Sample Data-Articles

Dirección: Lic. Andrés Juarez (Universidad de Buenos aires)
Coordinación: Carlos Authier (Universidad de Buenos Aires - CONICET)

Andrés Juarez. Licenciado en Análisis de Sistemas (UBA). Especialista en Explotación de Datos y Descubrimiento del Conocimiento (Data Mining – UBA). Maestría en Docencia Universitaria (UBA), en curso. Profesor Adjunto de la Facultad de Ingeniería – UBA y UNTREF. Miembro de la Comisión Curricular de la Carrera de Licenciatura en Análisis de Sistemas de la Facultad de Ingeniería de la UBA.

Carlos Authier. Licenciado en Edición (UBA). Responsable del Sector de Gestión de la Calidad Editorial (CAICYT-CONICET). Jefe del Centro Argentino de ISSN. Coordinador Nacional Latindex Argentina, y secretario del Núcleo Básico de Revistas Científicas Argentinas. Miembro del Comité de Evaluación para Ingresos, Informes y Promociones Carrera Personal de Apoyo y docente de la carrera de Edición de la UBA.

Gonzalo Diego Peña. Licenciado en Ciencias Políticas (UBA); Especialista en Docencia
Universitaria (UCES); Mg. en Análisis de Opinión Pública (UNSAN); Dr. en Cs. Empresariales y Sociales (UCES). Actualmente se desempeña como docente de grado y posgrado, es director de la Especialización en Construcción de Marcas (UCES), director de la Maestría en Análisis y Marketing Político (UCES), director de la Maestría en Investigación de Mercados, Medios y Opinión (UCES). Además, es Vocal titular de la Junta Directiva de la Sociedad Argentina de Investigadores de Marketing y Opinión (SAIMO) y Co-Director del Observatorio de Investigación Digital (OID) de la SAIMO.

Karina Beatriz Eckert. Ingeniera en Informática (UGD); Mg. en Tecnologías de la Información
(UNaM); Docente e Investigadora en Ingeniería en Informática (UGD); Doctorado en Informática, en curso. Trabajo final de grado, tesis de maestría y proyectos de investigación, todos relacionados con ciencia de datos.

Pablo Francisco Guarna. Ingeniero Civil y Licenciado en Análisis de Sistemas (UBA); Mg en Data Mining (UAus); Profesor Universitario (UMSA). Líder de proyectos de desarrollo de Auditorias Continuas, Especialista en Data Analytics de Sistemas Bancarios y su aplicación a la detección de Errores y/o Fraudes. Especialista en auditorias de Calidad de Datos. Director de Carrera de la Licenciatura en Análisis de Sistemas FIUBA desde 2015.

Módulo 1. Conceptos básicos iniciales (Un mes)
Lógica. Conceptos básicos de probabilidad. Probabilidad Bayesiana. Algoritmos y estructuras de datos. Entornos de desarrollo en Python y R.

Módulo 2. Data mining (Un mes)
Introducción al data mining (DM). Limpieza de datos. Patrones secuenciales. Reglas de asociación. Soporte y confianza. Clustering. Regresión lineal.

Módulo 3. Aprendizaje automático (Un mes)
Árboles de decisión. Sobreajuste – poda. Estimación e intervalos de confianza. Aprendizaje Bayesiano.

Módulo 4. Text mining (Dos semanas)
Categorización de textos. Clustering de textos. Modelización de tópicos. Sumarización de textos.

Módulo 5. Visualización de datos (Dos semanas)
Cabe destacar que, durante el transcurso de cada uno de los módulos de la diplomatura se irá desarrollando un proyecto de aplicación en ciencia de datos (data/text mining).

La presente diplomatura se dicta completamente en modalidad virtual, con encuentros sincrónicos y actividades asincrónicas. Todos los estudiantes, ingresando con su usuario y su clave a la plataforma correspondiente, podrán acceder cada semana a las clases, bibliografía y recursos que sus profesores pondrán a disposición para alcanzar los objetivos propuestos.

Por medio de la plataforma educativa, cada profesor comparte con los estudiantes los contenidos a través de lecturas, ejercitaciones de distinto tipo, debatiendo en los foros, sin necesidad de hacerlo en un horario o día en particular. Los estudiantes pueden plantear sus dudas y compartir experiencias en los foros.

Clase semanal sincrónica por Zoom.

Duración: 2 horas

Día y horario: miércoles de 18.30 a 20.30hs

Tutoría semanal sincrónica: 1 hora (horario a conveniencia de los cursantes)
Actividades semanales asincrónicas (aula virtual): 5 horas

Los proyectos de ciencias de datos, por su carácter multidisciplinar, admiten la participación de profesionales y técnicos de diversas disciplinas. Por lo tanto, los/as destinatarios/as de la Diplomatura son las personas interesadas en involucrarse en proyectos de ciencias de datos, con una formación básica en ciencias exactas, o con entendimientos básicos de matemática y estadística aplicada.

Aborda una introducción de los principales temas en el ámbito de la ciencia de datos bajo un punto de vista práctico y ofrece un panorama de las principales herramientas disponibles en la actualidad; cómo recuperar datos y tratarlos, y las diferentes formas de analizarlos y producir visualizaciones.

La utilización de ciencia de datos es una tecnología innovadora que abarca todos los aspectos de la vida cotidiana, profesional y académica. La tecnología y la ciencia de datos se han convertido en una pieza fundamental en el ámbito de la medicina personalizada, en el desarrollo de nuevas terapias y en la propia transformación digital del sistema de salud.

Procesar grandes volumen de datos que producen y recolectan las empresas, requiere técnicos y profesionales con competencias específicas para obtener los resultados esperados. Las actividades del proceso consisten en recopilar, extraer y procesar información relevante a los objetivos de las organizaciones. En este contexto, los especialistas en ciencia de datos son valorados por las empresas que desean innovar sus procesos.