“El desarrollo y uso creciente de nuevas tecnologías en un mundo cada vez más interconectado está generando grandes cantidades de información. Los gobiernos están empezando a utilizarla para mejorar su toma de decisiones y la calidad de los productos y servicios públicos. El uso intensivo de datos genera valor público en muchas dimensiones. ”

Objetivos

General

Formar profesionales que puedan contribuir a la generación de valor público a través del análisis y uso de datos. Entregar una perspectiva cuantitativa que contempla el aprendizaje de múltiples modelos y herramientas y su aplicación en un contexto de modernización e innovación en la gestión pública.

Específicos

  • Conocer las herramientas y metodologías para el análisis de datos masivos, conocido como Big Data.
  • Entender los procedimientos estadísticos y econométricos en el análisis de datos, tanto para el análisis descriptivo y de diagnóstico, como para el análisis predictivo y prescriptivo.
  • Manejar herramientas para el análisis de Big Data como R y GIS.
  • Conocer los métodos de aprendizaje automático para generar modelos predictivos y prescriptivos, útiles para la optimización de procesos y la asignación de recursos públicos.
  • Aprender a realizar minería de texto y conceptos básicos de geoanálisis.
  • Aplicar el conocimiento a problemas del sector público y la sociedad civil.

Dirigido a

  • Profesionales del sector público en roles de análisis de datos, estudios y fiscalización.
  • Profesionales de centros de estudios, gremios, fundaciones y medios de comunicación dedicados al análisis de datos.

Introducción a Big Data
Descripción inicial del concepto, historia, principales actores y las 5 V’s de Big Data. Qué es y qué no es Big Data. Análisis descriptivo, predictivo y prescriptivo, con ejemplos prácticos de aplicación en el sector público. Procesos de Big Data y ética. Se contará con invitados nacionales y videoconferencias con invitados internacionales. 

Bases estadísticas y herramientas para el análisis de Big Data
Bases estadísticas: Asociatividad, correlación, métodos econométricos, predicciones, Big Data y econometría. Introducción a R: exploración de datos, manejo de dimensionalidad, funciones, regresiones y visualización básica.

Machine Learning
Expresiones regulares, limpieza de datos, profundización en R. Conceptos iniciales de aprendizaje automático, modelos predictivos, redes neuronales, K-nearest neighbors, árboles de decisión, clasificación, y aprendizaje no supervisado. Ejemplos de modelos predictivos (crimen, incendios, etc).

Text Mining y Geoanálisis
Análisis geográfico: uso de sistemas de información geográfica (GIS), spatial correlation, ejemplos de Geoanálisis y Big Data. Minería de texto: Natural Language processing, word association mining, text clustering, text classification. Ejemplos de Text Mining (discursos, proyectos de ley, etc).

Taller Aplicado de Big Data
Talleres de infraestructura (Hadoop, Spark), gestión de proyectos de Big Data y trabajo en grupo para un proyecto de Big Data y políticas públicas, desde la limpieza/ recopilación de datos, análisis, resultados y conclusiones y presentación del proyecto de seminario al resto del curso.

Álvaro Bellolio
Master in Public Policy, University of Chicago. Ingeniero Civil Industrial mención Tecnologías de la Información, Pontificia Universidad Católica de Chile. Director de Investigación GobLab UAI y Docente Escuela de Gobierno UAI. Director consultora de Big Data Asesorías Seshat.

Andrés Letelier
Master en Ciencias de la Computación e Ingeniero Civil Industrial mención Computación, Pontificia Universidad Católica de Chile. Docente PUC e Investigador Asociado GobLab UAI.

John Atkinson
Ph.D. in Artificial Intelligence, University of Edinburgh. Ingeniero en Informática y Master en Ciencias de la Computación, Universidad Técnica Federico Santa María. Profesor Facultad de Ingeniería y Ciencias UAI.

Luis Valenzuela
Doctor en Diseño, Harvard University. Arquitecto y Magíster en Arquitectura de la Pontificia Universidad Católica de Chile. Director del Centro de Inteligencia Territorial (CIT) y Profesor Escuela de Diseño UAI.

María Paz Hermosilla
Master of Public Administration, New York University. Periodista, Pontificia Universidad Católica de Chile. Directora GobLab UAI y Docente Escuela de Gobierno UAI.

Matías Garretón
Doctor en Urbanismo y Planificación de la Universidad París Est, Máster del Instituto de Urbanismo de París y Arquitecto de la Universidad Católica de Valparaíso. Investigador Centro de Inteligencia Territorial (CIT).

Pablo Aguirre
Master in Public Policy, University of Chicago. Ingeniero Agrónomo, Pontificia Universidad Católica de Chile. Consultor UN-FAO.

Rodolfo Abanto
Magíster en Estadística, Pontificia Universidad Católica de Chile. Licenciado en Estadística, Universidad Nacional de Trujillo, Perú. Profesor Facultad de Ingeniería y Ciencias UAI.

Santiago Larraín
Master of Science in Computational Analysis and Public Policy, University of Chicago. Abogado Pontificia Universidad Católica de Chile. Data Scientist Commonwealth of Massachusetts.

John Treimun
Geógrafo Pontificia Universidad Católica de Chile e Investigador Centro de Inteligencia Territorial (CIT).

Requisitos de Postulación

  • Poseer grado académico de Licenciado o Título Profesional equivalente.
  • Conocimientos básicos de bases de datos (nivel Excel avanzado, o SPSS o Stata)
  • Conocimientos básicos de estadística: De no cumplir con el nivel mínimo, los matriculados deberán asistir a las clases de nivelación que ofrecerá el diplomado previo al inicio del programa.
  • 3 años de experiencia profesional (mínimo)
  • Dominio de inglés a nivel de lectura.

Etapas de Postulación

  1. Postulación en línea
  2. Entrevista Personal

Proceso de Postulación

  • Se postula en línea aquí.
  • Se realiza una entrevista personal con la Dirección del Diploma.
  • La aceptación se formaliza a través de una carta que le envía la Universidad declarando su condición de “aceptado”.
  • Una vez recibida esa carta, el postulante aceptado deberá matricularse antes del inicio del Diploma para asegurar su cupo.
  • Los alumnos aceptados deberán realizar un diagnóstico de su nivel de estadística. De no cumplir con el nivel mínimo, los matriculados tendrán que asistir a clases de nivelación que se realizarán en abril, previo al inicio del programa. Estas clases están incluidas en el costo del arancel.
  • El cumplimiento de los requisitos de postulación no asegura la aceptación del postulante al Diploma.

Lugar de Realización

Av. Diagonal Las Torres 2700, Peñalolén, Santiago

Se contará con traslado gratuito los días viernes: - Ida: Desde el metro Moneda a la universidad. - Regreso: Desde la universidad al metro Grecia.

Fechas y Horarios

Viernes de 15:30 a 19:30 y sábados de 09:30 a 13:30 cada dos semanas según calendario.

Del 11 de mayo al 15 de diciembre de 2018.

Ver calendario

* Fechas sujetas a posibles modificaciones, serán avisadas con anticipación.

Precio del programa

UF 90

Formas de Pago

Contado, con cheque al día, vale vista, efectivo o tarjeta de crédito.

Cuotas: 9.

Nota: Consulta por beneficios exclusivos para ex alumnos, funcionarios públicos, empresas en convenio y pago contado.

Información y Postulaciones

Pilar Mujica

(56) 22331 1227

pilar.mujica@uai.cl