CURSO:CIENCIA DE DATOS Y SUS APLICACIONES TRADUCCION:DATA SCIENCE AND ITS APPLICATIONS SIGLA:INF3521 CREDITOS:05 MODULOS:02 CARACTER:OPTATIVO TIPO:CATEDRA CALIFICACION:ESTANDAR PALABRAS CLAVE:CIENCIA DE DATOS, ANALISIS PREDICTIVO, INTERPRETACION DE MODELOS NIVEL FORMATIVO:MAGISTER I.DESCRIPCIÓN DEL CURSO En este curso los estudiantes se aproximaran a entender los datos como la nueva moneda a nivel global, que con su espectacular crecimiento esta transformando a todas las industrias - desde la industria de la salud hasta finanzas y entretenimiento, ciberseguridad y mas -, requiriendo profesionales para explotar todo su potencial. El enfoque del curso se centra en que los estudiantes comprendan los conceptos basicos de la Ciencia de Datos, y adquieran competencias en el uso de herramientas para su aplicacion. Los estudiantes podran aplicar conceptos, metodos y herramientas de Ciencia de Datos a ejemplos reales, incluyendo el desarrollo de modelos, el analisis de los datos, y su interpretacion, a traves del desarrollo de trabajos practicos y discusion de casos de la industria. II.RESULTADOS DE APRENDIZAJE 1.Aplicar los conceptos, metodos y herramientas fundamentales de Ciencia de Datos a problemas reales de negocio, interpretando adecuadamente los resultados y generando acciones de valor agregado. 2.Desarrollar modelos descriptivos, predictivos y prescriptivos sobre datos de diversas industrias. 3.Evaluar oportunidades de negocio accionables a partir del analisis de datos. III.CONTENIDOS 1.La evolucion de la ciencia de datos y el analisis predictivo para el apoyo a la toma de decisiones. 2.Las caracteristicas que definen a una organizacion data-driven. 3.Como las empresas modernas estas generando productos y servicios analiticos. 4.Metodologias de analisis de datos y busqueda de patrones. 5.Generacion de modelos descriptivos, analisis de casos reales y trabajo practico. 6.Generacion de modelos predictivos y prescriptivos, analisis de casos reales y trabajo practico. 7.Como interpretar modelos analiticos para tomar mejores decisiones de negocio. IV.ESTRATEGIAS METODOLOGICAS -Clases expositivas. -Talleres practicos. -Estudio y discusion de conceptos en clases. -Nota: Para el desarrollo de las actividades de este curso se requiere un porcentaje minimo de asistencia, el que sera indicado por el profesor al inicio de este. V.ESTRATEGIAS EVALUATIVAS -Participacion (de acuerdo a una rubrica): 50% -Proyectos practicos: 50% VI.BIBLIOGRAFIA Minima Foster Provost, Tom Fawcett, Data Science for Business: What You Need to Know about Data Mining and Data-Analytic Thinking. O'Reilly Media, 2013. John W. Foreman, Data Smart: Using Data Science to Transform Information into Insight. Wiley, 2013. Nir Kaldero, Data Science for Executives: Leveraging Machine Intelligence to Drive Business ROI. Lioncrest Publishing, 2018. Complementaria Trevor Hastie, Robert Tibshirani, Jerome Friedman, The Elements of Statistical Learning: Data Mining, Inference, and Prediction (2nd Ed.), Springer, 2009. John Warrillow, Built to Sell: Creating a Business That Can Thrive Without You, August 21, 2014. Daniel Coyle, The Talent Code: Greatness Isn't Born. It's Grown. Here's How, June 1, 2014. Mike Rother, Toyota Kata: Managing People for Improvement, Adaptiveness and Superior Results, June 1, 2014. Kevin D. Johnson, The Entrepreneur Mind: 100 Essential Beliefs, Characteristics, and Habits of Elite Entrepreneurs, March 20, 2017. PONTIFICIA UNIVERSIDAD CATOLICA DE CHILE ESCUELA DE INGENIERIA / JUNIO 2020