BIG DATA SCIENCE
PROFESSIONAL
PEA
Programa de Especialización Analítca
Los datos son el idioma de este siglo, y no saber tratarlos es una nueva forma de Analfabetismo El programa desarrolla a profundidad las técnicas de Machine Learning y análisis de grandes cantidades de datos. Se usa R y Python como principales herramientas. Se abordan temas de análisis de datos no estructurados, como Text Mining y Deep Learning. Se engloba el aprendizaje en un proyecto con aplicación real.
Perl El programa está dirigido a ingenieros estadísticos, informáticos y matemáticos. Además, personas que tengan un perl similar.
Benecios Uso de herramientas líderes en el mercado. Metodología basada en casos reales. Plana docente compuesta por ponentes extranjeros y líderes del sector. Laboratorios de cómputo. Biblioteca y centro de información. Fomento del pensamiento analítico. Acceso a la Bolsa de Trabajo especializada de DMC.
Competencias Dominar el uso de las técnicas tradicionales y modernas en la Ciencia de Datos. Entender las mejores prácticas para presentar una solución empresarial bajo el enfoque de Big Data y Ciencia de Datos. Analizar volumenes gigantes de datos para generar insights accionables. Desarrollar modelos predictivos analizando data estructurada y no estructurada.
PEA - Big Data Science Profesional
Big Data Science Professional Programa Curricular
Horas Académicas: 169
Tiempo de Duración: 05 Meses
Workshop
Business
Projects
(84 horas Académicas)
(61 horas Académicas)
(24 horas Académicas)
Cursos hands-on para el desarrollo de habilidades blandas, técnicas con softwares especializados y aplicados al Big Data.
Son cursos avanzados en los que se abordan casos prácticos desde la perspectiva de negocio. Sirve además para fortalecer las habilidades blandas de los participantes
Los participantes estarán acompañados por un tutor durante todo el desarrollo del PEA, además podrá compartir experiencias con personas de diferente perl académico y laboral.
Soft skills workshop
Data Visualization
SCRUM
Deep Learning & Text Mining
Data Driven Business
Data Science Project
R Essentials Python Essentials Machine Learning Introduction Feature Engineering Supervised Methods Unsupervised Methods Big Data Tools Herramientas:
1.
Soft skills workshop
8.
(16 horas académicas)
(9 horas académicas)
Se busca generar cohesión entre los participantes para la realización de un óptimo trabajo en equipo.
2.
Big Data Tools
Aprende los conceptos básicos del procesamiento distribuido de grandes bases de datos a través de clusters de computadores usando modelos de programación simple.
R Essentials (8 horas académicas)
Este curso permite ingresar al mundo de R, entender sus funcionalidades principales para ingresar al mundo de la ciencia de datos.
3.
Python Essentials (8 horas académicas)
Este curso permite ingresar al mundo de Python, entender sus funcionalidades principales para ingresar al mundo de la ciencia de datos.
4.
Machine Learning Introduction (8 horas académicas)
Se explora desde un punto de vista aplicativo, las diferentes tareas que se pueden realizar en ciencia de datos en el entorno Big Data. Se abordan casos reales y su aplicación práctica.
5.
Feature Engineering (8 horas académicas)
Este curso tiene como objetivo entender el tratamiento previo que necesitan los datos para su uso con propósitos analíticos.
6.
Supervised Methods
9.
(12 horas académicas)
Para implementar soluciones de información en la organización se necesita un marco de trabajo que lo haga posible. El curso es un taller de metodologías ágiles usando SCRUM enfocado en proyectos de inteligencia de negocios.
10.
7.
Unsupervised Methods (12 horas académicas)
Nos permite explorar nuevas técnicas clustering para segmentar y encontrar insights potencialmente rentables para tu organización. El curso se desarrolla con casos 100% prácticos de los principales rubros: banca, retail, gobierno, telco.
Deep Learning (18 horas académicas)
El curso presenta inicialmente una panorámica de los conceptos y técnicas del aprendizaje automático, haciendo especial énfasis en las técnicas de redes neuronales. Con el preámbulo anterior, se revisan los aspectos teóricos de deep learning contextualizados en técnicas especícas.
Finalmente se presenta un entorno especializado para el desarrollo de proyectos de aprendizaje automático (TensorFlow). En su mayoría, todos los conceptos del curso se ilustran a través de ejemplos prácticos haciendo énfasis en posibles aplicaciones.
11.
Data Science Project (12 horas académicas)
El curso brinda asesoramiento para plasmar en una solución tangible el proyecto de Big Data Science
12.
(24 horas académicas)
Nos permite explorar técnicas de análisis predictivo avanzado para entender y predecir comportamientos futuros. El curso se desarrolla con casos 100% prácticos basados en la experiencia internacional del docente.
SCRUM
Data Visualization
(16 horas académicas)
Este curso tiene como objetivo introducir en los conceptos de visualización para representar los datos de forma analítica, así como identicar la mejor forma de mostrar
los datos ante distintas audiencias.
13.
Data Driven Business (12 horas académicas)
El curso se orienta por entender cómo aborda r exitosamente los problemas de negocio mediante Big Data Science. Se explica la metodología de descubrimiento de información y el desarrollo del pensamiento analítico a través de casos reales del ámbito nacional e internacional.
Docentes DMC - Internacionales CONTAMOS CON EXPERTOS DE LA ANALÍTICA DE DATOS, CON UNA RECONOCIDA TRAYECTORIA INTERNACIONAL, COMPROMETIDOS CON EL DESARROLLO PROFESIONAL DE LOS ALUMNOS.
Phd Alex Rayón (ESP) Gerente General en Deusto eCampus. Consultor Educativo. Actualmente Vicedecano de Relaciones Externas y Formación Continua de la Facultad Deusto-Ingeniería y director de Deusto Data. Es también profesor del área de economía y transformación digital, tanto en la Facultad de Ingeniería como en la Business School de la Universidad de Deusto. Es además, consultor, conferenciante y divulgador de Big Data, Industria 4.0 y Economía Digital, habiendo dirigido e implantado proyectos de Big Data en grandes y medianas empresas, tanto en España como en Latinoamérica, y en diferentes sectores de actividad económica (industria, consumo, marketing, administraciones públicas, etc.)
MSc. Daniel Soto (BEL) Excecutive Director at Timi Suite. Pennsylvania State University.
PhD. Edwyn Aldana (MEX) Consejo Nacional de Ciencia y TecnologíaCONACYT.
Masters of Science in Supply Chain and Ingeniero de Sistemas y Computación de la Information Systems. Actual Director Ejecutivo Universidad Distrita l Francisco José de Caldas de TIMI para Latinoamerica. Con experiencia (Bogotá-Colombia). Maestría en Ciencias de que incluye Marketing y Consultoría en BI. la Computación en la Universidad Nacional Se ha desempeñado como investigador de Autónoma de México (UNAM). Doctorado modelos de marketing directo, segmentación, en Ciencias de la Computación en la misma targeting y análisis de posicionamiento. Tiene universidad (UNAM). Impartió cursos de como especialidades: Modelos Predictivos, Programación Lineal, Programación Dinámica, Big Data, ETL, Data Mining, Desarrollo de Procesos Estocásticos en el programa de Software, Business to Business Marketing, Matemáticas Aplicadas de la UNAM. Se Segmentación, Targeting y Posicionamiento. desempeñó en diferentes empresas tanto de Ha desarrollado su trabajo en empresas de gobierno como del sector privado en las áreas de Ingeniería de Software, Bases de Datos y talla global como Timi, Direktio y Deloitte. Análisis Cuantitativo de Proce sos.
Docentes DMC - Nacionales MBA Jonny Chambi Jefe de CVM, Entel Perú. Universidad Peruana de Ciencias Aplicadas. MBA de la UPC. Master Europeo en Dirección de Marketing y Gestión Comercial de EOI España. Profesional de Ingeniería Estadística de la Universidad Nacional de Ingeniería. Con cerca de 10 años de experiencia en proyectos de Business Intelligence, CRM y Data Mining. Se ha desmpeñado en diferentes empresas de Banca y Telecomunicaciones como Telefónica, Banco Interbank, BBVA Banco Continental y JNE. Actualmente como Director Ejecutivo de DMC. Empresa dedicada a la capacitación en Big Data y Business Analytics.
MSc. Vilma Romero Docente y Co-organizadora en R-Ladies Lima. MSc. en Estadística por la Universidad de Lancaster (Reino Unido) e Ingeniera Estadística de la Universidad Nacional de Ingeniería (UNI). Actualmente, es Docente en la Escuela Profesional de Ingeniería Estadística de la UNI, Docente de Minería de Datos en la Universidad ESAN y Docente en el Programa de Especialización en Business Intelligence & Business Analytics en SEUPROS, FIEECS-UNI. Además, es CoOrganizadora del capítulo “R-Ladies Lima”, parte de un movimiento global que promueve la diversidad de género en la comunidad R. Realizó dos proyectos de investigación con el Instituto Francés de Investigación para el Desarrollo (IRD) e IMARPE, y contribuyó al paquete R “ImarpeTools”.
Ing. Laren Osorio Toribio Big Data Engineer en el laboratorio de Big data y Analytics en el BCP. Investigador en soluciones de DataScience y Big Data. Desarrollador de Proyectos de Minería de datos. Formulador de estrategias comerciales para el despliegue de Modelos Analíticos. Experiencia en la mejora de Procesos, Planeamiento Estratégico y Business Intelligence. Manejo de software necesario para el apoyo en la toma de decisiones, como el Rapid Miner, Python, R - Statistics, SPSS Modeler, SQL Server Business Intelligence, Mongo D.B, Tableau.
Ing. Arturo Rojas Sub Gerente de Soluciones Business Intelligence - BCP. Ingeniero de Sistemas de UNI, 15 años de experiencia en soluciones, arquitectura y procesos de Business Intelligence & Analytics. SCRUM Master (CSM) con amplia experiencia en pensamiento LEAN, técnicas de Programación Neurolingüística - PNL, coaching ontológico y Neurociencia. Actualmente se desempeña como Sub Gerente de soluciones Business Intelligence, Technical Lead - SCRUM MASTER Data Warehouse Banco de Crédito del Perú (BCP).
Ing. Dennis BarredaProduct Leader/ Big Data Engineer en Banco de Crédito BCP. Bch. en Ciencias de la Computación, con fuertes habilidades de programación. Alta adaptabilidad a diferentes idiomas, conocimientos en C ++, C # .Net, Visual Basic .Net, R y actualmente desarrolla en Python. Disfruta trabajando con datos, haciendo modelos predictivos, leyendo sobre el estado del arte del aprendizaje automático.
MSc. Frizzi San Román Data Scientist Sr. at Center for Advanced Analytics (BRECA). Magister en Ciencias de la Computación del Instituto de Computación (ICMC) de la Universidad de Sao Paulo - Brasil. Con experiencia en investigación de tópicos relacionados con Machine Learning, Text Analytics, Visualización de Información y Análisis Visual de Datos no Estructurados. Autor y coautor en publicaciones de revistas indizadas: “Similarity Preserving SnippetBased Visualization of Web Search Results” y congresos internacionales: “A Study on the Role of Similarity Measures in Visual Text Analytics”, “Cloth simulation using AABB hierarchical and Parallelism via GPU”, entre otros. Se desempeñó como docente investigador en el Centro de Investigación e Innovación en Ciencias de la Computación de la Universidad Católica San Pablo en Arequipa. Actualmente trabaja como Data Scientist en el equipo de Analítica Avanzada en Verizon en Perú.
Mstr. Sheilla La Rosa Coaching, Consultora, Instructora en DMC.
Máster en Gestión de la Educación por la Ponticia Universidad Católica del Perú.
Licenciada en Ciencias Sociales en la especialidad de Historia por la UNMSM. Segunda especialidad en Educación por la Universidad Antonio Ruiz de Montoya. Facilitadora y especialista en desarrollo de habilidades blandas, convivencia y clima institucional bajo el enfoque gestáltico, disciplina positiva, prácticas restaurativas y dinámicas teatrales. Especialista en la intervención con grupos de alto riesgo. Promotora de artes escénicas en las escuelas. Docente de clown y productora de distintos eventos socioculturales.
Phd. Junior Fabian Doctorado en Informática por la Universitat Autònoma de Barcelona. Maestría (2013) en informática del Instituto de Computación (IC), Universidad de Campinas (UNICAMP) Sao Paulo - Brasil. Licenciatura en Informática por la Universidad Nacional de Trujillo (UNT). Trabaja en la intersección de la visión por computadora y el aprendizaje automático, desarrollando técnicas que aprovechan grandes colecciones de imágenes del mundo real para una variedad de aplicaciones. Estoy particularmente interesado en el uso de representaciones intermedias, como atributos, para mejorar el rendimiento en tareas de visión clásica, como buscar personas y reconocimiento, así como para crear aplicaciones novedosas, como el etiquetado automático de atributos visuales en imágenes.
Nota: Todos los profesores mencionados están
relacionados al programa de especialización. No necesariamente podrían desarrollar una clase.
CERTIFICACIÓN • • •
Machine Learning Specialist. Data Science Professional. Big Data Executive
DATOS IMPORTANTES Duración: 5 meses Lugar: Laboratorio DMC. Jr. Río de la Plata 167. Of. 203. San Isidro. Requisitos: • Conocimiento de algún software informático o estadístico. • Conocimiento de programación básica de preferencia. • Dos años de experiencia laboral orientado a áreas de Business Intelligence (sin contar prácticas profesionales). Proceso de admisión: Enviar CV a
[email protected]
INFORMES Teléfono: Celular: Correo: Web: Dirección:
(511) 253- 5066 975491764
[email protected] www.dmc.pe Jr. Río de la Plata 167. Of. 203 - San Isidro.
