquitecturas de procesamiento: HDFS, Hadoop, Spark.
B) ANÁLISIS DE BIG DATA EN LA NUBE
- Plataformas cloud: Google Cloud Platform, AWS, Azure.
- Procesamiento distribuido y consultas.
- Seguridad y escalabilidad.
5. Análisis Exploratorio de Datos (EDA)
- Estadísticas descriptivas y análisis de correlaciones.
- Visualización de variables numéricas y categóricas.
- Identificación de outliers y patrones de comportamiento.
6. Segmentación con Aprendizaje No Supervisado
- Introducción al aprendizaje supervisado.
- Modelos de regresión y clasificación.
- Métricas de evaluación: accuracy, precision, recall, ROC.
7. Optimización de Modelos y Selección de Variables
- Validación cruzada y ajuste de hiperparámetros.
- Importancia de variables y selección automática.
- Reducción de dimensionalidad con PCA.
8. Segmentación con Aprendizaje No Supervisado
- Clustering: K-Means, DBSCAN.
- Análisis de componentes principales (PCA).
- Aplicaciones prácticas en negocios.
9. Procesamiento de Lenguaje Natural (NLP)
- Limpieza y procesamiento de texto: tokenización, stopwords, TF-IDF.
- Análisis de sentimientos y clasificación de textos.
- Aplicaciones: soporte al cliente, reputación digital.
10. Redes Neuronales e Inteligencia Artificial Aplicada
- Introducción a redes neuronales artificiales (ANN).
- Uso de modelos preentrenados con TensorFlow/Keras.
- Aplicaciones en visión y texto.
11. IA Avanzada, Sesgos y Ética en la Automatización
- Introducción al Reinforcement Learning y modelos generativos.
- Sesgos algorítmicos y fairness en IA.
- Ética, privacidad y regulaciones.
12. Visualización de Datos Avanzada y Storytelling
- Principios de visualización efectiva.
- Creación de dashboards interactivos con Plotly, Dash o Power BI.
- Comunicación efectiva de resultados para stakeholders.
13. Inteligencia Artificial Generativa
- Fundamentos de IA Generativa
- Modelos de texto, imagen, código: ChatGPT, Dall-E, Claude.
- Aplicaciones prácticas y automatización.
Matrícula
Matrícula
El monto de inversión es de $42,000 más IVA.
Becas
21 de octubre de 2025 - 4 de diciembre de 2025
Presencial + Streaming
$42,000 más IVA