• csoft / csoft
logo

Inicio / Cursos / Diplomado de Ciencia de Datos

Diplomado de Ciencia de Datos

Descripción
Objetivo

Comprender los conceptos fundamentales de la Analítica e Inteligencia de Negocios para estructurar una estrategia de implantación dentro de las empresas con enfoque a la excelencia, en la emergente industria 4.0. Se proveerá de conocimiento aplicado de herramientas estadísticas, de analítica descriptiva, analítica diagnóstica, analítica prescriptiva y de analítica predictiva

Fecha de inicio
2017-11-24

Clase de evento
Diplomado

Precio
Contactar a Csofmty Socios
Contactar a Csoftmty No socios

Registro
Registrarse

Objetivo
Metodología:

El Diplomado combina los siguientes elementos:
1. La instrucción presencial está a cargo de nuestros instructores, los cuales están conformados por expertos con amplia experiencia en el campo de la aplicación, además de contar con desarrollo de despliegues de Business Analytics en las organizaciones, con el fin de garantizar un equilibrio entre la teoría y la práctica

2. Laboratorio con equipo de cómputo y software especializado.

3. Material electrónico del curso. (USB)
a. Ejemplos para empresas de manufactura y servicios

4. Seguimiento a la asistencia y puntualidad. Se deberá tener al menos un 85% de asistencia

5. Seguimiento y evaluación del desempeño de cada participante a través de los ejercicios y su retroalimentación.


Beneficios para la empresa

Al concluir el diplomado los beneficios para la empresa serán:

1. Desarrollar a sus ejecutivos para poseer una visión integradora para dirigir adecuadamente a una organización, identificando oportunidades mediante el uso de herramientas tecnológicas para analizar datos de la organización y en redes sociales.

2. Aplicación de metodologías de analítica descriptiva, diagnóstica, prescriptiva y predictiva para optimizar sus procesos productivos, administrativos, financieros, y tecnológicos a fin de lograr la misión y los objetivos de la empresa

3. Decisiones basadas en hechos y en datos

Temas
Curso 1. Fundamentos de estadística para la analítica de negocios y su impacto en la industria 4.0

Dr. Juan Baldemar Garza Villegas

 Industria 4.0 y la analítica de negocios
• Introducción de la analítica e inteligencia de negocios en la Industria 4.0
• Evolución de la analítica e inteligencia de negocios
• Alcance de la analítica e inteligencia de negocio
 Estrategia de la analítica e inteligencia de negocios
• Proyectos de analítica derivados para apoyar la estrategia de negocio
• Data Governance
o Políticas para uso de datos
 Precisión
 Accesibilidad
 Consistencia
 Actualización de los datos
 Análisis estadístico para la inteligencia de negocios ¿Por qué se requiere la estadística en la analítica de negocios?
• ¿Qué es y para qué sirve la estadística en los negocios?
• Tipos de estadística (Descriptiva e Inferencial)
• Mediciones en estadística
o Tipos de datos (Cualitativos y Cuantitativos)
o Tipos de datos cuantitativos (Continuos y Discretos)
o Estructurados vs No estructurados
o Estáticos y transmisión de datos
o Identificando categorías de datos (actitudinales, de comportamiento y demográficos)
o Niveles de medición (ordinal, nominal, intervalo, ratio)
• Describiendo los datos
o Distribuciones
 Normal
 Otras distribuciones
o Medidas de localización (Media, mediana y moda)
o Medidas de variación (Rango, Varianza y Desviación Estándar)
o TLC y Probabilidad en estadística
 Introducción Software estadístico Minitab
 Ejercicios prácticos


Curso 2. Sé un experto en estadística aplicada

Dr. Juan Baldemar Garza Villegas

 Técnicas estadísticas más comunes en los negocios
• Ejercicios prácticos aplicados en los negocios
o Software Minitab
o Supuestos de normalidad
o Pruebas de hipótesis y su procedimiento
o One t (One sample t)
o 2-t (Two sample t)
o Test de 2 varianzas
o ANOVA (Balanceada, No Balanceada y Modelo GLM)
o Chi-square (Tabla de Contingencia)
o Diagramas de Dispersión y Correlación
o Regresión lineal simple
o Regresión múltiple
o Diseño de Experimentos
o Tips y recomendaciones

Curso 3. Conoce a detalle lo que hay en el mundo de la analítica

Dr. Juan Baldemar Garza Villegas

 Tipos de analítica en los negocios. Teoría
• Descriptiva
• Diagnóstica
• Prescriptiva
• Predictiva
• Story telling
 Analítica Aplicada. Casos de estudio
• Risk & Financial Analytics (Churn prevention, credit scoring & Fraudulent prediction
• Retail Analytics (Basket recommendation)
• Human Resources Analytics (Recruitment)
• Quality Analytics (Control vs Technology)
• Maintenance Analytics (RCM)
• Sports Analytics
• Healthcare Analytics
• IBM Watson (Cognitive AI)
• Marketing Analytics (Cluster Analysis for Segmentation)
 Analítica Aplicada. Ejercicios prácticos aplicados en negocios
• Introducción a la Analítica Descriptiva:
o Introducción Software Tableau
o Análisis descriptivo (Análisis gráfico)
o Elaboración de un Dashboard básico
o Tips y recomendaciones
• Introducción a la Analítica Diagnóstica:
o Software Minitab
o Diseño de Experimentos (Factorial y Fraccionado)
 Manufactura
 Marketing Experiments
o Tips y recomendaciones
• Introducción a la Analítica Prescriptiva:
o Software Minitab
o Simulación Montecarlo (Risk Analyses)
o Tips y recomendaciones
• Introducción a la Analítica Predictiva:
o Software Minitab
o Supuestos para regresión
o Regresión lineal Simple
o Regresión múltiple
o Tips y recomendaciones
Curso 4. Introducción a la analítica predictiva

Dr. Juan Baldemar Garza Villegas

 Minería de datos. Teoría básica
• Alcance de la minería de datos
• Aprendizaje supervisado
• Aprendizaje no supervisado
 Machine learning
• Técnicas más comunes. Teoría básica y demostraciones
o Algoritmos de clasificación
 Regresión Logística
o Algoritmos de clustering
 K means (Distancia euclidiana)
o Algoritmos de regresión
 Regresión lineal
 Árboles de decisión
 Analítica Aplicada. Machine Learning. Ejercicios prácticos aplicados a negocios
• Software Azure Machine Learning
• Algoritmo de regresión lineal
• Algoritmo de regresión logística
 Gestión de un proyecto de analítica predictiva
• Definición de los objetivos de negocio
• Preparación de datos
o Adquisición de datos
o Exploración de datos
o Limpieza de datos
o Selección de variables de interés
o Extracción, carga y transformación de datos
o Muestra de datos para entrenamiento y pruebas.
• Selección de algoritmo
• Desarrollo y pruebas del modelo
o Evaluación de modelo y sus métricas
o Validación cruzada para evaluar modelo.
• 10 razones para implementar analítica predictiva

Curso 5. Sé un experto en la analítica predictiva exploratoria

Dr. Rafael Cruz Reyes

 Modelación con Ecuaciones estructurales PLS
(Structural Equation Modeling PLS)
• Introducción
o Método Mínimos Parciales cuadrados
o Confirmatorio vs Exploratorio
• Especificación de modelo de trayectoria.
• Mediación
• Moderación
• Estimación de modelo de trayectoria
• Interpretación de resultados
 Introducción a software Smart PLS
 Ejercicios prácticos









Curso 6. Sé un Experto en el Análisis de Datos con Tableau

Dr. Rafael Cruz Reyes

 Software Tableau
 Hacer las preguntas correctas
 Preparar sus datos para el análisis
 Manipulación de datos y presentación
 Visualización y tipos de gráficos avanzados
 Crear cálculos complejos para manipular sus datos
 Utilizar técnicas estadísticas para analizar sus datos
 Utilizar parámetros y controles de entrada para proporcionar
 a los usuarios control sobre determinados valores.
 Implementar técnicas avanzadas de mapeo geográfico y utilizar geo codificación e imágenes personalizadas para crear visualizaciones espaciales de datos no geográficos.
 Combinar fuentes de datos usando la combinación de datos.
 Combinar datos de diferentes tablas en una misma fuente de datos por medio de uniones.
 Optimizar sus visualizaciones usando el motor de datos, extracciones y métodos de conexión eficaces.
 Crear mejores dashboards con técnicas para análisis guiados
 Diseño de dashboards avanzados e interactivos y prácticas recomendadas de análisis visual.
 Ejercicios prácticos

Curso 7. Sé un experto en la analítica de datos con Excel

Dr. Rafael Cruz Reyes

 Introducción a excel
 Tablas dinámicas
 Dashboard dinámico
 Clasificación binaria
 Medición de la información
 Regresión lineal
 Regresión con variables categóricas
 Regresión curva
 Ejercicios prácticos

Curso 8. Introducción a SQL

Dr. Rafael Cruz Reyes

 SQL.
• Introducción a SQL
• Bases de datos relacionales y Big Data
• Organización de la información
• Introducción a la interacción con bases de datos
• Consulta para resumir datos de tablas individuales
• Consultas para resumir grupos de datos de varias tablas
• Consultas para tratar preguntas comerciales más detalladas
• Operaciones con datos
• Extracción de la información y análisis posterior
 Ejercicios prácticos






Curso 9. Sé un experto en la analítica predictiva para pronósticos.

Dr. Edgar Marco Aurelio Granda Gutiérrez

 Introducción a series de tiempo
 Introducción a software Matlab
 Software Minitab
 Software Excel
 Líneas de tendencia con análisis de regresión
 Ejercicios prácticos
 Técnicas de pronósticos (Forecasting)
• Promedio móvil
• Pronósticos con estacionalidad
• Pronósticos Winter
• Pronósticos Holt
• Errores y sus métricas y el efecto en la precisión
• Modelos inteligentes de pronósticos (Heurística avanzada)
 Ejercicios prácticos

Curso 10. Sé un experto en la analítica prescriptiva para la toma de decisiones

Dr. Edgar Marco Aurelio Granda Gutiérrez

 Programación lineal aplicada a negocios
• Introducción a la programación lineal
• Introducción a software Gams
• Software Matlab
• Software Excel
• Elementos de un modelo de optimización
• Características de un modelo de optimización
• Implementación de un modelo de optimización
• Aplicaciones de la programación lineal
 Ejercicios prácticos


Curso 11. Integración de Matlab con otras aplicaciones

Dr. Edgar Marco Aurelio Granda Gutiérrez

 Introducción software Matlab
• Sintaxis
• Arreglos
• Funciones
• Manejo de datos
• Arquitectura de datos
 Conectividad de Matlab en base de datos.
• Puertas de entrada
• Puertas de salida
• Estructura de enlace
• Análisis e interpretación de datos
o Modelos secuenciales
 Software Excel
 Software Tableau
 Software Gams
 Ejercicios prácticos







Curso 12. Proyecto integrador Big Data

Dr. Edgar Marco Aurelio Granda Gutiérrez

 Se realizará caso práctico con aplicación y utilizando las herramientas y software visto en clase

 Resolución de Complejidades de los datos
• Variedad de datos
• Velocidad de datos
• Volumen de datos
• Confiabilidad y validez de datos
• Muestreo de información
• Smart Data vs Big Data

Perfil de asistentes
Ejecutivos que toman decisiones, analistas de datos en áreas de negocios, planeación, marketing, operaciones, calidad, logística y de áreas de tecnologías de información.

Maestros
Dr. Juan Baldemar Garza Villegas. (Cursos 1, 2, 3 y 4)

Is the Director of the Engineering Graduate Studies at the University of Monterrey. He earned a B.S. in Mechanical and Administration Engineer, and a Master in Business Administration with specializing in Finance and PhD with emphasis in Administration, Quality and Innovation by the UANL. His research lines are in Analytics, Quality, Industrial Engineering, Continuous Improvement and Innovation. He earned a Black Belt and Master Black Belt Certification in Six Sigma by ITESM and BMG. Over 16 years of executive experience in the private industry in the areas of Project Management, Business Analytics, Production Processes, Quality, Service Quality, Development, Teamwork, Industrial Engineering, Product Engineering, Continuous Improvement, Process Simulation and Innovation. Professional experience includes Galvacer, Nemak, Frisa Forjados Operaciones and Frisa Metals.


Dr. Rafael Cruz Reyes. (Cursos 5, 6, 7 y 8)

Professor for Engineering Division in the Universidad de Monterrey. He holds a PhD in Administration from UANL. He has 20 years of professional experience in telecommunications, strategic planning, product management and analytics in top Mexican companies. He has taught for 8 years courses on research methodology, quantitative methods for decision making and advanced statistics in the Universidad de Monterrey and Universidad Autónoma de Nuevo León. As a consultant, he has carried out projects on telecommunications industry for market analysis and for different company in México.


Dr. Edgar Marco Aurelio Granda Gutiérrez (Cursos 9, 10, 11 y 12)

Is a full professor of the Department of Engineering of the Universidad de Monterrey. He holds a PhD of Industrial Engineering from ITESM. He has 18 years of professional experience in logistics, operations and supply chain in several Mexican companies. He has taught for 5 years courses on industrial engineering and logistics in the Universidad de Monterrey, ITESM, UMIN and Universidad Autónoma de Nuevo León. As a consultant, he has carried out projects on logistics and supply chain for different company in México.

Información de pago
En caso de tener interés contactar a:
sonia.tijerina@csoftmty.org

Ubicación
UDEM

2017© Consejo de Software de Nuevo León AC