Las organizaciones públicas y privadas requieren de insumos de información constantes para su toma de decisión y para el correcto uso de capacidades y recursos. Durante los últimos años el impulso de un mundo basado en datos, trae consigo nuevos desafíos para profesionales de diversas disciplinas, por desarrollar capacidades para comprender, analizar y tomar decisiones basada en información empírica y concreta.

Lo anterior es un activo fundamental para conseguir las metas planteadas en cualquier organización. En este sentido, el Diplomado en Analítica Social y Decisiones en Python, es el complemento ideal para profesionales que quieran desarrollar dichas habilidades, conocer herramientas de apoyo tales como ChatGPT, y sobresalir en un entorno donde el análisis de datos es un requisito esencial. Este programa busca aportar a la toma de decisiones informadas y al desarrollo de habilidades propias del área de analítica. De esta forma, busca aportar a las habilidades profesionales de los estudiantes para desarrollarse en un espacio del conocimiento donde empresas, gobiernos y organizaciones no gubernamentales tienen una creciente necesidad para la toma efectiva de decisiones y la evaluación de procesos.

Más allá de esto, este programa prepara a los alumnos para abordar los desafíos de un mundo dinámico, en donde las habilidades y herramientas estudiadas, sirven para áreas tan diversas como los negocios, salud, gobierno, educación e investigación aplicada.

Contenidos

CONTENIDOS DEL DIPLOMADO EN ANALÍTICA Y DECISIONES CON PYTHON

Módulo 1: Estadística: estadística tendencia central, pruebas de hipótesis, fundamentos de probabilidad

Docente: Mauricio Apablaza

Objetivo del módulo: Proporcionar a los participantes una base sólida en estadística y análisis de datos, permitiéndoles comprender los elementos básicos para una correcta analítica de datos.

Contenidos:

Clase 1: Indicadores

• Introducción (Indicadores SMART)
• Indicadores unidimensionales
• Indicadores multidimensionales
• Indicadores Clave de Desempeño (Matriz de marco lógico y KPI)

Clase 2: Estadística descriptiva

• Univariada: medidas de tendencia central, posición y dispersión
• Bivariada: covarianza, correlación lineal

Clase 3: Estadística inferencial

• Muestreo y distribución de probabilidad
• Estimación: Puntual e intervalos
• Contraste de hipótesis

Clase 4: Regresión lineal

• Supuestos
• Regresión lineal

 

Módulo 2: Estructura de programación en Python / Introducción

Docente: Miguel Ángel Fernández

Objetivo del módulo: Proporcionar a los participantes una base sólida en programación en Python, desde conceptos básicos hasta estructuras de datos más avanzadas con el apoyo de ChatGPT.

Contenidos:

Clase 1: Introducción a solución de problemas vía Python

• Fuentes de información y recolección de datos.
• Instalación y puesta en marcha de Visual Studio.
• Diagramas de decisión lógica.
• Caso de estudio: Descomposición del problema.

Clase 2: Tipos de data, expresiones simples y variables.

• Funciones comunes en Python
• Introducción a objetos y métodos.
• Formatos y variables.

Clase 3: Expresiones booleanas, operaciones y colecciones.

• Tipos booleanos, valores y expresiones.
• Declaraciones bajo supuestos.
• Estrategias de diseño de bucles.

Clase 4: Estructuras de data, funciones, objetos y clases.

• Definiendo funciones.
• Programación y pensamiento orientada a objetos.
• Objetos mutables e inmutables.
• Métodos especiales y caracteres.

 

Módulo 3: Analítica de datos con Python

Docente: Hugo Contreras

Objetivo del módulo: Dotar a los participantes de las habilidades necesarias para llevar a cabo análisis de datos avanzados utilizando Python con el apoyo de ChatGPT.

Contenidos:
Clase 1: Estadística descriptiva en Python

• Univariada: medidas de tendencia central, posición y dispersión
• Bivariada: covarianza, correlación lineal

Clase 2: Intervalos de confianza en Python

• Una muestra: media, proporción y varianza
• Dos muestras: Diferencia de medias (muestras dependientes), diferencia de medias (muestras independientes) con varianzas poblacionales desconocidas asumiendo igualdad y desigualdad de varianzas, diferencia de proporciones

Clase 3: Contrastes de hipótesis en Python

• Una muestra: media, proporción y varianza
• Dos muestras: Diferencia de medias (muestras dependientes), diferencia de medias (muestras independientes) con varianzas poblacionales desconocidas asumiendo igualdad y desigualdad de varianzas, diferencia de proporciones
• Prueba no paramétrica Chi-Cuadrado de independencia

Clase 4: Regresión lineal en Python

• Regresión lineal simple
• Regresión lineal múltiple

 

Módulo 4: Visualización de datos

Docente: Francisco Guzmán

Objetivo del módulo: Capacitar a los participantes en el arte de la visualización de datos utilizando Python con el apoyo de ChatGPT.

Contenidos:

Clase 1: Visualización de datos con Python.

• Desde histogramas hasta gráficos de caja.
• Módulos utilizados: Matplotlib, Seaborn y Plotnine

Clase 2: Detalles de la Visualización en Python.

• Edición en detalle de los gráficos.
• Módulos utilizados: Matplotlib, Seaborn y Plotnine

Clase 3: Mapas en Python.

• Mapas geográficos y de calor.
• Módulos utilizados: Geopandas, Matplotlib, Seaborn y Plotnine

Clase 4: Interpretación y utilidad de la visualización de datos.

• Mejores prácticas para la visualización de datos.

 

Módulo 5: Taller de aplicación final

Docente: Víctor Martínez.

Objetivo del módulo: Proporcionar a los participantes la oportunidad de aplicar y consolidar todos los conocimientos y habilidades adquiridos a lo largo del programa en situaciones del mundo real

Contenidos

Clase 1 y 2: Recolectando información desde el mundo real.

• Bases de datos y recolectores de información.
• Transformación y trabajo con diferentes formatos de data

Clase 3: Plataformas para decisiones basadas en datos.

• Plataformas interactivas y visualizaciones.
• Del dato al relato: Métodos de presentación.

Clase 4: Taller de decisiones basada en analítica de datos.

• Aplicación con datos reales.
• Mejores prácticas y estrategias.

Objetivos

Objetivo General

1. Desarrollar una base sólida de habilidades y herramientas para ordenar, analizar y visualizar datos públicos y privados a través de Python.

 

Objetivos Específicos

2. Conocer los fundamentos técnicos y metodológicos propios de la analítica social con el fin de implementar dichos conceptos en la toma de decisiones.
3. Conocer herramientas de apoyo, tales como ChatGPT, que apoyan el proceso de analítica de datos y toma de decisiones.

Dirigido a

Profesionales de diversas disciplinas y sectores que buscan especializarse en herramientas de procesamiento, analítica y visualización de datos para liderar procesos de gestión y evaluación y que aspiren a ampliar conocimientos técnicos y prácticos en Python que apoyen su labor en organizaciones públicas y privadas.

Requisitos de Admisión

• Profesión u ocupación: No requiere
• Experiencia laboral: No requiere
• Nivel de estudios: No requiere