Plan de Estudios

Módulo 1: Data Literacy 

Prof. Federico Rosenhain

  • Antecedentes a DL en empresas.
  • Motivo y contexto en empresas.
  • Discusiones en torno a Data y Rentabilidad.
  • Filosofía HIPPO.
  • Analogías: literatos, alfabetizados, infoxicados.
  • Actividad sobre Estadísticas y Probabilidades
  • Distribuciones.
  • Vinculación entre DL y KPIs.
  • Carga de Datos e impacto en decisiones.
  • Silos de información.
  • Ejemplos posibles: Telcos, Oil & Gas, Pharma. 
  • Actividades: Chernobyl, Titanic.
  • Conclusión: Formación de equipos en torno a Datos.

Cierre Presencial: Taller de Data Literacy. Caso de Análisis 

Módulo 2. Transformación Digital en proyectos de datos

Prof. Carola Hahn

Prof. Lysandro Trotta / Prof. Natalia Batalla

  • La innovación estratégica y su relación con la continuidad y sostenibilidad del negocio.
  • Tipos y modelos de innovación para competir en el futuro.
  • Análisis de las capacidades y recursos para la innovación.
  • El rol del líder en los procesos de innovación.
  • Creación de una cultura de innovación.

Módulo 3: Agilidad para equipos de Analytics

Prof. Guadalupe Montero

  • El papel de las tecnologías en la empresa ágil
  • Obtención de datos y toma de decisiones ágiles
  • Pivotar o cómo cambiar la estrategia en tu empresa
  • Automatización de la toma de decisiones ágiles

Módulo 4: Almacenamiento de información 

Prof. Sebastián Barreda

  • Gestión de la información
  • Procesamiento y ETL
  • Carga de información y optimización de procesos
  • DataWarehousing. 
  • Arquitecturas y modelos de datos
  • Origen del Big Data.
  • Fuentes y procesos de almacenamiento de información.

Ejercitación: Taller de herramientas de ETL 

Módulo 5: Cloud

Prof. Carolina Golia

  • Introducción a la computación en la nube
  • Datos en el cloud
  • Data Mesh. El futuro de los lagos de datos
  • Convirtiendo Datos en Insights
  • Introducción al nuevo modelo de gerenciamiento financiero del presupuesto de TI.

Cierre Presencial: Ejercitación on Site sobre creación de arquitecturas de datos en nube.

Modulo 6: Business Intelligence 

Prof. Federico Rosenhain

  • Visualización de Información
  • Conceptos básicos de visualización.
  • Mejoras y recursos para la visualización tradicional. Nuevas herramientas gráficas. Tableros de información.
  • Visual Discovery. Visual Analytics. Infonomics

Cierre Presencial: Ejercitación de Analítica aumentada 

Modulo 7: Machine Learning 

Prof. Cecilia Pisani

  • Introducción a DM y KDD. 
  • Conceptos básicos y las etapas del proceso de extracción de conocimiento. 
  • Técnicas de minería de datos. 
  • Ejercicios y técnicas para elegir, para un problema concreto, qué técnicas de minería de datos resultan más apropiadas.
  • Casos de Uso.

Cierre Práctico: Ejercitación con herramientas de Data Science 

Módulo 8: Gestión de equipos Analíticos 

Prof. Adrián Quilis

  • Como se construye un equipo de trabajo analítico
  • Roles y funciones
  • Perfiles
  • Gestión
  • Temas comunes a todos los equipos
  • Experiencias

Cierre Práctico: Análisis de Caso de negocio sobre estrategias de Analytics  

Modulo 9: Data governance 

Prof. Pablo Mlynkewicz

  • Definición.
  • Vínculo con rentabilidad.
  • Vínculo entre estrategia, roadmap de Datos e iniciativas top.
  • Reciclaje del conocimiento: BIOS / BICC / COE
  • Siete pilares (variaciones respecto del "vendor")
  • Qué no es DG: Data management, Analytics, Data Science.
  • Calidad del dato.
  • Custodios del dato
  • Integración
  • Metadata
  • Master Data
  • Arquitectura
  • Diseño de organización en torno al Dato.
  • Triángulo de seguridad del Dato.
  • Ejemplo de herramientas y buenas prácticas.

Módulo 10: Cyberseguridad en Datos

Prof. Tomas Germano

  • Arquitecturas de ciberseguridad y seguridad en modelos ágiles
  • Capacidades de arquitectura
  • Roles de la arquitectura de seguridad
  • Modelos de integración a metodologías ágiles
  • Modelado de amenazas
  • Automatización de seguridad (DevSecOps)

Módulo 11:  Entrevistas a referentes del sector 

  • Reunión con referentes de la industria para presentar los casos de cada compañía

Módulo 12:  DATATHON 

  • Evento de cierre donde se realizará una competencia por equipos para gestionar un caso de uso de data/analytics y se presentarán las soluciones propuestas para ser evaluadas por un jurado de expertos