PROPUESTA Diplomado en Ciencia de Datos CARACTERÍSTICAS GENERALES

Transcripción

1 PROPUESTA Diplmad en Ciencia de Dats CARACTERÍSTICAS GENERALES Justificación: Esta prpuesta plantea la cnstrucción de un prgrama de estudi dirigid al desarrll de cmpetencias y a la frmación de talents en la Prducción de Infrmación (PI) para la gestión de empresas, en base a pryects de Inteligencia de Negcis cn Pentah, frmulación y calibración de mdels, gestión de calidad de infrmación y minería de dats cn WEKA, R y psiblemente trs paquetes. El prgrama apunta a la cnslidación de un equip multidisciplinari, el equip de Ciencia de Dats, especializad en el manej de grandes vlúmenes de data en frmats variables, mdelaje y minería de dats, gestión de calidad de infrmación e inteligencia de negcis. Para ell se prpne un esquema mdular que incluye curss técnics de Pentah y tras tecnlgías de sftware libre de imprtancia en el mdelaje, análisis y gestión de infrmación aunad a la frmación cnceptual en Mdelaje y Minería de Dats, Calidad de Infrmación, Gerencia de riesg e Inteligencia de Negcis, sus uss y aplicacines más cmunes y la revisión de las metdlgías y practicas más avanzadas de análisis y gerencia estratégica de la infrmación. El prgrama se frece a ds niveles. El primer, dirigid a empresas, prpne establecer las bases para la rganización de una Unidad especializada en el manej cnslidad de la infrmación caracterizada pr la presencia de grandes vlúmenes de dats en frmat variable y la necesidad de integrar infrmación de naturaleza y rigen divers de manera útil tant para usuari final cm para la tma efectiva de decisines. El segund, dirigid a prfesinales, prpne la frmación de especialistas en la prducción y gerencia de infrmación y en el manej de herramientas especializadas que garanticen una mayr efectividad en el sprte a crt y median plaz. La crdinación de este prgrama estaría a carg del Pstgrad en Mdels Aleatris de la Facultad de Ciencias de la UCV, dada su experiencia de más de 12 añs en la frmación de prfesinales en temas asciads cn estadística, mdels y aplicacines. Debid a su naturaleza multidisciplinaria debe cntar asimism cn la participación activa de experts en bases de dats e inteligencia de negcis. Objetiv: El bjetiv de este prgrama es la frmación de talent en el us de las tecnlgías y prácticas de Minería de Dats, Calidad de Dats, Integración de Dats e Inteligencia de Negcis para la prducción de infrmación vital en ls prcess de tma de decisines. Ls aspects fundamentales que se desean cubrir cn este prgrama, sn ls siguientes: 1. Tería y práctica de Minería de Dats Cncepts fundamentales de Minería de Dats y aplicacines. 1

2 2. Análisis OLAP e Integración de Dats Data Warehuses, bases de dats multidimensinales (OLAP), integración de dats y bases de dats n estructurads. 3. Calidad de dats Cncepts básics asciads a la calidad de dats Técnicas de análisis de valres atípics 4. Gerencia de riesg Manej cuantitativ y cualitativ de riesg 5. Prácticas Analíticas Us y aplicacines de Inteligencia de Negcis Herramientas para análisis y prducción de infrmación Organización: El prgrama, estructurad en ls cuatr punts anterires, está diseñad siguiend el esquema mdular presentad en el Cuadr 1, que puede ser adaptad a las necesidades y frmación previa de ls aspirantes. La culminación del diplmad supne la cnsecución de ls primers tres móduls, per cada módul se puede tmar de manera independiente cm materias aisladas. Cuadr 1 3.Calidad de dats 1.Minería de dats 2.Integración de dats 4. Gerencia de riesg 5. Prácticas analíticas El módul 4 de Gerencia de riesg tiene cm bjet presentar ls cncepts básics de gerencia de riesg, incluyend el manej cuantitativ y cualitativ del mism a fin de mejrar la capacidad perativa de la rganización y disminuir la incidencia de imprevists. Finalmente, el últim módul de Prácticas analíticas busca familiarizar a ls aspirantes en el us de las prácticas más cmunes de manej inteligente de infrmación y está pensad cm un cmplement ideal a la frmación básica del diplmad rientad a la tma de decisines en la rganización. El diplmad ha sid rganizad de manera que ls móduls 4 y 5 pueden tmarse de manera independiente y están pensads para un auditri más gerencial. Perfil de ls aspirantes: El perfil de ls aspirantes se detalla en función de este esquema mdular: 2

3 1. Minería de dats: el participante debe pseer cncimients básics de estadística. Es ideal que psea ciert cncimient en prgramación de rutinas de estimación y, preferiblemente (n indispensable), familiarizad cn algún paquete estadístic de estimación de manej de dats. 2. Integración de dats/olap: el aspirante debe estar familiarizad cn el diseñ y estructuras de bases de dats. 3. Calidad de dats: el aspirante debe pseer una frmación básica en temas estadístics así cm en el diseñ de bases de dats (data warehuse). 4. Gerencia de riesg: el aspirante preferiblemente debe pseer experiencia en prácticas gerenciales y un manej instrumental de estadística. 5. Prácticas analíticas: el aspirante preferiblemente debe pseer experiencia en prácticas gerenciales y un manej instrumental de estadística y bases de dats (data warehuse). Númer de participantes: Se prpne que cada chrte esté cnfrmada entre diez (10) y quince (15) participantes. Requisits frmales: Un Diplmad se cnsidera cm un curs de extensión dictad pr una Universidad. N requiere de titulación académica ante el Cnsej Nacinal de Universidades (CNU). De acuerd cn la reslución N del Núcle de Vicerrectres Académics, entre las características mínimas de ls Diplmads, se encuentran: Diseñ curricular: Basad en cmpetencias, a partir de un diagnóstic de necesidades reales. Perfil de ls dcentes facilitadres: Acrde cn las necesidades del tip de curs. Perfil del participante: Un diplmad puede estar dirigid a persnas que sean prfesinales universitaris n, según l decidid pr la Institución que imparte el curs. Duración: Está cmprendida entre un mínim de 120 hras y un máxim de 200 hras. Aprbación del prgrama: está cndicinada al lgr de las cmpetencias establecidas en la mdalidad presencial cn un 75% de asistencia cm mínim. Certificad de aprbación: Es un diplma trgad pr la Institución de educación superir que imparte el prgrama a ls participantes que cumplen cn ls requisits de aprbación. Criteris de aprbación: Dependen de las plíticas establecidas pr la Universidad que imparte el curs. 3

4 CONTENIDO PROGRAMÁTICO (TENTATIVO) Cm ya se dij, se prpne dividir el cntenid del Diplmad en cuatr móduls. Ls primers tres móduls sn de carácter técnic y crrespnden a un ttal de 156 hras académicas. Ls móduls restantes se entienden cm un cmplement de carácter más gerencial a la frmación técnica y crrespnden a 44 hras académicas. 1- TEORÍA Y PRÁCTICA DE MINERIA DE DATOS (Duración ttal: 48 hras) Módul MD1: Herramientas básicas. Duración: 24 hras. Minería de dats: cncepts básics de aprendizaje estadístic. Aprendizaje supervisad: regresión y clasificación Aprendizaje n supervisad: reglas de asciación (análisis de canasta), agrupación. Minería de text. Módul MD2: Herramientas cmputacinales. Duración 24 hras Minería de dats en R Minería de dats en Weka Integración Weka cn Pentah. 2- INTEGRACIÓN DE DATOS (Duración ttal: 72 hras) Módul ID1: Intrducción Integración de Dats. Duración: 16 hras. Definicines. Diseñ y mdels de dats. Módul ID2: Bases multidimensinales (OLAP). Duración: 24 hras. Definicines generales de OLAP Definicines de un Cub de Infrmación Cnsultas y Reprtes Ad Hc Plantillas de Análisis Multidimensinal Módul ID3: Integración de dats de dats. Duración: 16 hras Prcess de extracción, transfrmación y carga (ETL) Migración de dats Módul ID4: Bases de dats n estructurads. Duración: 16 hras Intrducción y cncepts básics. Hadp y Hive. Mng DB 3- CALIDAD DE DATOS (Duración ttal: 36 hras) Módul CD1: Cncepts básics. Duración: 12 hras. Validez, cnfiabilidad, cnsistencia e integridad de data Cmpletitud, manej de data faltante, agregación de data Creación de índices: manej cuantitativ y cualitativ de calidad de dats. Módul CD2: Técnicas de análisis de dats atípics. Duración: 24 hras. Técnicas de valres extrems Técnicas estadísticas clásicas 4

5 Técnicas basadas en minería de dats: clasificación y clasificación semisupervisada, medidas de atipicidad. Us de herramientas cmputacinales: Weka y R 4- GERENCIA DE RIESGO (Duración ttal: 20 hras) Módul GR1: Cncepts básics. Duración: 8 hras. Manej de incertidumbre y tería de decisión Módul GR2: Gerencia de riesg de pryects. Duración: 12 hras. Métds de gerencia de riesg Medidas de riesg y regulacines 4- PRÁCTICAS ANALÍTICAS (Duración ttal: 24 hras) Módul PD1: Cncepts básics. Duración: 12 hras. Cst Basad en Actividades (Activity Based Csting) Cuadr de Mand Integral (Balanced Screcard) Módul PD2: Técnicas gerenciales avanzadas. Duración: 12 hras. Presupuest y Planificación Financiera Cnslidación Financiera Gerencia de Rendimient Crprativ (Crprate Perfmance Management CPM) Mnitres de Prcess de Negcis (Bussines Activity Mnitring) CONSIDERACIONES FINALES Una vez aprbad el prgrama ls curss se dictarían en las instalacines de la maestría de Mdels Aleatris, a mens de pautarse l cntrari en alguns cass específics y de cmún acuerd cn el slicitante. La cntratación de ls prfesres para dictar ls diferentes móduls quedaría pr parte del Pstgrad de Mdels Aleatris. El material de apy, prpiedad del prgrama, frmaría parte del cst del mism y se entregaría a ls estudiantes en frmat digital e impres al inici de cada módul. Una vez dispnible una primera versión del cntenid del diplmad, se prpne realizar una reunión entre el Pstgrad de Mdels Aleatris y experts en el área el Área de Extensión de la Facultad de Ciencias de la Universidad Central de Venezuela a fin de definir ls elements para su instrumentación. Para alguns de ls móduls es necesari cntratar a persnal n universitari expert en el área y en tal sentid se requiere tmar las previsines necesarias. Asimism se requiere precisar la estimación presupuestaria y finalmente las pautas para la prmción del diplmad y la selección de ls estudiantes. 5