Introducción al Data Science para el Sector Público.
Online
El diplomado busca instalar competencias analíticas específicas, técnicas y aplicadas, en materia de Inteligencia Artificial, Analítica Avanzada, Exploratoria, Minería de Datos, Automatización y Big Data permitiendo a los egresados de este programa no sólo analizar los datos históricos de una institución u organización sino que, además, estimar y predecir escenarios hipotéticos futuros para la toma de decisiones, representarlos, e implementar iniciativas de optimización para específicos procesos en la provisión de servicios y productos, contribuyendo de esta forma a la generación de escenarios deseados y preventivos (costos). Satisfacer la creciente demanda de profesionales con habilidades y conocimientos en análisis, automatización y gestión inteligente de datos. No sólo para representar necesidades mal entendidas como “abstractas”, sino que también, para anticiparnos a fenómenos cuya ocurrencia supondrían grandes externalidades o costos para la ciudadanía; ejemplo de esto, llegar a tiempo o anticiparse a la degradación o fallas de máquinas que ocupan el aparato estatal y administrativo; identificar correctamente según complejas reglas de asociaciones qué parte de la ciudadanía necesita satisfacer una carencia efectiva a través de la adquisición de un producto o servicio , versus, otra parte de la ciudadanía que no lo necesita; anticiparse a la ocurrencia de fenómenos de salud costosos; anticiparse a la ocurrencia de delitos; anticiparse a la ocurrencia de fenómenos y desastres derivados del Cambio Climático; disminución de tiempos de procesamiento ante la instalación de proceso automatizados; e identificación de estrategias más rentables o menos costosas”
OBJETIVO
Entregar herramientas analíticas y prácticas que que permita al estudiante conocer y ejecutar acciones en todo el proceso de Inteligencia de Negocios; desde la adquisición y limpieza de los datos hasta la creación de modelos exploratorios y predictivos, cuidando los supuestos estadísticos básicos y algebraicos necesarios para la integridad y robustez de cada modelo analítico, incluyendo el aprendizaje e internalización de los conceptos de Big Data, Visualización, Análisis No Supervisado e introducción al Machine Learning entre otras, sin perder de vista su uso ético. De tal manera que a los alumnos les permita comprender el ciclo completo de la “Analítica Avanzada y Exploratoria” en el Macro proceso del Análisis de Datos, adquiriendo las habilidades tanto técnicas como de articulación para poder implementar soluciones de manera efectiva, dentro de sus organizaciones para problemas específicos. Es por esto que el Diplomado en “Introducción al Data Science para el Sector Público” (IDSSP) posee una orientación profesionalizante, dirigida a la resolución de problemas y al entendimiento de fenómenos”
.
PLAN DE ESTUDIOS
- Modelos de gestión pública y los datos: antecedentes y evolución
- Nivelación de estadística básica y aplicada
- Análisis Exploratorio de Datos
- Introducción a la Econometría
- Minería de Datos
- Big Data e Introducción a la captación y almacenamiento de datos
- Introducción a las técnicas Minería de Texto y análisis de sentimientos
- Utilización de la Minería de Datos en el Sector Público: casos y resultados
DOCENTES
Rodrigo Pavez Orellana. Ingeniero Comercial, Licenciado en Cs de la Administración de Empresas. Universidad de Valparaíso. Magíster en Gestión mención Finanzas. Universidad de Valparaíso. Magíster Economía Financiera. Universidad de Santiago de Chile. Profesor de “Introducción a la Minería de Texto” e “Introducción a la Minería de Texto y Análisis de
Sentimientos” en el postítulo “Introducción al Data Science para el Sector Público», versión 1, 2 y 3, en el Instituto de Asuntos Públicos. Universidad de Chile. 2021-2022. Profesor de “Introducción a la Econometría y Regresiones”, “Introducción al Análisis de sentimientos” en el postítulo “Gestión de Procesos, Innovación, Excelencia Operacional e Inteligencia Artificial», en la Facultad de Ciencias Químicas y Farmacéuticas. Universidad de Chile. 2021-2022. Profesor ayudante de la cátedra de Econometría II, para alumnos del programa de Magíster en Economía financiera, de la Universidad de Santiago de Chile. Experiencia en Control de Gestión “Banco Consorcio” y en Gerencia estratégica de zona en “Correos de Chile”.
Actualmente coordinador o líder del equipo de Análisis de Datos de la Unidad de Análisis de Declaraciones de Intereses y Patrimonio, de Contraloría General de la República.
José Alexander Yáñez Albornoz. Ingeniería Civil Industrial. Universidad de Concepción. Magister en Ingeniería Industrial. Universidad de Concepción. Postítulo en Inteligencia de Negocios. Universidad de Chile 2017. Profesor de “Introducción a la Inteligencia Artificial”, “Aproximación al Aprendizaje de Máquinas o Machine Learning”, y “Aproximación al Aprendizaje Automatizado o Deep Learning”, en el postítulo “Gestión de Procesos, Innovación, Excelencia Operacional e Inteligencia Artificial», en la Facultad de Ciencias Químicas y Farmacéuticas. Universidad de Chile. 2021-2022 Profesor de “Análisis Exploratorio de Datos”, “Introducción al Machine Learning” y “Big Data e Introducción a la Captación y Almacenamiento de Datos”, en el postítulo “Introducción al Data Science para el Sector Público», versión 1, 2 y 3, en el Instituto de Asuntos Públicos. Universidad de Chile. 2021-2022.
Ingeniero Senior Business Analytics – División Factoring en Grupo Security 2019-2018. Business Intelligence en Grupo Gerdau Aza 2018-2017. Primer lugar Concurso Innovación Inchalam: Idea para mejorar tracking logístico. Concepción, 2016. Premio Roberto Ovalle Aguirre: Premio por el mejor proyecto de título relacionado con la instalación o explotación de una industria relevante para el fomento de la economía nacional. Otorgado por Instituto de Ingenieros de Chile. Facultad de Ingeniería. Universidad de Concepción, 2015.
Juan Carlos Herrera Ordenes. Ingeniero Estadístico. Universidad de Valparaíso. Magíster en Estadística. Universidad de Valparaíso. Profesor de “Introducción a la Inteligencia Artificial”, “Aproximación al Aprendizaje de Máquinas o Machine Learning”, y “Aproximación al Aprendizaje Automatizado o Deep Learning”, en el postítulo “Gestión de Procesos, Innovación, Excelencia Operacional e Inteligencia Artificial», en la Facultad de Ciencias Químicas y Farmacéuticas. Universidad de Chile. Profesor de “Estadística Descriptiva e Inferencial, “Introducción al Machine Learning” y “Big Data e Introducción a la Captación y Almacenamiento de Datos”, en el postítulo “Introducción al Data Science para el Sector Público», versión 1, 2 y 3, en el Instituto de Asuntos Públicos. Universidad de Chile. 2021-2022. Profesor titular en Matemática e Introducción a la Matemática en Universidad Andrés Bello. Especialista en Modelos Predictivos. Área de Procesos y Modelos Predictivos, Banco Estado Microempresas – Gerencia de Riesgo. 2019-2015. Analista Estadístico Investigador. Departamento de Investigación y Desarrollo, Instituto Nacional de Estadísticas (INE) 2015-2011.
Francisco Acuña. Ingeniero Industrial. Universidad Católica de Córdoba. Magíster en “Data Science”. Universidad Adolfo Ibáñez. 2019-2022 Postítulo Diplomado en “Data Science”. Universidad Adolfo Ibáñez. 2019. Profesor de Física Mecánica I, Física II, Análisis Matemático y Algebra Lineal. Universidad Católica de Córdoba. Profesor de “Fundamentos de Programación y Automatización” y “Visualización”, en el postítulo “Introducción al Data Science para el Sector Público», versión 1, 2 y 3, en el Instituto de Asuntos Públicos. Universidad de Chile. 2021-2022. Especializado en lenguaje SQL, Power BI para Data Science y ploteo o Visualización en RStudio. Actualmente presta sus servicios profesionales como Analista y Data Science en CRM Walmart Chile.
Antonia Segovia Godoy. Psicóloga. Universidad de Atacama. Lic. En inglés y Traductor Inglés-español. Universidad de Atacama. 2017. Magíster en Educación, Mención Curriculum por Competencias. Universidad de Atacama. Profesora de “Neuroderechos para el uso ético de los datos” en el postítulo “Introducción al Data Science para el Sector Público», versión 2 y 3, en el Instituto de Asuntos Públicos. Universidad de Chile. 2021-2022. Terapeuta Clínica especialista en Trastornos de Ansiedad. Experiencia en relatoría de clases y talleres y en coordinación de proyectos regionales. Encargada de Extensión y Vinculación con el medio. Universidad de Atacama. 2017-2019. Capacitación para el uso de Psious: Inducción al software Psious, para el desarrollo de sesiones psicológicas haciendo uso de realidad virtual, con apoyo de dispositivo de biofeedback, para el análisis de los niveles de ansiedad. 2019 Cátedra Rafael Yuste, Universidad Federico Santa María: Conferencia “Las nuevas neurotecnologías: implicaciones científicas, médicas y sociales”, que ofreció el académico de la Universidad de Columbia e ideólogo del proyecto BRAIN, Rafael Yuste. 2021 Curso Algoritmos Éticos, Responsables y Transparentes, Universidad Adolfo Ibañez. Identificación de los principios éticos más relevantes que impactan en el desarrollo de sistemas basados en datos e IA. Reconocimiento de los desafíos de licencia social, privacidad, transparencia y equidad que están enfrentando sistemas de datos e IA en Chile y en el mundo Conocimiento de herramientas prácticas de implementación de los principios éticos.
Adrian Araneda Toro (Coordinador). Administrador Púbico. Escuela de Gobierno y Gestión Pública. Universidad de Chile. 2011 Licenciado en Cs Políticas y Gubernamentales con mención en Gestión Pública. Escuela de Gobierno y Gestión Pública. Universidad de Chile. 2009. Postítulo Diplomado en “Inteligencia de Negocios”. Facultad de Ciencias Físicas y Matemáticas. Universidad de Chile. 2017. Postítulo Diplomado en “Estadística y Análisis Masivo de Datos”. Universidad Adolfo Ibáñez. 2018- 2019. Postítulo Diplomado en “Data Science”. Universidad Adolfo Ibáñez. 2019. Magíster en “Data Science”. Universidad Adolfo Ibáñez. 2019-2022. Autor del Modelo “Microeconométrico” y Seleccionado Expositor en BAFI
2020 https://www.baficonference.cl/20/default/inicio de la Facultad de ciencias Físicas y Matemáticas. Universidad de Chile. 2020. Autor del Modelo de Deep Learning y Machine Learning “ALQUIMIA”. Modelo predictivo para la detección de anomalías patrimoniales y lavado de activos. Actualmente en uso por el equipo de “Análisis de Datos” de la “Unidad de Análisis de Declaraciones de Intereses y Patrimonio”, de Contraloría General de la República. Operativo desde diciembre de 2021 hasta la actualidad. Su desarrollo comenzó el año 2018-2019. Profesor de “Introducción a la Programación en RStudio” y “Clustering” en el postítulo “Introducción al Data Science para el Sector Público», versión 1, 2 y 3, en el Instituto de Asuntos Públicos. Universidad de Chile. 2021-2022. Profesor de “Introducción a la Programación en RStudio” para el Módulo de “Inteligencia Artificial” en el postítulo “Gestión de Procesos, Innovación, Excelencia Operacional e Inteligencia Artificial», en la Facultad de Ciencias Químicas y Farmacéuticas. Universidad de Chile. 2021-2022. Experiencia profesional en el Sector Privado como encargado del Sistema de Gestión de Calidad ISO 9001:2008, en la Red de Empresas Fidegroup S.A. 2013. Experiencia profesional en materia de Levantamiento de Procesos, Tratamiento de Acciones Correctivas y Sociometría, en el Sector Público, para el Departamento de Estadísticas e Información de Salud (DEIS), de Ministerio de Salud. 2011-2013.
Actualmente miembro del equipo de “Análisis de Datos” de la “Unidad de Análisis de Declaraciones de Intereses y Patrimonio”, de Contraloría General de la República.
Coordinador: Adrian Araneda Toro
HORAS DIRECTAS: 161
HORAS TOTALES: 265
FECHA CONFIRMACIÓN: 17/03/23
FECHA INICIO: 19/04/23
HORARIO: Miércoles 18:30 – 21:15hrs; Jueves 18:30 – 21:15hrs y algunos Sábados 09:00 – 13:30hrs.
VALOR: 42UF