La Diplomatura en Ciencia de Datos Económicos e Inteligencia Artificial con Python es un programa diseñado para introducir a los participantes en un conjunto de principios fundamentales aplicables a la extracción de conocimiento basado en datos. El curso brinda a los alumnos herramientas para explorar en profundidad datos económicos, analizar tendencias e identificar patrones clave para la toma de decisiones en organizaciones públicas y privadas.

La diplomatura provee los elementos fundamentales de la disciplina, orientados a la resolución de problemas concretos mediante el uso de técnicas modernas de análisis de datos. En este sentido, los diferentes módulos proporcionan formación aplicada para abordar las distintas etapas de un proyecto de ciencia de datos, desde la obtención y limpieza de información hasta el modelado, la visualización y la comunicación de resultados.

El programa brinda conocimientos en los lenguajes de programación Python y SQL, así como en herramientas de visualización y análisis de datos como Power BI. Además, incorpora conceptos de estadística y probabilidad aplicados al análisis de datos, técnicas de aprendizaje automático supervisado orientadas a modelos predictivos, herramientas de inteligencia artificial generativa para asistir procesos analíticos y de programación.

Objetivo general

Desarrollar competencias básicas en ciencia de datos aplicando métodos de análisis de datos y modelado estadístico con técnicas de machine learning, para transformar datos en información útil para la toma de decisiones.

Objetivos específicos:

• Brindar herramientas de obtención, manipulación y limpieza de datos económicos.
• Desarrollar los conocimientos fundamentales en estadística, programación y análisis de datos con Python, SQL y Power BI.
• Proporcionar habilidades prácticas a través de proyectos de análisis de datos aplicados.
• Fomentar el análisis crítico de resultados y la comunicación efectiva de hallazgos.
• Introducir a los participantes en técnicas de modelado predictivo y de machine learning supervisado.
• Introducir herramientas complementarias de inteligencia artificial generativa y
  despliegue de modelos para proyectos de ciencia de datos.

Podrán inscribirse al diplomado quienes cumplan alguno de los siguientes requisitos:

• Docentes universitarios.
• Profesionales egresados en ciencias económicas o materias afines.
• Estudiantes avanzados y público en general interesado en la materia.

Cantidad de meses estimados de duración: 6 meses.

Módulo I: Introducción a la ciencia de datos.

Objetivos:

• Entender qué es ciencia de datos, su lógica de trabajo y su aplicación en economía.
• Introducir a los alumnos en el lenguaje de programación Python.
• Brindar herramientas preliminares en el manejo de bases de datos relacionales con Python.
• Implementar herramientas de inteligencia artificial generativa.

Módulo II: Análisis y visualización de datos

Objetivos:

• Desarrollar en los participantes la capacidad de explorar, analizar y comunicar información a partir de datos, utilizando herramientas modernas de análisis de datos aplicadas a problemas económicos. 
• Introducir el análisis exploratorio de datos (EDA) como etapa central del proceso analítico, integrando técnicas de estadística descriptiva, visualización y limpieza de datos para identificar patrones, relaciones y anomalías. 
• Familiarizar a los participantes con un flujo de trabajo completo de análisis de datos, que incluye obtención, consulta, procesamiento, visualización y comunicación de resultados mediante herramientas como Python, SQL y Power BI. 
• Aplicar estos enfoques sobre datasets económicos reales, promoviendo la interpretación económica de los resultados obtenidos.

Módulo III: Introducción al aprendizaje estadístico supervisado

Objetivos:

• Comprender el marco conceptual del aprendizaje supervisado, diferenciando problemas de regresión y clasificación, e interpretando la relación entre sesgo y varianza en contextos económicos. 
• Aplicar modelos de regresión lineal para estimar relaciones económicas y realizar predicciones, interpretando coeficientes y supuestos del modelo. 
• Comprender los problemas de sobreajuste en modelos lineales y aplicar  técnicas de regularización para mejorar la capacidad predictiva. 
• Modelar probabilidades de ocurrencia de eventos económicos binarios utilizando regresión logística e interpretar sus resultados.
• Aplicar modelos basados en árboles de decisión para capturar relaciones no lineales en datos económicos, comprendiendo las diferencias entre métodos como bagging y boosting y evaluando su desempeño predictivo frente a modelos lineales.

Evaluación Continua y Sumativa Mixta, mediada por entornos virtuales (asincrónica):

• Actividades obligatorias asincrónicas.
• Trabajo final integrador

• Dr. Dip Juan Antonio (docente FCE UNaM).
• Mgtr. Staudt Agustin (docente FCE UNaM).
• Mgtr. Costa de Arguibel Facundo (docente FCE UNaM).
• Lic. Gamael Marc (docente FCE UNaM).
• Lic. Dilger Axel (Analista económico OGD Municipalidad de Posadas).
• Se prevé disertantes invitados de acuerdo a la temática.

 – Cursado modular: $100.000 (pesos cien mil C/ MÓDULO)

 – Diplomatura Completa (cursado de los 3 módulos): 

Público en Gral. $255.000 (pesos doscientos cincuenta y cinco mil)

Comunidad UNaM: $195.000 (pesos ciento noventa y cinco)

Los medios de pago habilitados son:

• Transferencia Bancaria
• Tarjeta de crédito o débito (Click de pago – HeliPagos)

Para realizar la transferencia bancaria

Podrá realizar la transferencia a la siguiente cuenta Bancaria:

Banco Nación de la Universidad Nacional de Misiones

CBU: 0110407720040700006852.

CUIT: 30598218095.

Una vez efectuada la transferencia solicitamos tenga a bien remitirnos el comprobante de la operación donde figure: N° de operación/ transacción, fecha y nombre del Banco o Billetera desde donde hace la transferencia.

Datos para el click de pago

En caso de optar por esta modalidad de pago, se les generará un enlace personalizado, el cual tendrá una vigencia de 24 horas.

Al ingresar al enlace, la aplicación les solicitará los datos correspondientes a la tarjeta con la que desean realizar el pago. Una vez efectuada la operación, el sistema nos enviará automáticamente el comprobante de pago, lo que nos permitirá proceder posteriormente con la emisión de la factura correspondiente.

Ingresa al Formulario de Preinscripción y completa tus datos.

Deberás completar los datos solicitados (DNI, CUIL, Apellido y Nombre, teléfono, correo electrónico y plan de pago).

* En caso de que la capacitación la abone una empresa, deberás tildar el campo “Factura a nombre de empresa” y completar el resto de la información.