Inteligencia Artificial y Big Data Aplicado a la Toma de Decisión Empresarial

Dates and places
From November, 5th 2019 to February, 14th 2020 View schedule


Hours
Hours: 150
Online or on-site
Puedes elegir la asistencia presencial o la asistencia online en directo.
Program
MÓDULO I
Teoría de Juegos
Introducción
Objetivos
1.1 Teoría de Juegos
1.1.1. ¿Qué es un juego?
1.1.2. Elementos que intervienen en un juego
1.1.3. Representación de un juego
1.1.4. Tipos de juego y estrategias
1.2 Aplicaciones de la Teoría de juegos
1.3 Tipos de Juegos y Estrategias
1.4 John Von Neumann y John Nash
1.5 Modelos de Juegos
1.6 Ejemplos ejercicios teorías de Juegos
Caso Práctico Evaluación Módulo 1
MÓDULO II
Teoría de la Decisión
Introducción
Objetivos
2.1 Decisión y Toma de Decisiones, Definiciones
2.2 Etapas de la Toma de Decisiones
2.3 La Toma de Decisión
2.4 Tipos de Decisiones
2.4.1. Tipología por niveles
2.4.2. Tipología por métodos
2.5 Técnicas de Modelación de un Proceso de Toma de Decisiones
2.6 Modelos en la Toma de Decisiones
2.6.1. Tipología de modelos
2.6.2. Ambientes de decisión
2.7 Modelos para la Simplificación de la Toma de Decisiones en una Organización
en un Ambiente de Incertidumbre
2.8 Árbol de Decisión
2.8.1. Ejemplo utilización árbol de decisión
Caso Práctico Evaluación Módulo II
MÓDULO III
Big Data en la Empresa
Introducción
Objetivos
3.1 Definiendo Big Data
3.2 Las V´s del Big Data
3.3 Claves para Big Data y el Análisis Predictivo
3.4 Big Data en el Empresa
3.5 Concepto 360 grados
3.6 Casos de Éxito
3.7 Claves para Construir una Infraestructura Big Data
3.8 Infraestructura Big Data. Cloud Computing
3.9 Herramientas de Análisis e Interpretación de Datos
Caso Práctico Evaluación Módulo III
MÓDULO IV
Good Data
Introducción
Objetivos
4.1 Definiendo Good Data
4.2 Indicadores Externos
4.3 indicadores del Sector
4.4 Indicadores Internos
4.5 Áreas Geográficas
4.6 Fuentes de Información
4.7 Relaciones, Patrones, Proyecciones, Comparativas y Seguimiento
a) Relaciones. Ejemplo
b) Patrón de comportamiento
c) Proyecciones. Ejemplo
d) Comparativas y seguimiento. Ejemplo
MÓDULO V
Inteligencia Artificial y Machine Learning
4.1 Inteligencia Artificial
4.2 Machine Learning
4.3 ANN. Redes Neuronales
4.4 Deep Learning.
4.5 Métodos y técnicas de Data Science en R y Python
4.6Ejemplos de Machine Learning
Caso Práctico Evaluación Módulo V

MÓDULO VI

Big Data Aplicado a la Especialidad
Introducción
Objetivos
5.1 Claves del Big Data Aplicadas a la Especialidad.
5.2 Casos de Aplicación de Proyectos Big Data en la Especialidad
5.3 Casos Prácticos
5.4 Construyendo Proyectos Big Data en la Especialidad
Caso Práctico Evaluación Módulo VI
MÓDULO VII
TRABAJO FINAL CURSO, TFC.
Attendance
Esta actividad permite al estudiante participar con asistencia presencial o asistencia online en directo, sin necesidad de ir al centro asociado.
Enrollment


Descuentos


Alumnos y antiguos alumnos de la UNED y Fundación UNED (el alumno deberá enviar una copia escaneada del título del curso realizado o una copia escaneada del pago de matrícula del curso que está realizando, junto al comprobante de pago).

Personas en situación de desempleo (el alumno deberá enviar una copia escaneada del justificante de demanda de empleo, en vigor, junto al comprobante de pago). 

Profesionales autónomos (el alumno deberá enviar una copia escaneada del último pago a autónomos, junto al comprobante de pago).

Personas con discapacidad reconocida del 33% o superior (el alumno deberá enviar una copia escaneada del certificado de minusvalía, junto al comprobante de pago).

Correo de envío de la documentacion: gestion.certificados@fundacion.uned.es

ASUNTO: 6943-IADE19

NOTA MUY IMPORTANTE:

AQUELLOS ALUMNOS QUE SOLICITEN A ALGÚN TIPO DE DESCUENTO Y NO LO JUSTIFIQUEN, DEBERÁN ABONAR LA MATRÍCULA EN SU TOTALIDAD.


MATRÍCULA DEL CURSO

Debe realizar un ingreso o transferencia por el importe correspondiente en la siguiente cuenta bancaria, en la que debe hacerse constar OBLIGATORIAMENTE el nombre del alumno y la referencia bancaria del curso en el resguardo del pago.

Banco Santander
c/c: 0049-0001-58-2911661124
CÓDIGO IBAN: ES49-0049-0001-5829-1166-1124
CÓDIGO SWIFT: BSCHESMM

Referencia bancaria del curso: 6943-IADE19

Envíe la copia del ingreso o transferencia (puede hacerlo por correo postal o mail) a:

Fundación UNED
Secretaría de Cursos
c/ Guzmán el Bueno, 133 - Edificio Germania - 1ª planta
28003 Madrid
Teléfono: 91 386 72 76
gestion.certificados@fundacion.uned.es - Referencia: 6943-IADE19

NOTA: Se confirman los pagos en 72 horas en su correo electrónico.

Información académica.:


Teléfono: 91 104 81 32.
E-mail: info@seproi.es
Los tutores responderán en un plazo máximo de 24 horas a los alumnos, con horario de lunes a viernes
de 10.00hrs. a 19.00hrs.


  Alumnos y ex-alumnos de la UNED y Fundación UNED Autónomos Normal enrollment Personas con discapacidad Unemployed
Fee675 €675 €750 €675 €675 €
Enrollment now
Otras actividades del ciclo
This activity belongs to the cycle SEPROI
Other cycle activities
, formed by the following activities:

Directed by
Arturo González Romero
Licenciado (Sobresaliente) en Ciencias Económicas y Empresariales, Universidad Complutense, Madrid 1980. Master of Arts (M.A.) in Economics, Universidad de Essex (Inglaterra), 1982. Philosophy Doctor (Ph.D.) in Economics, Universidad de Essex, 1985: “North-South-OPEC: “A Theoretical Analisys of Three Region Models of Global Interaction”, dirigida por G. Heal, F. Giavazzi y R. Kanbur. Doctor por la Universidad Complutense de Madrid, 1986. Tribunal: Luis Ángel Rojo, Julio Segura y Carlos Sebastián.
Teachers
Ignacio Blas Sanz
ROLLicenciatura en Derecho, Universidad de Deusto, 2001. DEA, Derecho de Empresa, Universidad de Zaragoza, 2007. Professional MBA, Administración, dirección y gestión de empresas, IEDE Business School, 2008. Coautor del libro “Iniciación al Análisis de Datos y Big Data aplicado al fútbol”.
Juan Carlos Colás Romero
Estadística, Diplomatura, Universidad de Zaragoza, 1995. Creativo. Especialista en UX + UI + IxD y tecnologías de diseño multiplataforma y multidispositivo. Arquitectura de Redes. Gestión entornos Cloud. Programación de entornos front-end. Gerente de Proyectos Tecnológicos de ámbito nacional e internacional. Especialista en auditación de entornos tecnológicos. Experto en Marketing online.
Jorge López Cárdenas
Técnico Superior en Desarrollo de Aplicaciones Web (DAW). Técnico Superior en Desarrollo de Aplicaciones (DAM). Técnico Superior en Administración de Sistemas y Redes (ASIR). Certificación en Red Hat System (RHCSA). Certificación en AWS (Amazon Web Services) Solutions Architct Associate. Certificación en Linux Server Professional (LPIC-1). SUSE Certified Linux Profesional. Especialista en el diseño de soluciones técnicas para proyectos Big Data. Gestión entornos Cloud.
Marcos Roldán Clemente
Grado en Administración y Dirección de Empresas, Especialidad Contabilidad y Finanzas, Universidad de Zaragoza, 2015. Máster en Contabilidad y Finanzas, Universidad de Zaragoza, 2017. Beca Escuela de Talento Adecco, 2015. Curso « Valoración de deportistas » por la Universidad Politécnica de Valencia. Curso « Liderazgo y Gestión de Equipos » por la Escuela de Negocios Kuhnel. Curso « Estrategias de Marketing » por la Escuela de Negocios Kuhnel.
Joaquín Roldán Morcillo
Estudios en Económicas, Informática y Marketing. Experto en Análisis de Información. Consultor especializado en proyectos Big Data en diferentes sectores. Gerente de Proyectos tecnológicos de ámbito nacional e internacional. Coautor del libro “Iniciación al Análisis de Datos y Big Data aplicado al fútbol”. Diversas publicaciones relacionadas con el Análisis de Información y la construcción de algoritmos basados en información procesada. Autor de manuales de formación especializada en Big Data.
Sergio Sancho Rodríguez
ITIS, Ingeniera Técnica de Informática de Sistemas Universidad de Zaragoza, 2006. Máster Bases de Datos e Internet. Título Propio de la Universidad de Zaragoza, 2006. AERCO Certificado de Especialización para Community Managers, 2010. ASES Estrategias de Marketing en redes sociales, 2013. Software libre para el diseño y la creación de servicios de información en Internet y Nuevas Tecnologías de Programación Web, Universidad de Teruel, 2003. Jefe de Proyectos tecnológicos de ámbito nacional e internacional. Especialista en Big Data técnico y de negocio.
María José Troyano Rabanal
Licenciatura en Derecho, Universidad de Deusto, 2001. Máster en e-learning y redes sociales, UNIR Universidad Internacional de La Rioja, 2016. Especialista en Legislación y aplicación de la normativa de Protección de Datos. Experta en metodologías y herramientas de aprendizaje, legislación de las TIC, modelos empresariales y de emprendimiento. Diversas publicaciones relacionadas con la Legislación y Ética en las TIC, Procesos de empresa y Derecho Internacional Público.
Asesor técnico
Mª Aurora Sánchez Ripio
Titulada en Publicidad y Marketing en CENP. Titulada Diseño Gráfico por la Escuela Universitaria de Artes y Espectáculos TAI. Universidad Rey Juan Carlos. Técnico en Merchandising Visual y de Gestión en el Punto de Venta: Comercio, Alimentación y Farmacia. Administrador de Aulas Virtuales Moodle. Técnicas y Estrategias Pedagógicas en el Diseño de Cursos Online.
Aimed at
Profesionales y/o estudiantes que quieran orientar su focus laboral en el ámbito del análisis de
información y la interpretación de datos en base la cualificación y cuantificación de los mismos,
partiendo de la base de una, cada vez mayor, democratización de la información.
Economistas, abogados, consultores y asesores de empresa, empresarios, profesionales liberales,
directores y personal de los departamentos de Dirección, Proyectos, Estrategia, Marketing, Recursos
humanos y Administración de cualquier tipo de empresa, que quieran conocer cómo aplicar el
tratamiento holístico de datos de diferentes tipologías y procedentes de múltiples fuentes para el mejor
conocimiento de una empresa u organización en su ámbito de actuación tanto en su estadio actual
como en el futuro.
Empresas que quieran formar a sus trabajadores en la concepción de proyectos Big Data desde el
punto de vista empresarial y su aplicación en las distintas áreas que componen una empresa.
Prerequisites

No se exige titulación.

Goals
Conocer: Qué aporta y su influencia, la búsqueda, recopilación, cualificación, relación y
transformación mediante algoritmos de la información propia y no propia en la definición correcta de
los objetivos presentes y futuros de una empresa u organización.
Cómo afrontar un proyecto Big Data desde el punto de vista empresarial, qué actores deben
intervenir y cómo movilizar ordenadamente recursos propios y redes de proveedores.
Adquirir las siguientes competencias específicas:
1) Comprender e interpretar conocimientos sobre aspectos principales de la terminología relacionada
con proyectos Big Data.
2) Transformar el Big Data en Good Data o cómo sintetizar grandes volúmenes de información de
diferente tipología y múltiples fuentes, en valores claros, concretos y entendibles a través de las
relaciones y la algoritmización.
3) Análisis predictivo, detección de patrones y construcción de proyecciones. En definitiva formulación
de predicciones de alto valor para tomar mejores decisiones y desarrollar mejores acciones de
negocio.
4) Entender cómo hacer machine learning a través del seguimiento de las proyecciones y su
comparación con los datos reales.
Methodology
ORGANIZACIÓN:
El desarrollo de este curso ha sido estructurado en una parte común a todos los alumnos consistente en cuatro grandes áreas que responden al camino natural en el aprendizaje de cómo abordar un proyecto Big Data desde el punto de vista de una empresa u organización.
TRABAJO FINAL CURSO, TFC.
El trabajo final de curso se abordará simulando un caso real de una empresa en función a la especialidad elegida por el alumno. El TFC, consistirá en relacionar la información propia de la empresa, la información externa a la empresa, bien desde el punto de vista económico, bien desde el punto de vista social media, para la obtención de los objetivos que se definan en el TFC ( proyección de ventas, medición de la productividad en los social media, optimización de recursos, generación de ofertas, etc)


Lo primero que se necesita conocer es cómo se llega a la toma de decisiones desde un punto de vista sistemático y racional.

1. Teoría de Juegos y Teoría de la Decisión
  • Tipología de juegos.
  • Modelos de juegos y su aplicación.
  • Etapas en la toma de decisiones.
  • Modelos en la toma de decisiones.
  • La importancia de la información en la toma de decisiones.
  • Como construir un árbol de decisión. El origen del Machine Learning.

En segundo lugar, deberíamos saber porqué deben las empresas tener en cuenta cada vez más la información no propia, la información que no reside en sus sistemas informáticos (propia), identificarla, cuantificarla, cualificarla y conjugarla con la información propia.


2. Big Data y la información no propia
  • Tipología de Datos.
  • Fuentes de Información.
  • Claves del Big Data y Análisis Predictivo.
  • Como acometer un proyecto Big Data en la empresa u organización.
  • Herramientas para monitorización, integración y análisis de información.


En tercer lugar, es fundamental saber cómo gestionar y explotar el conjunto de información propia y no propia que afecta a una empresa u organización para facilitar la toma de decisiones dentro de éstas.


3. Obteniendo datos de Valor.
  • Cómo relacionar la información.
  • Detección de patrones.
  • La importancia de la ponderación.
  •  La algoritmización como expresión máxima de la sintetización de los datos.

Finalmente es imprescindible estudiar en profundidad los casos prácticos resueltos de la
especialización para entender como conexionar todo lo aprendido.
Causística de la especialidad
Casos prácticos


METODOLOGÍA
La metodología será online, impartiéndose todo el contenido a través de la plataforma de teleformación.
El profesorado empleará una plataforma de teleformación a través de la cual realizará las siguientes acciones:
  • Pondrá a disposición del alumno todo el contenido existente en sus distintos formatos (PDF, vídeos). El profesorado estará en comunicación continua y directa con el alumnado mediante la mensajería privada que ofrece la plataforma. Esta mensajería está pensada para las cuestiones y problemas de cada estudiante respecto de los contenidos del curso o de aspectos personalizados respecto al curso que aquí tienen cabida si el propósito es la interacción con el profesorado.
  • Proporcionará una formación cuasi – personalizada, un seguimiento del alumnado y respuesta de sus correos personales en 24 horas. Las evaluaciones tanto del examen final como del trabajo, de los voluntarios que quieran hacerlo, será personal y privada a cada participante.
Grading system
CRITERIOS DEL SISTEMA DE EVALUACIÓN:

LA EVALUACIÓN DE LOS CONOCIMIENTOS Y CAPACIDADES TÉCNICAS SE LLEVARÁ A CABO MEDIANTE LA REALIZACIÓN DE:
EVALUACIONES PARCIALES inherentes a cada una de los cuatro primeros módulos, consistentes en la resolución de dos ejercicios prácticos por módulo.

UN EXAMEN FINAL DE 10 preguntas de respuesta breve. El examen se “colgará” en un lugar apropiado a disposición de todos los estudiantes 7 días antes del final del curso. Y tendrá que entregarse-envío a correo personal del profesorado- 3 días, como máximo, antes de final del curso. En un curso de estas características no tiene sentido realizar exámenes de “elección múltiple”. Se trata de analizar el conocimiento adquirido y sobre todo la capacidad crítica de abordar cuestiones relativas a la implantación de Proyectos Big Data desde el punto de vista empresarial o de negocio. Las respuestas deben mostrar la adquisición de esa capacidad crítica y, si es posible de una cierta creatividad. Para la determinación de patrones de comportamiento, el establecimiento de relaciones entre información diversa, su transformación en valores a través de algoritmos e incluso el análisis predictivo, poseer una cierta creatividad es fundamental.

UN TRABAJO FINAL consistente en la construcción de un caso práctico que integrará el conocimiento y las capacidades adquiridas a lo largo del curos. El trabajo podrá empezar una vez el alumno haya iniciado el módulo de Especialidad y se entregará como máximo una
semana antes del final del curso.
Collaborates

Collaborates

Selección de Proyectos e Inversiones, S.L
FUNDACIÓN UNED
More
Fundación UNED
Guzmán el Bueno, 133 - Edificio Germania, 1ª planta
28003 Madrid Madrid
91 386 72 76 / gestion.certificados@fundacion.uned.es

Fundación UNED
Guzmán el Bueno, 133 - Edificio Germania, 1ª planta
28003 Madrid (España)
Phone number (country code + full number): +34 91 386 72 76
Fax: +34
Email: gestion.certificados@fundacion.uned.es
www.fundacion.uned.es

Information certificates: For queries or requests for Certificates send an e-mail to: gestion.certificados@fundacion.uned.es