PEA

BIG DATASCIENCEPROFESSIONAL

Programa deEspecializaciónAnalítica

Los datos son el idioma de este siglo y no saber tratarlos es una nueva forma de analfabetismo. Todas las organizaciones generan y demandan información de la cual se puede extraer valor en distintas formas. Bajo esa premisa, la especialización en Big Data Science Professional, ofrece a los participantes el entendimiento de lo que es ciencia de datos aplicado en entornos reales bajo la guía de sus instructores cuya experiencia en casos de éxito en big data y ciencia de datos es fundamental.

genera valor realpara las organizaciones en un entorno cambiante y dinámico

Perfil Beneficios Competencias

Analistas de productos, segmentos, riesgos, cobranzas, comercial con necesidades de explotación de información y análisis de datos. Ingenieros Estadísticos, Sistemas e Industriales. Economistas, Administradores, Informáticos que deseen desarrollarse en la Ciencia de Datos, entre otros.

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.

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.

Desarrollar soluciones en base a Ciencia de Datos y Big Data.

Comprender los conceptos de Big Data y Machine Learning.

ProgramaCurricular

Socialization Workshop

Unsupervised Methods

Machine Learning Introduction

Hadoop Introduction

Data Science Project

R for Data Science

SCRUM

Data Visualization

Python for Data Science

Deep Learning & Text Mining

Data Driven Business

Supervised Methods

1. Socialization Workshop(9 horas académicas)

(12 horas académicas)

(12 horas académicas)

(12 horas académicas)

(24 horas académicas)

(12 horas académicas)

(16 horas académicas)

(12 horas académicas)

(12 horas académicas)

(12 horas académicas)

(12 horas académicas)

(24 horas académicas)

2. Machine Learning Introduction

3. R for Data Science

4. Python for Data Science

5. Supervised Methods

6. Unsupervised Methods

7. Hadoop Introduction

8. SCRUM

9. Deep Learning & Text Mining

10. Data Science Project

11. Data Visualization

12. Data Driven Business

Se busca generar cohesión entre los participantes para la realización de un óptimo trabajo en equipo.

Se explora desde un punto de vista aplicativo las diferentes tareas que se pueden realizar en machine learning en el entorno Big Data. Se abordan casos reales y su aplicación práctica. A lo largo del curso se realiza una introducción a las plataformas open source más usadas para el desarrollo de Machine Learning.

Nos permite conocer el software y poner en práctica las principales técnicas de pre-procesamiento de datos. Se desarollará una introducción a los modelos supervisados.

Nos permite conocer el software y el tratamiento de datos, previo al modelamiento predictivo. Además, Se desarrollará una introducción al aprendizaje supervisado y no supervisado.

Nos permite explorar técnicas de análisis predictivo avanzado para entender y predecir el comportamiento del consumidor permitiendo al negocio actuar de manera oportuna y anticipada basado en Data science. El curso se desarrolla con casos 100% prácticos de los principales rubros: banca, retail, gobierno y telco.

Nos permite explorar nuevas técnicas clustering para segmentar el mercado y encontrar nichos potencialmente rentables para tu organización. El curso se desarrolla con casos 100% prácticos de los principales rubros: banca, retail, gobierno y telco.

Aprende los conceptos básicos del procesamiento distribuido de grandes bases de datos a través de clusters de computadoras usando modelos de programación simple.

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.

Nos permite conocer las diferentes técnicas para resolver problemas de Visión Artificial como por ejemplo: el procesamiento de imágenes/vídeos, detección y descripción de características relevantes, bag of Words en Visión Artificial a través de métodos de clasificación y reconocimiento. Nos introduce al mundo de las redes neuronales y el deep learning.

El curso brinda asesoramiento para plasmar en una solución tangible el proyecto de Big Data Science.

Este curso tiene como objetivo introducir en los conceptos de visualización para representar los datos de forma analítica, así como identificar la mejor forma de presentar los datos ante distintas audiencias.

El curso se orienta en abordar 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.

Big Data ScienceProfessional

PEA - Big Data Science Profesional

Workshop(117 horas Académicas)

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

Cursos hands-on para el desarrollo de habilidades blandas, técnicas con softwares especializados y aplicados al Big Data.

Los participantes estarán acompañados por un tutor durante todo el desarrollo del PEA, además podrá compartir experiencias con personas de diferente perfil académico y laboral.

Business(28 horas Académicas)

Projects(24 horas Académicas)

Horas Académicas:169

Tiempode Duración:05 Meses

Docentes DMC - Nacionales

Docentes DMC - Internacionales

Ing. David AllendeConsultor, Coordinador de

Predictivos en Entel.

Profesional con experiencia en modelado predictivo, segmentación de clientes, minería de datos y big data. Experiencia en áreas de análisis de negocios resolviendo problemas comerciales de banca, telecomunicaciones, venta minorista y gobierno, utilizando análisis avanzados. Minería de datos y entrenador estadístico para ejecutivos. Especialista en análisis de negocios e ingeniería estadística.

MBA Jonny ChambiJefe 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.

Mstr. Sheilla La RosaCoaching, Consultora,

Instructora en DMC.

Máster en Gestión de la Educación por la Pontificia 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.

MSc. Vilma RomeroDocente 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 Co-Organizadora 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”.

MSc. Daniel ChavezConsultor, Ingeniero

Estadístico e Informático.

MSc Data Science – Universidad Ricardo Palma. Ingeniero Estadístico e Informático de la Universidad Nacional Agraria La Molina. Fue Líder de proyectos relacionados a la analítica de negocios y gestión de la información (Business Analytics y Big Data) – Atento Perú. Consultor en Anlytics, manejo analítico de herramientas Verint, en especial el speech analytics y procesos de text mining – Digitex. En la actualidad es líder de proyectos Big Data – Telefónica del Perú.

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.

Masters of Science in Supply Chain and Information Systems. Actual Director Ejecutivo de TIMI para Latinoamerica. Con experiencia que incluye Marketing y Consultoría en BI. Se ha desempeñado como investigador de modelos de marketing directo, segmentación, targeting y análisis de posicionamiento. Tiene como especialidades: Modelos Predictivos, Big Data, ETL, Data Mining, Desarrollo de Software, Business to Business Marketing, Segmentación, Targeting y Posicionamiento. Ha desarrollado su trabajo en empresas de talla global como Timi, Direktio y Deloitte.

Arturo RojasSub 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. Laren Osorio ToribioBig 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.

PhD. Edwyn Aldana (MEX)Consejo Nacional de

Ciencia y Tecnología-

CONACYT.

Ingeniero de Sistemas y Computación de la Universidad Distrital Francisco José de Caldas (Bogotá-Colombia). Maestría en Ciencias de la Computación en la Universidad Nacional Autónoma de México (UNAM). Doctorado en Ciencias de la Computación en la misma universidad (UNAM). Impartió cursos de Programación Lineal, Programación Dinámica, Procesos Estocásticos en el programa de Matemáticas Aplicadas de la UNAM. Se desempeñó en diferentes empresas tanto de gobierno como del sector privado en las áreas de Ingeniería de Software, Bases de Datos y Análisis Cuantitativo de Procesos.

CONTAMOS CON EXPERTOS DE LA ANALÍTICA DE DATOS, CON UNA RECONOCIDA TRAYECTORIA INTERNACIONAL, COMPROMETIDOS CON EL DESARROLLO PROFESIONAL DE LOS ALUMNOS.

Nota: Todos los profesores mencionadosestán relacionados al programa de especialización.No necesariamente podríandesarrollar una clase.

CERTIFICACIÓN• Machine Learning Specialist.• Data Science Professional.• Big Data Executive

DATOS IMPORTANTESDuración: 5 mesesLugar: 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 capacitacion@dmc.pe

INFORMESTeléfono: (511) 253- 5066Celular: 975491764Correo: capacitacion@dmc.peWeb: www.dmc.peDirección: Jr. Río de la Plata 167. Of. 203 - San Isidro.