Objetivos
ACLARA TUS DUDAS
Conoce detalles del Magíster en el siguiente video, o si prefieres contáctanos al correo: cmendietg@uc.cl
![](https://uconline.uc.cl/wp-content/uploads/2020/07/faqs-1024x673.jpg)
Malla académica
Estrategias de negocios en la era digital Profesor: Hernán Palacios, Máster Duke University (EE.UU.) Ver más...
Hernán Palacios, Máster Duke University (EE.UU.) Ver más...
Plan de estudios
Sobre el curso
El curso se centra en la creación de una visión directiva de largo plazo para la determinación del futuro de la organización. Se revisan los conceptos de creación y captura de valor, a través del desarrollo y ejecución de estrategias competitivas. Los estudiantes obtendrán herramientas y perspectivas orientadas a desarrollar una respuesta de modelo de negocio estratégico y alineado a la organización. Se aplicarán herramientas propias del dominio digital, transformando amenazas digitales en oportunidades, para crear una ventaja competitiva y un mejor rendimiento en la empresa.
Curso válido para el proceso de admisión PBA (Performance Based Admission)
Contenidos
Desarrollando una estrategia de negocios
- ¿Qué es estrategia?
- Ventaja competitiva en el mundo digital
- Entendiendo al cliente a través del concepto job to be done
- Elementos estructurales en el diseño de una estrategia
- Entendiendo el contexto
- ¿Qué hay detrás de la cuarta revolución industrial?
- Capacidades y habilidades para el futuro mundo del trabajo
- Rompiendo paradigmas, de lo lineal a lo no lineal
Estrategia digital e inteligencia artificial (IA)
- La estrategia bajo una mirada sistémica
- La cadena de valor en el mundo digital
- Análisis sistémico de una herramienta
- El rol disruptivo de los elementos digitales
- Inteligencia artificial desde lo estratégico
- Aplicaciones de inteligencia artificial en las empresas
- Transformando el negocio con IA
Análisis estructural y competitivo y Estrategias Disruptivas
- Positive feedback o retroalimentación positiva
- Compitiendo a través del valor
- Conceptos de valor en estrategia digital
- Matriz de transformación digital
- La importancia del diseño organizacional, la contracara de la estrategia
- Aplicación de la transformación digital en el sector público
- Diseño funcional vs. diseño neuronal
Ejecución de la estrategia en la era digital
- Construyendo recursos y capacidades para el desarrollo de la estrategia
- Logrando que la inteligencia artificial escale
- Estrategias digitales en el mundo del retail
La Pontificia Universidad Católica de Chile se reserva el derecho a modificar el contenido en cualquier momento.
Ingeniería de datos Profesor: Domagoj Vrgoc, Doctor Universidad de Edimburgo (Reino Unido)
Domagoj Vrgoc, Doctor Universidad de Edimburgo (Reino Unido)
Plan de estudios
Sobre el curso
En este curso los estudiantes analizarán, en una primera parte, el modelo relacional de bases de datos y su lenguaje de consultas SQL; posteriormente, se explicará el modelo de datos NoSQL; ambos en el contexto de su uso en el mundo real. El curso cuenta con una serie de actividades formativas (clases de cátedra, videos, talleres), evaluaciones y un proyecto final.
Curso válido para el proceso de admisión PBA (Performance Based Admission)
Contenidos
Módulo: 1
- Conceptos fundamentales de bases de datos
- Modelo relacional de datos
- Introducción al lenguaje de consulta SQ
Módulo: 2
- SQL avanzado (agregación, consultas anidadas)
- Diseño de una BD relacional
Módulo: 3
- Rol de SQL en ciencia de datos
- Bases de datos NoSQL
La Pontificia Universidad Católica de Chile se reserva el derecho a modificar el contenido en cualquier momento.
Toma de decisiones basadas en datos Profesor: Pablo Marshall, Ph.D London School of Economics (Reino Unido) Ver más...
Pablo Marshall, Ph.D London School of Economics (Reino Unido) Ver más...
Plan de estudios
Sobre el curso
En este curso se pretende desarrollar en los y las estudiantes la capacidad para abordar y estructurar problemas de decisiones propios de la gestión de manera de orientar la toma de decisiones. El curso considera estructurar problemas de decisiones, el análisis de problemas de decisión caracterizados por la disponibilidad de una gran cantidad de información, las distintas formas de cuantificar y analizar la incertidumbre propia de los problemas de decisiones y el análisis de relaciones entre variables.
Contenidos
Business Analytics y tipos de analítica
- ¿Qué es business analytics (BA) y su evolución? Introducción al análisis descriptivo, predictivo y prescriptivo y la importancia de BA y aplicaciones
- ¿Qué es la analítica descriptiva? Data aggregation (recolección y organización de datos), data mining (minería de datos) y visualización de datos
- Modelando la incertidumbre
- ¿Qué es la analítica predictiva? Tipos de modelos predictivos, evaluando modelos predictivos y decisiones bajo certidumbre, riesgo e incertidumbre
- ¿Qué es la analítica prescriptiva? Tipos de modelos prescriptivos y relevancia de los modelos prescriptivos
Árboles de Decisión
- Árboles de decisión
- Decisiones óptimas con árboles de decisión
- Árboles de decisión con información
- El valor de la información
- Ejemplos aplicados
Optimización lineal
- Optimización lineal: formulación matemática
- Optimización lineal: formulación gráfica
- Solución problema de optimización lineal
- Análisis de sensibilidad: precios sombra
- Ejemplos aplicados
Aplicaciones Reales y el Futuro de la Toma de Decisiones Basada en Datos
- Caso General Electric
- Caso Starbucks
- Consideraciones éticas y regulatorias
- Futuro de la toma de decisiones basada en datos
La Pontificia Universidad Católica de Chile se reserva el derecho a modificar el contenido en cualquier momento.
Análisis de datos en Python Profesor: Alejandro Cataldo, Ph.D Pontificia Universidad Católica de Chile
Alejandro Cataldo, Ph.D Pontificia Universidad Católica de Chile
Plan de estudios
Sobre el curso
Este curso busca que los estudiantes logren comprender cómo el uso adecuado y eficiente de Python como herramienta computacional para el análisis de datos puede mejorar su toma de decisiones dentro de su organización. Para ello, se introducirán los conceptos básicos y generales del análisis de datos, se revisará la importancia de visualizar e identificar valor en los datos y cómo los distintos métodos descriptivos, predictivos y prescriptivos permiten evidenciar oportunidades y justificar decisiones. Para ejemplificar estos conceptos y su desarrollo a través de Python, se verán casos prácticos en industrias diversas.
Contenidos
Ciencia de Datos y Python
- Conceptos fundamentales de la ciencia de datos
- Fundamentos de Python
Manejo de Base de Datos y manejo de los datos
- Tratamiento y limpieza de datos y análisis de datos masivos
Visualización avanzada de Datos
- Gráficos
- Interfaces
Analítica de datos
- Análisis descriptivo
- Análisis predictivo
- Análisis prescriptivo
La Pontificia Universidad Católica de Chile se reserva el derecho a modificar el contenido en cualquier momento.
Minería de datos con R Profesor: Cristián Vásquez, Ph.D Pontificia Universidad Católica de Chile
Cristián Vásquez, Ph.D Pontificia Universidad Católica de Chile
Plan de estudios
Sobre el curso
El curso está dirigido a profesionales que ejercen tareas relacionadas a gestión y análisis de datos con énfasis en la programación. Se entregan las principales competencias para que sus egresados puedan desarrollar todas las etapas que requiere un proyecto analítico, tales como: identificar la necesidad del negocio y proponer una efectiva solución estratégica con la información disponible; recolectar, limpiar y gestionar la información proveniente de distintas fuentes de datos; extraer conocimiento a través de métodos del aprendizaje estadístico y, finalmente visualizar y comunicar los resultados utilizando las principales plataformas computacionales del mercado. Además, el curso brinda conocimiento para integrar todas etapas del desarrollo de un proyecto analítico con plataformas de Big Data.
Contenidos
Unidad 1: Introducción al Data Mining y lenguaje R
- ¿Qué es el Data Mining?
- Introducción al Data Mining y proceso KDD
- Data Mining aplicado a la industria financiera
- Plataformas analíticas para desarrollar un proyecto de Data Mining
- Introducción a R
- Conceptos básicos del Lenguaje R
- Principales objetos y funciones de R
- Librerías y tipos de datos en R
Unidad 2: Gestión y visualización de datos
- ¿Cómo adquirir la data?
- Extracción de información de diferentes fuentes de abastecimiento
- Gestión de datos utilizando la librería dplyr
- Limpieza y Transformación de datos
- Resumen de información en R
- Estadísticas descriptivas para resumir datos
- Visualización de los datos con ggplot2 y plotly.
- Medidas de similitud y asociación.
Unidad 3: Componentes Principales y Clasificación No Supervisada
- Análisis de correlación de variables
- Problemas con la dimensión de la información
- Introducción a Componentes Principales
- Aplicación de PCA al valor del cliente en el Retail
- Introducción a los métodos de Clasificación No Supervisados
- Medidas de similaridad: Distancias
- Método jerárquico Kmedias para clasificación
- Clasificación de los clientes en el retail utilizando Kmedias
Unidad 4: Modelos Predictivos Supervisados y Reportes Analíticos
- Ejemplo aplicado
- Modelos de Regresión Lineal para estimación de los gastos por hogar utilizando la EPF
- Introducción a Flexdashboard
- Uso de la librería Flexdashboard en ejemplo aplicados
La Pontificia Universidad Católica de Chile se reserva el derecho a modificar el contenido en cualquier momento.
Visualización de datos Profesor: Denis Parra, Ph.D University of Pittsburgh (EE.UU.)
Denis Parra, Ph.D University of Pittsburgh (EE.UU.)
Plan de estudios
Sobre el curso
En este curso los estudiantes obtendrán conocimientos y habilidades para resumir y comunicar resultados de métodos de computación, estadística, minería y análisis de datos. Dentro de las actividades prácticas del curso, los estudiantes estudiarán técnicas y algoritmos para analizar, diseñar y crear visualizaciones efectivas, basadas en principios de diseño gráfico, artes visuales y psicología cognitiva. El curso está orientado a estudiantes con experiencia previa en programación.
Contenidos
Fundamentos
- Definiciones y ejemplos históricos
- Marcas, canales, y procesamiento humano de la información
- Modelo anidado de Munzner para diseño y validación de visualización
- Reglas y recomendaciones generales para visualizaciones efectivas
Gráficos básicos en Python para datos tabulares
- Gráficos de barras, barras apiladas, puntos y líneas
- Gráficos de dispersión, de burbujas y de flujos
- Gráficos para distribuciones: histograma, densidad, caja y violín
- Múltiples ejes, radial y torta
Gráficos avanzados en Python para datos tabulares
- Mapa de calor, densidad 2D, treemap
- Matriz de gráficos y pequeños múltiples
- Reducción de dimensionalidad lineal
- Reducción de dimensionalidad no lineal
Implementación de gráficos en Python con datos de red, texto y espaciales
- Grafos y árboles: diagramas nodo-enlace y de adyacencia
- Grafos y árboles II: gráficos tipo encierro, clustermap y dendograma
- Visualización de texto
- Visualización espaciotemporal
La Pontificia Universidad Católica de Chile se reserva el derecho a modificar el contenido en cualquier momento.
Modelos analíticos Profesor: Juan Urquiza, Ph.D Universidad de Houston (EE.UU.) Ver más...
Juan Urquiza, Ph.D Universidad de Houston (EE.UU.) Ver más...
Plan de estudios
Sobre el curso
Es un curso que entrega en sus egresados un conocimiento vanguardista de las principales herramientas para el modelamiento analítico de datos. Con los métodos presentados en el curso, los alumnos podrán enfrentar los nuevos desafíos de la era digital en sus organizaciones, resolver problemas de negocios haciendo un uso efectivo de la información y generando valor agregado en los procesos críticos de sus organizaciones. Además, el alumno egresado podrá integrar los métodos expuestos en el curso con plataformas de Big Data para aplicar modelos analíticos sobre grandes volúmenes de información.
Contenidos
Unidad 1: Regresión Clásica
- Modelo de regresión clásica
- Análisis del modelo: Interpretación coeficientes, inferencia estadística, predicción y bondad de ajuste
- Aplicaciones en R a marketing, finanzas y personas
Unidad 2: Extensiones Regresión Clásica
- Variables independientes categóricas
- Selección de variables
- Inferencia causal
- Aplicaciones en R a marketing, finanzas y personas
Unidad 3: Regresión Logística
- Modelo de Regresión Logística
- Análisis del modelo: Interpretación coeficientes, inferencia estadística
- Análisis de chances (odds)
- Predicción y matrices de confusión
- Aplicaciones en R a marketing, finanzas y personas
Unidad 4: Modelos para Variables Categóricas
- Modelos para variables categóricas
- Análisis del modelo: Interpretación coeficientes, inferencia estadística
- Aplicaciones en R a marketing, finanzas y personas
Unidad 5: Árboles de regresión
- Árboles para variables cuantitativas
- Árboles para variables cualitativas
- Pruning
La Pontificia Universidad Católica de Chile se reserva el derecho a modificar el contenido en cualquier momento.
Machine learning Profesor: Hans Löbel, Ph.D Pontificia Universidad Católica de Chile.
Hans Löbel, Ph.D Pontificia Universidad Católica de Chile.
Plan de estudios
Sobre el curso
En este curso se introducen los conceptos fundamentales del Aprendizaje de Máquina y las metodologías que se utilizan en esta disciplina. En particular, el y la estudiante aprenderá los principios básicos de inferencia inductiva revisando algunas de las técnicas más utilizadas, que le permitirán crear programas que aprenden cómo resolver una tarea sin haber sido programados previamente para ello.
Contenidos
Introducción a Machine Learning
- ¿Qué es machine learning?
- La historia de la IA y machine learning
- Esquemas de aprendizaje
- Relación entre los esquemas de aprendizaje y la resolución de problemas reales
- Aprendizaje vs. programación
- Representación de datos
- Elementos básicos de scikit-learn
- Evaluación de rendimiento
- Entrenamiento y evaluación de modelos
- Construcción conceptual de un sistema de machine learning
Técnicas de aprendizaje supervisado parte 1
- Técnicas de vecinos más cercanos (similar a título original)
- Aspectos prácticos de vecinos más cercanos
- Árboles de decisión
- Implementación de un árbol de decisión
- Random forests
- Efecto de las estrategias aleatorizantes en random forests
- Bagging y boosting
- Uso de distintos tipos de ensamble
Técnicas de aprendizaje supervisado parte 2 (similar al título original)
- Formulación principal de SVM
- Visualización de los vectores de soporte de un SVM
- Extensiones de SVM
- Visualización de superficies de clasificación y margen
- Perceptron
- Multi-layer perceptron
- Implementación de backpropagation
- La historia de las redes neuronales
Aprendizaje no supervisado
- Técnicas de clustering
- Selección del número de cluster en K-Means
- PCA y tSNE
- Visualización de representaciones de dimensionalidad reducida
- Implementación de un pipeline completo de machine learning utilizando un conjunto de datos real
La Pontificia Universidad Católica de Chile se reserva el derecho a modificar el contenido en cualquier momento.
Liderazgo para generar impacto Profesor: Verónica Vásquez, Psicóloga Pontificia Universidad Católica de Chile
Verónica Vásquez, Psicóloga Pontificia Universidad Católica de Chile
Plan de estudios
Sobre el curso
Este curso busca que los y las estudiantes puedan aumentar su capacidad de influencia, desarrollando las competencias necesarias para ejercer un liderazgo efectivo en las personas de su equipo, de otras áreas y de su organización. Que sean capaces, en entornos ágiles, de liderar y/o conformar buenos equipos de trabajo. Equipos en que los integrantes logren colaborar, comunicarse efectivamente y valoren la diversidad, para así lograr sinergia y resultados de excelencia.
Contenidos
Módulo 1: Liderando equipos y personas en tiempos de transformaciones e incertidumbre
- ¿Qué sabemos de liderazgo?
- Desafíos actuales de liderazgo
- ¿Qué necesitamos para un liderazgo efectivo? (autoconocimiento y modelo de competencias)
- Autoevaluación en el modelo de competencias
- Qué son las emociones desde la neurociencia
- Competencias de manejo emocional
- Regulación emocional e importancia para el liderazgo (este es similar el título que tenía en el programa)
- Estrategias para gestionar emociones negativas
- Estrategias para instalar positividad
Módulo 2: Conducción de equipos de alto desempeño
- Las características de los equipos de alto desempeño
- Las etapas de desarrollo para transitar de grupo a equipo, liderando el proceso
- Diagnóstico del propio equipo de trabajo, identificar brechas y estrategias de desarrollo
- Atributos clave: comunicación efectiva, generar confianza y colaborar
- Modelo para incrementar la confianza.
- Estrategias de colaboración para el logro de objetivos.
- Construir relaciones personales con compromiso
Módulo 3: Comunicación para la acción y feedback
- Trabajar es conversar
- Influir sin poder formal
- Conductas sociales: agresiva, pasiva, pasiva-agresiva y asertiva
- Ganancias y costos de cada una, aplicación personal.
- Importancia de la comunicación asertiva para el liderazgo, para conversaciones movilizadoras y/o difíciles
- Pasos para desarrollar la asertividad como habilidad social e interpersonal
- Habilidades básicas de la comunicación asertiva: lenguaje no verbal, escuchar en forma activa, lenguaje en primera persona.
- Importancia del feedback para la gestión del desempeño en el día a día, como un estilo de comunicación y como parte de la cultura organizacional
- Dar y recibir feedback: crítica constructiva y reconocimiento
La Pontificia Universidad Católica de Chile se reserva el derecho a modificar el contenido en cualquier momento.
Procesamiento de datos masivos Profesor: Juan Reutter, Ph.D Edinburgh University (Reino Unido)
Juan Reutter, Ph.D Edinburgh University (Reino Unido)
Plan de estudios
Sobre el curso
En este curso, los y las estudiantes aprenderán a trabajar con datos masivos, ya sea estructurados o semiestructurados, a recolectar información desde fuentes web, y a hacer análisis basados en descripciones de los sets de datos. Metodológicamente, en el curso se trabaja con aprendizaje basado en problemas, en donde todas las semanas se orientan a resolver un problema en particular.
Contenidos
Módulo 1: Modelo de regresión clásica
- Paradigma de Data Warehousing
- Trabajando con datos en la Nube
- Introducción a Google Cloud Platform y Big query
- Consultando datos en Big Query
- Map Reduce
- Algoritmos con Map Reduce
- Databricks como plataforma de computo
- Map Reduce en Databricks
Módulo 2: Trabajo con texto
- TF-IDF y búsqueda
- Índices para búsqueda por texto
- Búsqueda por texto en BigQuery
- Análisis de logs o registros
- Estructura de la web
- Scrap de HTML
- Acceso a API (Twitter o similar)
- Scrap Información en la web
Módulo 3: Búsqueda de elementos de datos básicos
- Elementos como conjuntos
- Locally sensitive hashing
- Etapas en el procesado de datos para búsqueda de elementos similares
- Técnicas de minería v/s inteligencia artificial
- Modelos de canastas y reglas de asociación
- Algoritmo a-priori
- Etapas en el procesado para búsqueda de elementos
- Aplicaciones de elementos frecuentes
Módulo 4: Grafos y redes sociales
- El paradigma de grafos y sus aplicaciones
- Extracción de información en grafos
- Centralidad, pagerank
- Detección de comunidades
La Pontificia Universidad Católica de Chile se reserva el derecho a modificar el contenido en cualquier momento.
Seminario de graduación I Profesor: Marcos Sepúlveda, Ph.D Pontificia Universidad Católica de Chile Ver más...
Marcos Sepúlveda, Ph.D Pontificia Universidad Católica de Chile Ver más...
Plan de estudios
Seminario I
La actividad final consiste en un seminario dividido en tres partes, en el cual los y las estudiantes desarrollan un proyecto que resuelve un problema real de una organización, a través del análisis de datos. Esta organización puede ser una empresa, un organismo público, una ONG, o un emprendimiento. En el Seminario de Graduación I, se deberá definir la problemática organizacional que requiere ser abordada, evaluar la disponibilidad de datos, identificar las técnicas analíticas que se utilizarán para abordarla, y se deberá proponer un plan de trabajo.
La Pontificia Universidad Católica de Chile se reserva el derecho a modificar el contenido en cualquier momento.
Seminario de graduación II Profesor: Marcos Sepúlveda, Ph.D Pontificia Universidad Católica de Chile Ver más...
Marcos Sepúlveda, Ph.D Pontificia Universidad Católica de Chile Ver más...
Plan de estudios
Seminario II
En la segunda parte de la actividad final, el Seminario de Graduación II, se deberá obtener, depurar y estructurar los datos utilizados para resolver la problemática organizacional. El proyecto deberá usar datos y metodologías de análisis orientadas a resolver el problema planteado y mejorar la toma de decisiones que enfrente la organización.
La Pontificia Universidad Católica de Chile se reserva el derecho a modificar el contenido en cualquier momento.
Seminario graduación III Profesor: Marcos Sepúlveda, Ph.D Pontificia Universidad Católica de Chile Ver más...
Marcos Sepúlveda, Ph.D Pontificia Universidad Católica de Chile Ver más...
Plan de estudios
Seminario III
En la tercera y última parte de la actividad final, se deberá aplicar las metodologías analíticas necesarias para resolver la problemática organizacional definida, analizar los resultados obtenidos, y proponer recomendaciones para la toma de decisiones.
La Pontificia Universidad Católica de Chile se reserva el derecho a modificar el contenido en cualquier momento.
Optativo Profesor: Andrés Ibáñez, MBA Northwestern University (EE.UU.) Ver más...
Andrés Ibáñez, MBA Northwestern University (EE.UU.) Ver más...
Plan de estudio
Cursos optativos
Para completar el programa deberás realizar cursos mínimos y optativos. La oferta de cursos optativos puede variar de bimestre a bimestre. Sin embargo a continuación, te entregamos algunos ejemplos de los optativos disponibles actualmente:
Listado de cursos
Optativo 1: Analítica de operaciones El curso se centra en cómo se pueden utilizar los datos para hacer coincidir de manera rentable la oferta con la demanda en diversos entornos de negocio. El o la estudiante aprenderá cómo modelar las incertidumbres de la demanda futura, cómo predecir los resultados de elecciones entre políticas alternativas, y cómo elegir el mejor curso de acción frente al riesgo. Se analizarán casos de negocio reales, métodos y software disponibles para abordar estos desafíos cuantitativamente. El énfasis está en el uso práctico de herramientas analíticas para maximizar los objetivos operacionales más que en los detalles de los modelos.
Optativo 2: Analítica de cliente El curso introduce a las herramientas analíticas más utilizadas en marketing, para entender mejor al cliente y predecir su respuesta ante acciones de marketing alternativas. Se incluyen: introducción a modelos estadísticos y de machine learning aplicados a la predicción de fuga y direccionamiento de campañas, y el uso de herramientas de analítica causal en la evaluación de iniciativas en los ámbitos de adquisición y retención de clientes. Se utiliza el enfoque científico del marketing, mediante el uso de tecnologías y software computacional para recolectar, analizar y actuar en base a la información de clientes.
Optativo 3: Minería de procesos El curso presenta el estado del arte en minería de procesos (process mining). Los estudiantes analizarán datos generados por sistemas de información sobre los procesos de negocio que apoyan, para poder entender, monitorear, analizar y mejorar dichos procesos. Se presentarán las metodologías, algoritmos y software que permiten analizar procesos de negocio a partir de los datos. Los estudiantes tendrán la oportunidad desarrollar su pensamiento crítico, entendiendo así cuál es el potencial de la minería de procesos y sus límites hoy.
Optativo 4: Seguridad, privacidad y protección de datos Este curso busca proporcionar una visión sobre la importancia de la privacidad y protección de los datos en el contexto del análisis de datos para la toma de decisiones. Se describen los marcos regulatorios internacionales sobre privacidad y protección de datos, y se enseñan los conceptos básicos y herramientas para asegurar la privacidad de los datos en las organizaciones.
Optativo 5: Analítica y estrategia de precios El curso desarrolla los conceptos y herramientas analíticas de precios bajo la perspectiva de marketing y como parte integrante de una estrategia comercial de la empresa. Se analizan los diversos factores que influyen en la determinación de una estrategia de precios de una empresa, tales como los costos, la demanda y la competencia, entre otros. Se profundiza en el rol de la información, datos de demanda y modelos analíticos, en la toma de decisiones de precios.
Optativo 6: Sistemas recomendadores Los sistemas recomendadores tienen como objetivo ayudar a un usuario o a grupos de usuarios a filtrar y descubrir información relevante, de manera personalizada, desde grandes volúmenes de datos. En este curso, los estudiantes estudiarán los principales algoritmos usados para generar recomendaciones, las fuentes de datos usadas por dichos algoritmos, y diversas formas de evaluar la calidad de un sistema recomendador. El curso se desarrollará a través de videos y algunas lecturas, así como con evaluaciones incrementales con alternativas, y con evaluaciones prácticas donde deben programar en lenguaje Python.
Optativo 7: Analítica de personas Se espera que los estudiantes logren comprender y analizar variables claves del comportamiento organizacional y la gestión de personas, para potenciar decisiones que agreguen valor al negocio. En este curso se analiza el impacto que la gestión de personas tiene en los resultados de las empresas y se exploran variables a nivel individual, grupal y organizacional que impactan en la efectividad organizacional. A partir del desarrollo de ejercicios, casos, y simulaciones, los estudiantes serán capaces de medir de manera válida y confiable variables asociadas a las personas y generar información clave para la toma de decisiones estratégicas.
Optativo 8: Métodos empíricos en finanzas Este curso es una introducción a métodos empíricos usados en finanzas. Esto significa la aplicación de técnicas estadísticas y econométricas para testear diversas hipótesis y modelos de la teoría financiera. El curso supone un conocimiento previo básico en estadística y econometría por parte de los y las estudiantes. Al inicio del curso se repasarán algunos temas básicos de econometría y finanzas. Esto se logrará a través de clases de online, clases sincrónicas, lecturas y la realización de proyectos o tareas. La evaluación del curso será mediante evaluaciones formativas y sumativas, entregas de proyectos o tareas y participación en foros, entre otras.
Optativo 9: Deep Learning El gran poder del deep learning radica en su habilidad para identificar regularidades, o patrones, en datos de manera automática. Además, su rendimiento suele ser muy superior al del resto de las técnicas de aprendizaje de máquina. El objetivo de este curso es proveer los conocimientos necesarios para utilizar deep learning de manera efectiva. Para ello, es necesario entender cómo funciona y por qué. Todo contenido teórico es visto en vías de entender los principios prácticos que hacen funcionar deep learning.
Optativo 10: Análisis de redes sociales En este curso los estudiantes aprenderán los conceptos básicos, modelos principales para generar grafos y metodología de inferencia estadística para la investigación de redes sociales. Además, los estudiantes serán capaces de comparar teorías y metodologías desde distintas disciplinas como estadística, ciencia de la computación y ciencias sociales. En particular, los estudiantes adquirirán herramientas para visualizar, representar, estimar y extraer patrones significativos de redes sociales.
Optativo 11: Financial technology (fintech) En los últimos años, los cambios experimentados por la industria financiera no solo se remiten a la utilización de grandes volúmenes de datos, sino que también incluyen tecnologías disruptivas como blockchain que permiten la aparición de nuevos activos financieros (criptoactivos). En este curso los y las estudiantes podrán comprender de mejor manera el impacto de la tecnología sobre los modelos de negocios de empresas del área financiera. Lo anterior se logrará a través de clases expositivas (sincrónicas y asincrónicas), lecturas y tareas. Los estudiantes serán evaluados a través de controles sobre la bibliografía mínima y los tópicos discutidos en clase, participación en foros y un trabajo individual que englobará los principales temas vistos durante el curso.
La Pontificia Universidad Católica de Chile se reserva el derecho a modificar el contenido en cualquier momento.
Directores de programa
![Magíster en Business Analytics, master en business analytics, Magíster en Business Analytics online, business analytics, magister en business intelligence](https://uconline.uc.cl/wp-content/uploads/2020/02/Pablo-Marshall-Clase-Ejecutiva-UC-300x300.jpg)
Pablo Marshall
Ph.D London School of Economics (Reino Unido)
Pablo Marshall es co-director del Magíster en Business Analytics de la Pontificia Universidad Católica de Chile (UC).
Ph.D en Estadística, London School of Economics, Reino Unido, se desempeña como profesor titular de la UC y dicta los cursos Marketing Analytics y Métodos Cuantitativos para programas de Ingeniería Comercial y MBA. También es director del curso Big Data & Business Analytics, para ejecutivos (UC).
Además, es asesor de empresas y organizaciones en temas de marketing analytics y learning analytics.
Líneas de investigación actuales: big data, marketing analytics y learning analytics.
![Magíster en Business Analytics, master en business analytics, Magíster en Business Analytics online, business analytics, magister en business intelligence](https://uconline.uc.cl/wp-content/uploads/2022/09/marcos-sepulveda-300x300.jpg)
Marcos Sepúlveda
Ph.D Pontificia Universidad Católica de Chile
Marcos Sepúlveda es director del Magíster en Business Analytics UC Chile.
Tiene un Ph.D y Magíster en Ciencias de la Ingeniería, área Ciencia de la Computación, de la Pontificia Universidad Católica de Chile (UC). Es ingeniero civil de Industrias mención en Computación de la UC.
Es profesor asociado de la Escuela de Ingeniería de la UC, en el área de Tecnologías de Información.
Sus intereses académicos están ligados a minería de procesos, gestión de procesos de negocios y al uso estratégico de las TI en las empresas.
Directores de programa
Magíster
Profesores
![](https://uconline.uc.cl/wp-content/uploads/2022/09/Alejandro-Cataldo-300x300.jpg)
Alejandro Cataldo
Ph.D Pontificia Universidad Católica de Chile
Alejandro Cataldo es Ph.D en Ciencias de la Ingeniería, Pontificia Universidad Católica de Chile (UC), 2018.
Académico de la Escuela de Ingeniería y del Instituto de Ingeniería Matemática y Computacional de la UC.
Asimismo, se ha especializado en herramientas analíticas y matemáticas para apoyar procesos de toma de decisiones en sistemas complejos.
Además, en el sector público, ha sido consultor para el Ministerio de Salud y de Educación, Corfo, Junaeb y municipalidades; en el sector privado, empresas de minería, forestales, agroindustriales, cadenas de supermercados, farmacias, veterinarias y el sector bancario.
Cuenta con más de 13 publicaciones científicas de alto impacto en investigación de operaciones.
![Andrés Ibáñez Tardel](https://uconline.uc.cl/wp-content/uploads/2019/10/Andres-Ibañez_02-Clase-Ejecutiva-UC-1-300x300.jpg)
Andrés Ibáñez
MBA Northwestern University (EE.UU.)
Andrés Ibáñez tiene un MBA, JL. Kellogg Graduate School, Northwestern University (1989). Ingeniero comercial de la Pontificia Universidad Católica de Chile (UC).
Es profesor de marketing de la Escuela de Administración, Pontificia Universidad Católica de Chile (UC). Además, se desempeña como director de Relaciones Internacionales y del Centro de Desarrollo Directivo de la misma unidad académica UC.
Ha sido director de la Escuela de Administración de la UC y director MBA-UC.
Tiene experiencia como director y asesor de empresas en temas comerciales.
![Consuelo Silva](https://uconline.uc.cl/wp-content/uploads/2021/02/Consuelo-Silva-300x300.jpg)
Consuelo Silva
Ph.D Tilburg University (Países Bajos)
Consuelo Silva es Ph.D Economics (2013), M.Sc. Economics (2008) y M.Phil. Economics (2009), Tilburg University, Países Bajos. También es economista y M.A. Financial Economics, Pontificia Universidad Católica de Chile (UC) (2008).
Profesora asistente en Finanzas de la Escuela de Administración de la UC.
Ha realizado consultorías en el Ministerio de la Mujer y Bolsa de Santiago.
Su investigación está enfocada en el estudio de la intermediación financiera, principalmente en las amenazas a la estabilidad del sector bancario. Ha sido publicada en varias revistas tales como Journal of Financial and Quantitative Analysis y el Journal of Corporate Finance.
Consuelo Silva imparte el curso Finanzas corporativas en el Magíster en Inversiones y Finanzas Aplicadas (MIFA) de UC Chile.
![](https://uconline.uc.cl/wp-content/uploads/2022/09/cristian-vasquez-300x300.jpg)
Cristián Vásquez
Ph.D Pontificia Universidad Católica de Chile
Cristián Vásquez es Ph.D en Estadística, Pontificia Universidad Católica de Chile.
Sus líneas de trabajo son inteligencia de negocio, business analytics, herramientas de carga financiera, automatización de reportería y de procesos SAS, riesgo crédito, manejo de algoritmos de machine learning, manejo de análisis econométrico con series de tiempo financiera y otros.
Ha sido consultor y asesor en empresas del rubro financiero, tales como: Banco BBVA, Banco Santander, Caja de Compensación Los Andes, Cámara de Comercio de Santiago, Banco Security, TransUnion Chile, entre otras.
![Denis Parra](https://uconline.uc.cl/wp-content/uploads/2020/02/Denis-Parra-Clase-Ejecutiva-UC-300x300.jpg)
Denis Parra
Ph.D University of Pittsburgh (EE.UU.)
Denis Parra es Ph.D. en Philosophy in Information Science, University of Pittsburgh, Estados Unidos.
Profesor del Departamento de Ciencia de la Computación de Ingeniería de la Pontificia Universidad Católica de Chile (UC).
Además, realiza investigación y desarrollo de sistemas sociotécnicos, desde diversas perspectivas.
Entre sus áreas de interés se encuentran los sistemas recomendadores y el uso de visualizaciones tanto para crear aplicaciones como para analizar los datos.
![Domagoj Vrgoc](https://uconline.uc.cl/wp-content/uploads/2020/04/Domagoj-Vrgoc.png)
Domagoj Vrgoc
Doctor Universidad de Edimburgo (Reino Unido)
Domagoj Vrgoc es doctor en Ciencias de la Computación, Universidad de Edimburgo (Reino Unido), 2014.
Es profesor asistente del Instituto de Ingeniería Matemática y Computacional de la Pontificia Universidad Católica (UC).
Además, sus áreas de interés son bases de datos, la web semántica y teoría de computación.
Asimismo, la British Computing Society destacó su tesis de doctorado como una de las mejores de su generación.
![](https://uconline.uc.cl/wp-content/uploads/2022/09/hans-lobel-300x300.jpg)
Hans Löbel
Ph.D Pontificia Universidad Católica de Chile.
Hans Löbel es Ph.D. en Ciencia de la Ingeniería área Ciencia de la Computación, Pontificia Universidad Católica de Chile (UC).
Asimismo, es profesor de los departamentos de Ciencia de la Computación e Ingeniería de Transporte y Logística, de Ingeniería de la UC.
Premio a la mejor tesis doctoral 2016 UC en Tecnología, Ingeniería y Procesos Productivos.
Sus áreas de interés se centran en el desarrollo y aplicación de nuevos métodos de aprendizaje de máquina a problemas relacionados con smart cities y sistemas inteligentes de transporte.
![Hernán Palacios](https://uconline.uc.cl/wp-content/uploads/2019/10/Hernán-Palacios_02-Clase-Ejecutiva-UC-300x300.jpg)
Hernán Palacios
Máster Duke University (EE.UU.)
Hernán Palacios tiene un Máster en Economía, Duke University, EE.UU. Es ingeniero comercial, Universidad de Chile.
Profesor de la Escuela de Administración de la Pontificia Universidad Católica de Chile (UC) y director del Diploma de Marketing de la misma casa de estudios. Fue director del Programa MBA de la UC.
Es especialista en marketing y ventas, canales de distribución y estrategia de producto y marca.
Ha sido consultor en múltiples empresas y actualmente se desempeña en varios directorios.
![](https://uconline.uc.cl/wp-content/uploads/2023/11/jaime-caiceo.jpg)
Jaime Caiceo
Magíster en Ciencias de la Ingeniería e Ingeniero Civil de Industrias, UC
Magíster en Ciencias de la Ingeniería e Ingeniero Civil de Industrias, UC. Cofundador y Director Ejecutivo Metric Arts. Profesor de diplomados en Gestión del Conocimiento, Gestión Estratégica con TI para Profesionales, Business Intelligence en la Facultad de Economía y Negocios de la Universidad de Chile. Profesor de Gestión de Marketing, Arquitectura de Sistemas de Información, Sistemas de Información en la UC.
![](https://uconline.uc.cl/wp-content/uploads/2022/09/jorge-munoz-300x300.jpg)
Jorge Muñoz
Ph.D Universitat Politècnica de Catalunya (España)
Jorge Muñoz es Ph.D en Computación, Universitat Politècnica de Catalunya. 2014.
Es autor de más de 80 publicaciones en process mining, incluyendo el libro Conformance Checking and Diagnosis in Process Mining.
Miembro del IEEE Task Force on Process Mining Steering Committee y chair en la Business Process Management.
![Juan Carlos Ferrer](https://uconline.uc.cl/wp-content/uploads/2019/05/Juan-Carlos-Ferrer-Clase-Ejecutiva-UC-300x300.jpg)
Juan Carlos Ferrer
Ph.D. MIT (EE.UU.)
Juan Carlos Ferrer es Ph.D in Management en el Massachussets Institute of Technology, MIT (EE.UU.) e ingeniero civil industrial y M.Sc. de la Pontificia Universidad Católica de Chile (UC). Desde 1995 se ha desempeñado como profesor del Departamento de Ingeniería Industrial y de Sistemas de la UC. Además, en dos oportunidades (2009 y 2015) ha sido Visiting Professor en MIT Sloan School of Management. Ha ocupado diversos cargos en la Escuela de Ingeniería de la UC. Entre ellos, vicedecano, director de Desarrollo y Financiamiento, y director del Departamento de Ingeniería Industrial y de Sistemas.
Su área de investigación es gestión de operaciones, específicamente en temas de optimización de políticas de precios e inventarios, composición y fijación de precio de paquetes de productos y servicios, y asignación óptima de turnos de trabajo y logística.
![](https://uconline.uc.cl/wp-content/uploads/2022/09/JUAN-REUTTER--300x300.jpg)
Juan Reutter
Ph.D Edinburgh University (Reino Unido)
Juan Reutter es Ph.D. en Philosophy in Informatics, Edinburgh University, Edinburgh, Escocia, Reino Unido.
Es profesor del Departamento de Ciencia de la Computación de Ingeniería de la Pontificia Universidad Católica de Chile (UC). Investigador del Centro de Investigaciones de la Web Semántica de Chile.
Sus intereses de investigación están en la gestión de datos y teoría de autómatas.
Ha recibido los premios Ramón Salas y Cor Baayen de ERCIM.
![](https://uconline.uc.cl/wp-content/uploads/2022/09/Juan-Urquiza-300x300.jpg)
Juan Urquiza
Ph.D Universidad de Houston (EE.UU.)
Juan Urquiza es Ph.D, Universidad de Houston (EE.UU.) y B.A., Economics, Universidad del CEMA (Argentina).
Profesor docente asistente de la escuela de Economía y Administración de la Pontificia Universidad Católica de Chile (UC).
Asimismo, sus áreas de interés son macroeconomía, series de tiempo, econometría.
Cuenta con una amplia trayectoria docente en diferentes instituciones nacionales e internacionales como la Universidad del CEMA y la Universidad de Houston.
![Marcela Valenzuela](https://uconline.uc.cl/wp-content/uploads/2021/02/marcela_valenzuela-300x300.jpg)
Marcela Valenzuela
Ph.D London School of Economics (Reino Unido)
Marcela Valenzuela es Ph.D in Finance, London School of Economics, Reino Unido (2013). Es ingeniera industrial de la Pontificia Universidad Católica de Chile (UC) (2003).
Profesora asistente de la Escuela de Administración de la UC.
Su línea de investigación corresponde a finanzas.
Ha realizado más de 7 publicaciones en revistas como The Review of Financial Studies, Journal of Financial and Quantitative Analysis, Journal of Economic Dynamics & Control, Journal of Money, Journal of Banking and Finance, Journal of Financial Markets.
También ha sido coinvestigadora del Centro de Riesgo Sistémico de la London School of Economics. Además, investigadora asociada del Instituto Milenio Markets Imperfections and Public Policy.
Marcela Valenzuela imparte el curso Tópicos de inversiones en el Magíster en Inversiones y Finanzas Aplicadas (MIFA) UC Chile.
![](https://uconline.uc.cl/wp-content/uploads/2022/09/marcelo-arenas-300x300.jpg)
Marcelo Arenas
Ph.D University of Toronto (Canadá)
Marcelo Arenas es Ph.D en Ciencias de la Computación, University of Toronto, Canadá.
Profesor titular del Departamento de Ciencia de la Computación y del Instituto de Ingeniería Matemática y Computacional de la Pontificia Universidad Católica de Chile (UC).
Asimismo, es miembro distinguido de la Association for Computing Machinery (ACM). Se trata de la sociedad internacional más grande y antigua en el área de la computación.
Además, es director del Instituto Milenio Fundamentos de los Datos, y dirigió el Centro de Investigación de la Web Semántica.
Sus intereses de investigación se encuentran en las áreas de gestión de datos, aplicaciones de lógica matemática en ciencia de la computación y web semántica.
![](https://uconline.uc.cl/wp-content/uploads/2022/09/marcos-sepulveda-300x300.jpg)
Marcos Sepúlveda
Ph.D Pontificia Universidad Católica de Chile
Marcos Sepúlveda es director del Magíster en Business Analytics UC Chile.
Tiene un Ph.D y Magíster en Ciencias de la Ingeniería, área Ciencia de la Computación, de la Pontificia Universidad Católica de Chile (UC). Es ingeniero civil de Industrias mención en Computación de la UC.
Es profesor asociado de la Escuela de Ingeniería de la UC, en el área de Tecnologías de Información.
Sus intereses académicos están ligados a minería de procesos, gestión de procesos de negocios y al uso estratégico de las TI en las empresas.
Directores de programa
Magíster
![Pablo Marshall, Magíster en Analítica para los negocios UC Chile](https://uconline.uc.cl/wp-content/uploads/2020/02/Pablo-Marshall-Clase-Ejecutiva-UC-300x300.jpg)
Pablo Marshall
Ph.D London School of Economics (Reino Unido)
Pablo Marshall es co-director del Magíster en Business Analytics de la Pontificia Universidad Católica de Chile (UC).
Ph.D en Estadística, London School of Economics, Reino Unido, se desempeña como profesor titular de la UC y dicta los cursos Marketing Analytics y Métodos Cuantitativos para programas de Ingeniería Comercial y MBA. También es director del curso Big Data & Business Analytics, para ejecutivos (UC).
Además, es asesor de empresas y organizaciones en temas de marketing analytics y learning analytics.
Líneas de investigación actuales: big data, marketing analytics y learning analytics.
![](https://uconline.uc.cl/wp-content/uploads/2022/09/Rodrigo-Abumohor--300x300.jpg)
Rodrigo Abumohor
MBA UCLA (EE.UU.)
Rodrigo Abumohor es MBA UCLA, EE.UU., 2000. Ingeniero comercial UC, 1994.
Asimismo, es empresario del área retail e inmobiliaria en Chile y EE.UU. Participa de varios directorios relacionados con empresas en estos sectores.
Es presidente del Consejo Nacional de Competencias Industrias 4.0, liderado por el principal gremio empresarial del país, Confederación de la Producción y el Comercio (CPC).
![](https://uconline.uc.cl/wp-content/uploads/2022/10/Rodrigo-Toro.png)
Rodrigo Toro
Ph.D Universidad de Toronto (Canadá)
Rodrigo Toro es Ph.D y Master en Inteligencia Artificial, Universidad de Toronto (Canadá). Es egresado de Ingeniería, Pontificia Universidad Católica de Chile (UC).
También es profesor asistente del Departamento de Ciencia de la Computación de la Facultad de Ingeniería de la UC, y enseña en el Magíster en Ciencia de Datos UC Chile (online), que se imparte en Coursera.
Actualmente es miembro de los grupos de investigación IALab y CENIA.
![](https://uconline.uc.cl/wp-content/uploads/2020/02/Foto-Prof.-Sergio-Valenzuela-Ibarra-300x300.jpg)
Sergio Valenzuela Ibarra
Ph.D California School of Professional Psychology (EE.UU.)
Sergio Valenzuela Ibarra es Ph.D y M.Sc. in Industrial-Organizational Psychology, California School of Professional Psychology (CSPP), EE.UU. Es psicólogo, Universidad de Chile.
En la Pontificia Universidad Católica de Chile, se desempeña como profesor de la Escuela de Administración y la Escuela de Psicología, enseñando materias relacionadas con el comportamiento organizacional y la gestión de personas.
Además, es asesor experto en organismos públicos y privados en temas de gestión de la diversidad, liderazgo y equipos de alto desempeño. También en medición y métricas de procesos de gestión de personas.
![Tomás Reyes](https://uconline.uc.cl/wp-content/uploads/2019/03/Tomás-Reyes_03-Clase-Ejecutiva-UC.jpg)
Tomás Reyes
Ph.D Berkeley (EE.UU.)
Tomás Reyes es Ph.D y Magíster en Ciencias en Administración de Negocios, con concentración en Finanzas, University of California, Berkeley (2012), EE.UU. Es ingeniero civil de industrias y Magíster en Ciencias de la Ingeniería, Pontificia Universidad Católica de Chile, UC (2006).
Profesor asociado de la Escuela de Ingeniería de la Pontificia Universidad Católica de Chile (UC).
Asimismo, es el codirector del Magíster en Inversiones y Finanzas Aplicadas (MIFA UC), director del Laboratorio de Finanzas Itaú y del Magíster en Ingeniería Industrial (MII).
Además, ha publicado múltiples artículos académicos en revistas internacionales. También es consultor y director de empresas.
Tomás Reyes imparte los cursos Preparación y análisis de estados financieros, Decisiones de inversión y Evaluación de proyectos en el Magíster en Inversiones y Finanzas Aplicadas (MIFA) de UC Chile.
Directores de programa
![Verónica Vásquez](https://uconline.uc.cl/wp-content/uploads/2022/02/Veronica-Vasquez-Clase-Ejecutiva-UC-1-300x300.jpg)
Verónica Vásquez
Psicóloga Pontificia Universidad Católica de Chile
Verónica Vásquez es psicóloga, Pontificia Universidad Católica de Chile, (1993).
Profesora asociada de la Escuela de Administración de la Pontificia Universidad Católica de Chile (UC). Certificada en coaching ejecutivo, por The International School of Coaching, TISOC.
Además, es consultora de empresas en coach a ejecutivos y asesoría en procesos de desarrollo de liderazgo y de equipos de alto desempeño a nivel gerencial.
![Álvaro Chacón](https://uconline.uc.cl/wp-content/uploads/2020/01/Alvaro-Chacon-Clase-Ejecutiva-UC-300x300.jpg)
Álvaro Chacón
Ph.D (c) Pontificia Universidad Católica de Chile
Álvaro Chacón Hiriart es Ph.D (c), MBA, M.Sc. e ingeniero civil de Industrias de la Pontificia Universidad Católica de Chile (UC). Además, tiene un Master of Engineering Management de la Universidad de Melbourne (Australia).
Es profesor de la UC en temáticas relacionadas con economía del comportamiento, analítica de datos, inteligencia artificial en negocios y negociación.
Su área de investigación es ciencias del comportamiento y, en particular, en la interacción humano-máquina.
Ha ocupado cargos gerenciales y directivos en importantes empresas multinacionales y organizaciones sociales, como también ha sido director de emprendimientos.
Ventajas
![Nº 1 Universidades en Latinoamérica 2020 por QS World University Rankings](https://uconline.uc.cl/wp-content/uploads/2020/07/qs.png)
![Nº 1 Universidades de habla hispana en Latinoamérica 2020 – The World University Rankings](https://uconline.uc.cl/wp-content/uploads/2020/07/The-World-University-Rankings.png)
![](https://uconline.uc.cl/wp-content/uploads/2021/05/Acreditacion-7años-gris.png)