Diplomado en Management analytics

Liderazgo y gestión personal

• Importancia del autoconocimiento y la gestión personal
• Manejo del tiempo
• Manejo del estrés

Gestión emocional y capital psicológico

• Importancia de las emociones en el funcionamiento humano
• Estrategias de gestión emocional
• Capital psicológico (autoeficacia, optimismo, esperanza y resiliencia)

Proactividad y desarrollo de carrera

• Proactividad y agilidad de aprendizaje
• Visión y propósito
• Desarrollo de carrera

Introducción a la Inteligencia Artificial

• ¿Qué es la Inteligencia Artificial? 
• Tipos de IA. 
• Big Data. 

Mejores predicciones

• ¿Qué son las predicciones? 
• Efecto del menor costo en la capacidad predictiva. 
• Efecto de mejores predicciones. 
• ¿Prediciendo el juicio humano? 

Interacción entre IA y las personas

• ¿Cómo tomamos las decisiones? 
• ¿Qué nos aporta la IA en la toma de decisiones? 
• ¿Humanos y máquinas juntos? 

El valor de los grandes volúmenes de datos (big data) como activo estratégico

• Aumento en el volumen de datos. 
• ¿Qué se entiende por Big Data? 
• ¿Por qué los datos son el nuevo petróleo? 

La Revolución de la Inteligencia Artificial Generativa

• Fundamentos de la IA generativa. 
• Aplicaciones de la IA generativa en los negocios. 
• Impacto y desafíos de la IA generativa. 

IA y Estrategia

• Construyendo estrategia con IA. 
• Riesgos asociados a la IA. 
• ¿Nos veremos beneficiados o perjudicados la IA superinteligente? 
• Una mirada general de la IA en las industrias. 
• El aporte de la IA en la sociedad: Construyendo un mejor futuro. 

Manejo de datos

• Datos de una empresa.
• Distintos formatos de datos.
• Problemas organizacionales.
• Sistemas de bases de datos.
• Bases de datos relacionales.

¿Cómo interactuar con una base de datos?

• Base de datos en el ecosistema de una empresa.
• Lenguaje de consultas SQL.
• Múltiples usuarios trabajando con los datos.

Distribución de los datos

• Paso al mundo de Big Data.
• Distribución de los datos.
• Comparando sistemas centralizados y sistemas distribuidos.

NoSQL

• Otros modelos de datos.
• Key-value stores.
• Bases de datos de documentos.
• Bases de datos de grafos.

Procesamiento masivo de datos

• ¿Cómo manejar a datos diversos?
• Sistema de archivos de Google.
• Google File System: Garantías de consistencia.
• ¿Cómo ocupar el sistema de archivos de Google?

MapReduce

• ¿Cómo priorizar petabytes de datos?
• MapReduce.
• Blocking y tolerancia a fallas.
• ¿Cómo ocupar MapReduce?

Introducción a Business Analytics (BA)

• Qué es BA y sus orígenes
• Introducción al análisis descriptivo, predictivo, prescriptivo, y conductual
• Por qué es importante el BA para tu empresa u organización
• Aplicaciones actuales y futuras

Análisis descriptivo y gestión de datos

• El valor de los datos y relevancia del Big Data
• El rol de los datos en el análisis descriptivo de BA
• Visualización y exploración de datos (e.j., análisis de clusters)
• Describiendo y pronosticando eventos futuros

Análisis predictivo y manejo de incertidumbre

• Análisis de riesgo
• Modelando la incertidumbre con datos históricos
• Modelos probabilísticos y técnicas estadísticas
• Modelos predictivos con Inteligencia Artificial
• Evaluación de modelos predictivos

Análisis prescriptivo y recomendación de decisiones

• Métodos de optimización
• Valor de la simulación
• Análisis de sensibilidad
• Recomendaciones para la toma de decisiones 

Casos reales de aplicaciones de BA

• Métodos de recolección de datos
• A/B Testing
• Métodos de pronósticos
• Análisis de regresiones
• Modelos de optimización
• Modelos de simulación

Analítica conductual y el futuro de BA

• Modelando el comportamiento de las personas
• Determinando tendencias futuras de consumo y actuando sobre ellas
• Aplicaciones actuales de BA 
• Consideraciones éticas y regulatorias
• El futuro de BA

Análisis de decisión

• Introducción a la metodología Análisis de Decisión.
• Modelo analítico Árbol de Decisión.
• Valorización de decisiones bajo incertidumbre.
• Aplicaciones.

Análisis de incertidumbre en escenarios discretos

• Tabla de probabilidades y probabilidad condicional.
• Variable aleatorias discretas y continuas.
• Distribuciones de probabilidad discreta.
• Estadísticos (media, desviación estándar, coeficiente de variación).
• Distribución Binomial.
• Aplicaciones.

Análisis de incertidumbre en escenarios continuos

• Correlación y covarianza.
• Suma de variables aleatorias.
• Distribución de probabilidades continua.
• Distribución normal.
• Aplicaciones.

Simulación

• ¿Qué es un modelo de simulación? 
• Beneficios de simulación computacional.
• Conceptos básicos de simulación.
• Metodología.
• Análisis de resultados y comparación de escenarios simulados.
• Aplicaciones.

Optimización

• Concepto de modelo.
• Formulación de problemas prácticos.
• Geometría de la solución.
• Conceptos económicos asociados a la solución óptima.

Sistemas de espera

• Introducción a sistemas de espera.
• Conceptos de throughput.
• Estado estacionario y ecuación de Little.
• Aplicaciones.