Diplomatura en Ciencia de Datos y Análisis Avanzado
Modalidad
A distancia ágil
Apertura de aula
19 de marzo 2027
Cursada
Días y horarios (United States)
Certificación
UTN Buenos Aires
Precio total del curso
US$ 921
Presentación
La Diplomatura en Ciencia de Datos y Análisis Avanzado es un programa interdisciplinario diseñado para capacitar a los participantes en la extracción de conocimiento y percepciones valiosas a partir de datos estructurados y no estructurados.
El objetivo principal es formar profesionales capaces de analizar tendencias, identificar patrones y resolver problemas complejos mediante el uso de métodos científicos, algoritmos y sistemas avanzados. Este enfoque permite tomar decisiones estratégicas y abordar desafíos en una amplia gama de sectores.
Modalidad
A distancia ágil
Capacitate de forma flexible y dinámica, con recursos y apoyo permanente.
En vivo o acceso a las grabaciones
Recursos Multimedia
100% a distancia
Acompañamiento de tutores
Objetivo general
Desarrollar competencias en ciencia de datos aplicando métodos avanzados de análisis de datos, visualización, machine learning y modelado estadístico para transformar datos en información útil para la toma de decisiones.
Objetivos específicos
- Proporcionar habilidades prácticas a través de proyectos de análisis de datos aplicados.
- Desarrollar los conocimientos fundamentales en estadística, programación y visualización de datos.
- Fomentar el análisis crítico de resultados y la comunicación efectiva de hallazgos.
- Introducir a los participantes en técnicas de modelado predictivo, machine learning y deep learning.
- Capacitar en el uso de herramientas de análisis y procesamiento de grandes volúmenes de datos (Big Data).
Temario
10 Módulos • 30 Unidades • Carga Horaria 203 horas
- Tema 1: ¿Qué es la ciencia de datos? Ciclo de vida y aplicaciones.
- Tema 2: Fundamentos de estadística descriptiva: medidas de centralización y dispersión.
- Tema 1: Distribuciones de frecuencia y representaciones gráficas.
- Tema 2: Herramientas y recursos disponibles en ciencia de datos.
- Tema 1: Introducción a Python: sintaxis básica, variables, operadores, expresiones y estructuras de datos.
- Tema 2: Estructuras de control y funciones.
- Tema 1: Introducción a Numpy y Pandas para operaciones matemáticas
- Tema 2: Manipulación de datos con pandas.
- Tema 1: Librerías de visualización (matplotlib, seaborn en Python).
- Tema 1: Prácticas y Ejercicios de manipulación de datos y gráficos básicos utilizando conjuntos de datos predefinidos.
- Tema 1: Técnicas de limpieza y preparación de datos: manejo de valores faltantes y outliers.
- Tema 2: Transformación de variables y escalado. (Feature Engineering, Normalización y Estandarización)
- Tema 1: Detección de patrones y relaciones entre variables.
- Tema 2: Análisis de correlación y técnicas de resumen.
- Tema 1: Prácticas: Aplicación de técnicas de limpieza y exploración en datasets reales para descubrir insights iniciales. EDA automático.
- Tema 1: Visualización de datos aplicada a datos de movilidad y otros. Manipulación de datos geo- espaciales (GIS), puntos, líneas y polígonos.
- Tema 2: Representación cartográfica: redes de transporte y mapas.
- Tema 3: Análisis de datos sociodemográficos: cálculo de áreas, densidad poblacional y mapas de calor.
- Tema 1: Geoservicios y conexión con datos geográficos: WFS, WMS y APIs.
- Tema 2: Cálculo de distancias y uso de servicios basados en OpenStreetMap.
- Tema 3: Mapas interactivos con Leaflet y uso de mapas base (Stamen).
- Tema 4: Geocodificación, geocodificación inversa y ruteo de direcciones. Desarrollo de dashboards interactivos.
- Tema 1: Introducción al modelado predictivo y machine learning. Modelos de regresión lineal y logística.
- Tema 1: Algoritmos de clasificación básicos: k-Nearest Neighbors, Naive Bayes. Algoritmos de clusterización
- Tema 1: Evaluación de modelos: métricas y validación cruzada.
- Tema 2: Prácticas: Creación y validación de modelos de regresión y clasificación en problemas de datasets abiertos
- Tema 1: Fundamentos Avanzados de ML.
- Tema 2: Árboles de decisión y Random Forest. Máquinas de soporte vectorial (SVM).
- Tema 1: Ensambles de modelos y Gradient Boosting.
- Tema 2: Optimización de hiperparámetros y técnicas de regularización. Análisis de Anomalías (Isolation Forest)
- Tema 1: Aplicación de técnicas avanzadas en conjuntos de datos complejos y ajustes de modelos para mejorar precisión
- Tema 1: Conceptos fundamentales de series temporales: componentes (tendencia, estacionalidad, ciclos, ruido).
- Tema 2: Series estacionarias y no estacionarias. Detección y transformación.
- Tema 1: Modelos ARIMA/SARIMA, ARIMAX/SARIMAX. (variables exógenas y regresores).
- Tema 2: Diagnóstico de residuos. Modelos GARCH.
- Tema 1: Modelo Prophet. Filosofía del modelo. Configuración de crecimiento; comparación con ARIMA.
- Tema 2: Efectos de calendario y festivos; robustez ante faltantes y outliers. Tuning de hiperparámetros, validación cruzada temporal e interpretación.
- Tema 1: Fundamentos de redes neuronales artificiales. Redes neuronales profundas (DNN) y aplicaciones prácticas.
- Tema 1: Introducción a redes convolucionales (CNN) y redes recurrentes (RNN).
- Tema 2: Frameworks de deep learning: TensorFlow y Keras.
- Tema 1: Formateo supervisado (ventanas y lags), variables exógenas, escalado y leakage, arquitecturas RNN/LSTM/GRU y estrategias de pronóstico.
- Tema 1: Embeddings categóricos, manejo de múltiples series, entrenamiento, evaluación con walk- forward, incertidumbre y criterios de uso frente a enfoques clásicos.
- Tema 1: Introducción a Big Data y su ecosistema.
- Tema 2: Fundamentos de Hadoop y sistemas distribuidos
- Tema 1: Apache Spark para procesamiento en tiempo real.
- Tema 2: Conexión con bases de datos y herramientas de consulta
- Tema 1: Prácticas: Procesamiento y análisis de datos masivos en Spark, usando ejemplos reales y simulados.
- Tema 1: Elección de un conjunto de datos complejo y definición del problema a resolver. Desarrollo de un plan de análisis que incluya etapas de limpieza, exploración y modelado.
- Tema 1: Presentación del proyecto final, mostrando hallazgos y recomendaciones, y defensa ante panel evaluador.
Destinatarios
- Profesionales de diversas áreas que estén interesados en el campo de la Ciencia de Datos.
- Estudiantes con alguna experiencia en programación que deseen identificar de qué se trata este rol en la industria de Tecnologías de la Información (IT).
- Estudiantes que quieran iniciar una carrera en Ciencia de Datos.
Equipo docente
Cristian Santander
COORDINADOR / PROFESOR
Cristian Santander es CEO de Cognitive Latam desde 2011 (www.cognitive.la). Cuenta con mas de 25 años dedicado a la IA. …
German Santamaria
PROFESOR
Germán Santamaria es economista (Universidad Nacional de Mar del Plata), con un PhD in Economics (Universidad de Pisa), …
Francisco Portas
PROFESOR
En el ámbito laboral, soy Científico de Datos en el Banco Hipotecario, donde desarrollo modelos de machine learning y ot…
Román Ramos
PROFESOR
Dedicado a la ciencia y la tecnología, Román Ramos es Licenciado en Matemáticas por la Universidad Central de Venezuela.…
Diego Pacheco
PROFESOR
Lic. y Prof. en Sociología (UBA) con orientación a análisis de datos, Doctorando en ciencias sociales (UBA) a través de …
J. Claudio Grasso
PROFESOR
Technical Project Manager (AI/ML) | Agile & Waterfall Methodologies | IBM Certified AI Professional | Physicist
Cesar Riat
PROFESOR
El Ingeniero César Riat ha sido galardonado como uno de los jóvenes sobresalientes en el área de desarrollo científico y…
Jose Figuera
PROFESOR
José Figuera es Licenciado en Contaduría Pública por la Universidad Yacambú y actualmente cursa un MBA en Dirección y Ad…
Metodología de enseñanza-aprendizaje
Nuestro modelo de formación te ofrece flexibilidad sin perder la interacción, combina autoaprendizaje con el apoyo de expertos y compañeros para una experiencia dinámica y efectiva.
Características de la formación
- E-learning colaborativo: estudia a tu ritmo con material curado y actividades prácticas.
- Acompañamiento experto: consulta dudas en foros y mensajes directos con tutores.
- Clases en vivo: para resolver consultas en tiempo real.
A quiénes está dirigido
- Profesionales y estudiantes que buscan una formación flexible y de calidad.
Modalidad de evaluación y acreditación
Estos son los requisitos que deberás cumplir para obtener la acreditación del trayecto formativo:
- Aprobar las evaluaciones integradoras por módulo.
- Realizar y aprobar la Evaluación Integradora Final Obligatoria (EFIO), que puede consistir en la entrega de una tarea basada en una consigna específica o en la realización de un cuestionario.
- Descargar y leer todos los materiales de la unidad temática.
- Entregar y aprobar todas las actividades y ejercicios obligatorios.
- Cumplir con la dedicación horaria recomendada para lograr el máximo rendimiento.
- Finalizar la cursada dentro del período estipulado, sin excepciones. Una vez finalizado el curso, no será posible entregar o descargar actividades pendientes. Quienes deseen completarlo deberán inscribirse en una nueva edición.
La evaluación final cuenta con una instancia de recuperatorio para quienes no aprueben en el primer intento o no la realicen dentro de las fechas establecidas en el cronograma.
Certificación
- La certificación se otorgará en función de la calificación obtenida en la EFIO.
- Las calificaciones posibles serán: bueno, muy bueno, excelente, sobresaliente, participó o no participó.
- Quienes obtengan una de las cuatro primeras calificaciones recibirán un certificado de aprobación.
- Aquellos que no alcancen estas calificaciones o no realicen la EFIO podrán obtener un certificado de participación, previa evaluación del tutor.
Los certificados emitidos por Centro de e-Learning UTN BA cuentan con un sistema de validación basado en tecnología blockchain, que garantiza autenticidad, trazabilidad y transparencia en todo momento.
¿Cómo inscribirse?
Paso 1
Hacé clic en "Inscribirse ahora"
Buscá el botón en esta página para iniciar tu proceso de inscripción.
Paso 2
Creá tu cuenta o ingresá
Registrate con tu email en el Campus o iniciá sesión si ya tenés cuenta. Es rápido y gratuito.
Paso 3
Realizá el pago en tu Panel
Completá la operación de forma segura dentro del Panel del Alumno con los medios de pago disponibles.
Paso 4
¡Listo! Ya podés empezar
Recibirás por email el acceso al campus. El aula abrirá en la fecha de inicio de tu cursada.
¿Querés capacitar a tu equipo?
Accedé al Portal de Empresas: comprá múltiples licencias, recibí facturación a nombre de tu compañía y gestioná el progreso de tu equipo desde un solo lugar.
Precio total del curso
US$ 921
Certificación con aval de UTN Buenos Aires
Certificado oficial UTN
Avalado por la UTN Buenos Aires. Se otorga al cumplir con los requisitos de asistencia y evaluación.
Validación blockchain
Autenticidad y trazabilidad digital garantizada. Tu certificado es único, seguro y verificable de forma permanente.
Preguntas frecuentes
En la sección “Requisitos” de esta página se indica el nivel necesario. La mayoría de nuestras formaciones iniciales no requieren conocimientos previos, pero te recomendamos revisar el programa detallado.
El acceso se habilita el día de inicio de tu curso. Para ingresar, solo tenés que entrar a tu Panel del Alumno y dirigirte a la sección “Mi formación”.
Cada curso tiene una modalidad específica (online, en vivo, presencial o combinada). Podés ver el detalle en la sección “Modalidad” de esta página.
Si tu modalidad incluye encuentros sincrónicos (en vivo), las sesiones se graban y se suben al campus para que las veas cuando quieras. Si tu curso es autoasistido, todos los contenidos ya están disponibles 24/7 para que avances a tu propio ritmo. Te recomendamos de todos modos revisar la modalidad y condiciones de asistencia de cada propuesta.
Sí. Al completar el curso y cumplir los requisitos, obtendrás un certificado oficial de UTN BA con verificación Blockchain. Si este curso forma parte de una Diplomatura, también podrás acreditarlo para ese trayecto.
El pago se realiza de forma segura dentro del Panel del Alumno. Allí podrás elegir entre los medios de pago disponibles y aprovechar las opciones de cuotas sin interés vigentes.
Tendrás acceso a foros de consulta permanentes dentro del campus virtual y, en las clases en vivo, espacios de interacción directa. Siempre contarás con el respaldo del equipo docente para resolver tus dudas.
