Cookie Consent by Free Privacy Policy Generator
DONAR

Completá el formulario para recibir información








    Facultad Escuela de Negocios
    Especialización en Big Data y Análisis de Datos Estratégicos
    Distancia
    SOLICITAR ADMISIÓN
    MAS INFO
    BIG DATA – EMPRESAS – TECNOLOGÍA
    Título de Posgrado
    Especialista en Big Data y Análisis de Datos Estratégicos
    18
    Meses
    450

    Hs de cursado

    MODALIDAD
    Distancia
    Cupos: Abiertos

    ¿Por qué estudiar este posgrado?

    La Especialización en Big Data y Análisis de Datos Estratégicos está diseñada para ser cursada 100% a distancia, esto te brinda la
    posibilidad de hacer materias estés donde estés, aprovechando la flexibilidad horaria que permite integrar la vida personal con el
    posgrado.

    En el Campus Virtual de UCASAL podrás encontrar en un solo lugar los materiales de estudio, herramientas y recursos pedagógicos para tu aprendizaje, como así también foros de interacción con docentes y compañeros.

     

    Descripción del posgrado

    La especialización en Big Data y Análisis de Datos Estratégicos es una carrera de posgrado que nace para cubrir la demanda existente en el mercado empresarial, que está en constante crecimiento.

    Las nuevas tecnologías hoy en día están cambiando la forma de tomar decisiones, la información en tiempo real se está volviendo clave e inteligente, la incorporación en nuestras vidas de los dispositivos moviles o el Internet of Things (Internet de las cosas), es crucial para explorar grandes conjuntos de datos atípicos a fin de detectar tendencias e información previamente invisibles para lograr otros objetivos empresariales.

    Ahora, como en ningún otro momento del tiempo, tenemos la capacidad de tener la información en tiempo real de todos los procesos de las empresas, de los clientes e incluso de nuevos potenciales clientes.

    MODALIDAD (Metodología de Enseñanza)

    DISTANCIA

    Las asignaturas se organizan en la plataforma virtual de UCASAL. Allí encontrará los recursos y espacios de comunicación necesarios para aprender cada materia: bibliografía, presentaciones, videos, estudios de casos, entre otros.

    Se dictan clases sincrónicas que quedan grabadas*

    Los ejes de enseñanza y aprendizaje giran alrededor de la formación de competencias generales y transversales, y el Aprendizaje Basado en Retos (ABR).

    Se hace especial hincapié en el trabajo colaborativo y en la construcción de aprendizajes innovadores, disruptivos y contextualizados en los ámbitos local, regional, nacional e internacional.

    *Cronograma disponible, solicitando Más Info.

     

     

    CRONOGRAMAS
    PERFIL DEL EGRESADO

    Profesionales con competencias de planificación, gestión y dirección de proyectos de Big Data, Data Analytics, Bussiness Intelligence y Data Mining dentro de la organización, con amplios conocimientos para la participación en carácter de conducción interna o como asesor estratégico del negocio de las empresas.

    REQUISITOS DE ADMISION
    Título de grado Universitario, de un cursado de 4 años o más.
    ACREDITACIÓN
    IF-2020-85747339-APN-CONEAU#ME

    Plan de Estudios

    PLAN DE ESTUDIO

    • Dirección Estratégica

      • El cambio personal y organizacional.
      • Algunos modelos para implementar un cambio organizacional.
      • La resistencia al cambio.
      • La participación en el proceso de cambio estratégico.
      • El pensamiento estratégico y la dirección estratégica.
      • Presentación de un modelo de planificación estratégica validado internacionalmente.
      • La matriz DAFO como un valioso instrumento de la planificación estratégica.
      • Escenarios estratégicos.
      • La visión.
      • Análisis del sistema de valores que sustentará la estrategia.
      • Elaboración de estrategias empresariales.
      • Objetivos y criterios de medida. Nuevos negocios.
      • Crecimiento. Consolidación. Revitalización.

    • Big Data I

      • Conceptos de Big Data.
      • La plataforma Hadoop para soluciones distribuidas.
      • Conceptos de bases de datos NoSQL y su relación a las arquitecturas distribuidas.
      • Rol del profesional de big data en las organizaciones (tales como data scientist, data engineer, etc).
      • Historia de la programación distribuida.
      • Introducción al concepto de cluster para aplicaciones relacionadas con problemáticas de big data.
      • Implementación de distribución y replicación de datos.
      • Ventajas y desventajas.
      • Problemáticas y técnicas de escalabilidad en big data.
      • Planificación a futuro.
      • Problemáticas de regresión y su diferencia con clasificación.
      • Problemáticas de clustering y algoritmos tales como k- means y variantes.
      • Reducción dimensional, usos y aplicaciones.
      • Nociones generales de Java, Scala y Python para ambientes distribuidos.
      • Primitivas fundamentales de Spark y Map reduce.
      • Procesamiento real time vs procesamiento batch en herramientas distribuidas.

    • Data Mining y Business Intelligence

      • Definición de Business Intelligence.
      • La problemática actual del acceso a la información.
      • La evolución de los sistemas de información.
      • Necesidad de los sistemas de Business Intelligence.
      • Condiciones para adoptar un sistema de Business Intelligence.
      • Requerimientos básicos de un sistema de Business Intelligence.
      • Costos y beneficios de implementar un sistema de Business
      • Intelligence. Definición de un datawarehouse.
      • Características de los datos contenidos en un datawarehouse.
      • Datamarts. El catálogo de un datawarehouse.
      • Alineamiento de la tecnología con los objetivos de negocio.
      • Criterios tecnológicos.
      • Sistemas de soporte a la decisión.
      • Herramientas de consulta e informes. Herramientas de análisis multidimensional.
      • Descubrimiento de información y minería de datos.
      • De los datos a las decisiones.
      • Verificación de hipótesis frente a descubrimiento de información.
      • El proceso genérico de minería de datos.
      • Operaciones de minería de datos.
      • Técnicas de minería de datos.
      • Actores que intervienen en un proyecto datamining.
      • Metodologías de desarrollo para los proyectos de datamining.
      • Aplicaciones de minería de datos.
      • La problemática del acceso de la información en internet.
      • Mecanismos de búsqueda en internet.
      • Posibles soluciones.
      • ¿Qué atrae a las empresas hacia la minería de textos?
      • Escenarios de trabajo y principales operaciones de minería de textos.
      • Herramientas de análisis de textos.
      • Motores de búsqueda avanzados.
      • Recopilaciones de información en internet

    • Data Management

      • Conocer qué es el Data Management y el Big Data, su impacto en las organizaciones y los beneficios que puede aportar su adopción.
      • Identificar las oportunidades de la Gestión Estratégica de la Información.
      • Familiarizarse con las arquitecturas hardware y software disponibles en el mercado.
      • Gestionar correctamente las implicaciones legales del uso de los datos (privacidad, seguridad y protección de datos).
      • Entender cómo se lleva a cabo un proyecto de Big Data.
      • Conocer técnicas sofisticadas del tratamiento de datos.
      • Análisis en tiempo real, MPP (Massively Parallel Processing).
      • Modelos predictivos, analíticas en Web, Redes Sociales, Social CRM.
      • Definiciones sobre la aplicación de la gestión tecnológica vs gestión empresarial.
      • La tecnología al servicio de la estrategia empresarial.
      • Plataformas de palicación: Cobit, Information Technology lnfrastructure Library (ITIL) y la estrategia TI.
      • Conceptos sobre la innovación tecnológica.
      • La contratación electrónica, la protección de datos.
      • La responsabilidad de los prestadores de servicios.
      • Regulaciones internacionales respecto a la gestión de información y jurisdicciones y actividad internacional.

    • Plataformas Tecnológicas

      • Conceptos de convergencia tecnológica.
      • Las diferentes Plataformas Tecnológicas, y sus aplicaciones en entornos empresariales, educativos y gubernamentales.
      • Sistemas de interconexión de redes de área extendida (WAN).
      • Métodos de vinculación entre las diferentes redes.
      • Los centros de datos empresariales.
      • Las Nubes Privadas, Públicas y Mixtas y sus diferentes aplicaciones.
      • Plataformas tecnológicas basadas en SOA, BDAF.
      • Conceptos sobre PaaS, laaS, SaaS.
      • Los sistemas de almacenamiento y capacidad de proceso de datos.
      • Funciones de memoria amplia, asequibles, tecnologías específicamente diseñadas para grandes volúmenes de datos.
      • Procesamiento paralelo.
      • Clustering, MPP.
      • Virtualización.
      • Cloud computing y otros sistemas de asignación de recursos flexibles.
      • Diseño de soluciones tecnológicas para diferentes entornos empresariales.
      • Comparación de soluciones de plataformas In Site y en el Cloud.
      • Ventajas y desventajas de ambas soluciones.
      • La conectividad como medio critico.
      • Utilización de Centros de Datos de diferentes proveedores.
      • Redes de convergencias de datos. Redes de Storage.
      • Design Thinking, Lean Startup, Agile y Extreme Programming.

    • Blockchain

      • El sistema financiero y monetario internacional tradicional.
      • Descentralización universal.
      • El Concepto de Blockchain.
      • Características de los distintos tipos de blockchains.
      • Validación de operaciones y protocolos de consenso.
      • Analizar la lógica, la mecánica y operatoria de los distintos tipos de blockchains.
      • Introducción de terminología y conceptos básicos en las criptomonedas.
      • Los Bitcoin. Génesis, terminología y análisis de la primer gran criptomoneda. Análisis fundamental y técnico sobre criptomonedas. Análisis de las criptomonedas y tokens más populares en el mercado. Análisis de las distintas opciones para adquirir criptomonedas.
      • Billeteras de criptomonedas: análisis de las distintas opciones.
      • Los exchanges de criptomonedas: Análisis de las distintas opciones. Conceptos fundamentales.
      • Los contratos inteligentes y su rol como agentes disruptivos.
      • Fundamentos del trading de criptomonedas.
      • ICO (Initial Coin Offering): Análisis de proyectos de inversión.
      • Tokens y Wallets específicas para minado POS.
      • Masternodes.
      • Disrupción criptográfica: el rol de la blockchain y los contratos inteligentes en la industria de las finanzas, seguros, viajes, alquileres, publicidad digital, internet of things (I0T), monetización y distribución de contenidos digitales.
      • Reflexiones sobre el futuro de la criptoeconomía, el marco regulatorio y los Estados.

    • Machine Learning y Deep Learning

      • Concepto y definiciones.
      • Objetivo para el aprendizaje.
      • Los tipos de aprendizaje de maquinas.
      • Limitaciones del aprendizaje de las máquinas.
      • Aprendizaje a gran escala.
      • Máquinas de Turing Neural.
      • Análisis del lenguaje: vectores de palabras / frases, análisis sintáctico, análisis de sentimientos.
      • Aprendizaje basado en gradientes.
      • Asignaciones no lineales.
      • Optimización no lineal, gradiente estocástico.
      • Avances recientes. Definiciones y conceptos.
      • De las neuronas biológicas a las artificiales. Definición de una neurona artificial.
      • Topología de los diferentes tipos de redes neuronales.
      • Funciones de activación.
      • El número de capas.
      • La dirección del viaje de información.
      • El número de nodos en cada capa.
      • Redes Neuronales Backpropagation.
      • Entrenamiento de redes neuronales con Backpropagation. Las redes neuronales de Kohonen.
      • Redes Neuronales Convolucionales (CNNs).
      • Campo de aplicación de Deep Learning.
      • Los tipos de Aprendizaje profundo. Autocodificadores profundos. Redes Neuronales Profundas Pre-entrenadas. Redes apiladoras profundas.
      • Aplicaciones en el mundo empresarial.
      • Plataformas de desarrollo.

    • Data Government

      • Conceptos de Data Government.
      • Cómo se pueden usar los datos gubernamentales para mejorar la formulación de políticas públicas.
      • Qué tecnologías están disponibles para hacer que los gobiernos sean más eficientes y para usar datos de gobierno en la gestión.
      • Los valores públicos, incluida la transparencia y la privacidad, en un contexto gubernamental.
      • Plataformas tecnológicas en donde desarrollar el Data Government.
      • Conceptos básicos relacionados con Gobierno Abierto y Datos de Gobierno Abierto.
      • Análisis de los beneficios, las barreras y los posibles efectos negativos de un caso particular de gobierno abierto.
      • Cómo aplicar los principios de gobierno abierto en diversas situaciones.
      • Cómo analizar los valores públicos y las mejores prácticas relacionadas con el gobierno abierto.
      • Estrategias y desafíos para la apertura de gobiernos.
      • Cómo entender los potenciales efectos negativos y positivos que Open Government puede traer al lugar de trabajo.
      • Cómo las TIC cambian los gobiernos y cómo las TIC se pueden utilizar en las administraciones públicas.
      • Gobernanza basada en datos y la investigación basada en los datos.
      • Aplicaciones en los diferentes entornos de desarrollo.

    • Big Data II

      • Las Plataformas de Java, Scala y Python para ambientes distribuidos y aplicaciones empresariales.
      • Primitivas fundamentales de Spark y Map reduce.
      • La aplicación Jupyter como enlace para desarrollar los modelos y técnicas con PySpark.
      • Los diferentes tipos de procesamiento en diferentes entornos de implantación.
      • La regresión y regresión logística.
      • Las etapas de calibración del modelo.
      • Etapas de validación y simplificación.
      • Técnica de Árboles de Regresión y Clasificación.
      • Técnicas de bosques aleatorios.
      • La aplicación de Redes Neuronales para clasificación y los usos de Machine Laerning, para el análisis de componentes principales y la clasificación automática a través del análisis de clústers.
      • Introducción a Probabilidades y sus Distribuciones para la Toma de Decisiones.
      • Conceptos básicos y las Aplicaciones prácticas de las Probabilidades.
      • Las Reglas y Condiciones para aplicar Probabilidades, la Regla de Bayes.
      • Distribuciones de Variables Aleatorias y Discretas como Continúas.
      • Distribución Normal, Binomial y Poisson y sus aplicaciones prácticas.
      • Los diferentes tipos de Muestreo estadístico.  Las Distribuciones en el Muestreo.
      • Los Intervalos de Confianza.
      • Estadística Inferencial Inductiva.
      • Modelo de Regresión Lineal Simple, las inferencias y análisis de varianza sobre los 3 parámetros poblacionales del modelo y los Coeficientes de Correlación y determinación.
      • Recolección de información: del dato a la información para la toma de decisiones.
      • Presentación de la información.
      • Análisis inteligente de datos.
      • Las Herramientas de BI y sus aplicaciones en desarrollos empresariales. Selección de herramientas.
      • Data visualización. Técnicas y formas de presentación de los datos. Cuadros de mandos interactivos.
      • El dashboard inteligente.

    • Dirección y Gestión de Proyectos

      • Introducción a los proyectos. ¿Qué es un proyecto?
      • Proyectos IT vs otro tipo de proyectos.
      • Qué es la Gestión de Proyectos. Tipos de gestión en los proyectos.
      • Gestión vertical. Gestión horizontal.
      • Roles en la gestión de proyectos. El gestor de proyectos. Habilidades del gestor de proyectos.
      • Trabajo en equipo y relaciones interpersonales.
      • Integración.
      • Habilidades técnicas. Conocimiento de la empresa. Otros roles en el proyecto.
      • Objetivos de la planificación. Cuándo planificar.
      • Actividades en los proyectos.
      • Cronograma-Diagrama de Gantt. Diagramas de precedencia, Relaciones lógicas.
      • El camino crítico.
      • Introducción a los riesgos. Qué es el riesgo y la gestión de riesgos. Fases en la gestión del riesgo. Estableciendo el contexto. Identificando los riesgos. Análisis del riesgo. Tratamiento del riesgo. Monitorización y gestión de los riesgos. Identificación de los riesgos.
      • Datos históricos. Lluvia de ideas. Entrevistas. Checklist. DAFO.
      • Clasificación de los riesgos. Riesgos del mercado. Riesgos financieros. Riesgos tecnológicos. Riesgos humanos. Riesgos del proyecto.
      • Evaluando riesgos. Matriz de probabilidad de los riesgos. Tabla de riesgos del proyecto.
      • Árboles de decisión. Registro de los riesgos. Plan de gestión y reducción de los riesgos. Monitorización y control de los riesgos.
      • Penetración en el mercado. Incertidumbre en la estimación. Viabilidad empresarial. Cambios en los requerimientos. Técnicas de estimación.
      • Aproximación por procedimientos o puntos de función.
      • Cálculo del esfuerzo humano.
      • Entregables del proyecto.
      • Preparando el plan de aseguramiento de la calidad. El costo de la calidad. Aspectos positivos de la calidad. Aspectos negativos de la calidad.
      • Cerrando el proyecto.
      • Aspectos a tener en cuenta en la revisión del proyecto. Informe final.

    • Seminario de Integración

      • Desarrollo de técnicas y soportes metodológicos para la elaboración de trabajo final integrador.
      • El objetivo es presentar un documento completo que muestre el desarrollo total de un caso. Éste puede ser tanto teórico como aplicado, pero siempre respetando las doctrinas, teorías y disciplinas relacionadas.
    CUERPO DOCENTE

    Nuestro cuerpo docente esta integrado por profesores de gran renombre a nivel nacional e internacional que se desempeñan en diferentes funciones académicas en las principales universidades del país, realizando también tareas de asesoramiento, dirección de proyectos y consultoría especializada en el ámbito empresarial, gubernamental e industrial.

    Director/a

    Mg. Ing. Mario M. Figueroa de la Cruz

    Negocios Digitales / Management del Cambio / Management del Trabajo en Equipo

    Docentes

    Mg. Ing. Pablo Vargas

    Master en Dirección Estratégica en Telecomunicaciones, Ingeniero en Sistemas de Información.

     

    Dr. Ing. Diego Lizondo

    Doctor en ciencias de la ingeniería e Ingeniero en Sistemas de Información

     

    Mg. Ing. Mario M. Figueroa de la Cruz

    Magíster en Ciencia de la Ingeniería, Especialista, Tele comunicaciones Telefónicas e Ingeniero Electrónico.

     

    Mg. Ing. Soledad Flores

    Mg. en Dirección Estratégica – Orientaciónen Ingeniería del software. Ingeniera en Informática

    Dr. Ing. Rafael Francisco Visa

    Doctor en Proyectos. Master en Dirección Estratégica de Empresas. Magíster En Administración de Negocios. Ingeniero en Informática.

     

    Mg. Ing. Fernando Nader

    Magíster en Dirección y Administración de Empresas. Ingeniero en Computación

     

    Dr. Ing. Pedro Araujo

    Doctor en Ingeniería mención Sistemas de Información, Magister en Ingeniería en Sistemas de Información, Especialista en Ingeniería en Sistemas de Información, Ingeniero en Sistemas de Información.

    Consultá por descuentos especiales

    ¡Que tu historia no se detenga!

    Carreras de PREGRADO

    ¡Construí tu historia!
    Ver más

    Carreras de GRADO

    ¡Construí tu historia!
    Ver más

    Carreras de POSGRADO

    ¡Construí tu historia!
    Ver más

    Sede Central: Campo Castañares
    Anexo Centro: Pellegrini 790

    Salta, República Argentina
    CP: 4400

    Tel.: +54 0387 4268800

    0810 555 822725 (UCASAL)

    Youtube Facebook Instagram Tiktok Linkedin