MIIA - Maestría en Inteligencia Analítica para la Toma de Decisiones

Durante el desarrollo de los cursos de Seminarios de Aplicaciones los estudiantes podrán acercarse a problemas reales que tiene la industria a través de conferencias dirigidas por ejecutivos y estudiantes expertos en el tema. En línea con este propósito se mostrarán cómo herramientas analíticas han contribuido como parte de la solución a dichos problemas.

Durante el desarrollo de este curso los estudiantes conformarán grupos de trabajo con la finalidad de identificar, formular y analizar una problemática de la industria como parte de su Trabajo Práctico de Grado de la maestría. Para el apoyo de este trabajo, el curso estará acompañado por conferencistas expertos en el tema, que incluirán dentro de su exposición temáticas importantes para el análisis, gestión y solución de proyectos analíticos. Las temáticas impartidas en este curso corresponden a las habilidades requeridas por un Certified Analytics Professional (CAP) de INFORMS.

Durante el desarrollo de los cursos de Seminarios de Aplicaciones los estudiantes podrán acercarse a problemas reales que tiene la industria a través de conferencias dirigidas por ejecutivos y estudiantes expertos en el tema. En línea con este propósito se mostrarán cómo herramientas analíticas han contribuido como parte de la solución a dichos problemas.

Durante el desarrollo de los cursos de Seminarios de Aplicaciones los estudiantes podrán acercarse a problemas reales que tiene la industria a través de conferencias dirigidas por ejecutivos y estudiantes expertos en el tema. En línea con este propósito se mostrarán cómo herramientas analíticas han contribuido como parte de la solución a dichos problemas.

Durante el desarrollo de este curso los estudiantes, en grupos de trabajo, desarrollan y presentan su proyecto de grado.

En el curso se presentan diferentes técnicas y modelos de análisis estadístico desde una perspectiva conceptual y práctica, haciendo énfasis en el uso de herramientas computacionales para el análisis de datos. El curso está estructurado en tres módulos:

1. Análisis Exploratorio de Datos e Inferencia Estadística
2. Regresión Lineal
3. Regresión Logística y Regresión de Poisson

Cada una de las sesiones está dedicada a la exposición de los principales temas que se cubren en el curso, así como al desarrollo de ejercicios y casos ilustrativos, talleres y actividades diseñadas para favorecer el proceso de aprendizaje.
La participación activa de los estudiantes en las sesiones de clase, así como su trabajo permanente en la revisión de los conceptos teóricos y la solución de ejercicios y talleres, constituyen una condición indispensable para el desarrollo exitoso del curso.

Este curso busca desarrollar habilidades para realizar las actividades de tratamiento de datos de Analytics, en particular extracción, tratamiento, procesamiento estadístico y visualización de datos, así como modelado, simulación y optimización, a través del uso de herramientas computacionales programables. El lenguaje de programación R, sus librerías y ambiente de desarrollo son utilizados como referencia.

Este curso expone técnicas avanzadas para modelar, diagnosticar y proponer soluciones a problemas estratégicos, tácticos y operacionales dentro de las organizaciones. A través de casos prácticos se muestra el uso de técnicas de optimización y simulación para resolver problemas, entendiendo sus ventajas y limitaciones.

En el módulo de simulación, el curso busca desarrollar en el estudiante habilidades de implementación de los modelos en software especializados de simulación (e.g., Simio 8, Crystal Ball) así como en herramientas de uso cotidiano como Excel.

En el módulo de optimización lineal y entera, el curso busca desarrollar en el estudiante habilidades de implementación de los modelos en software especializado de optimización (e.g., Xpress-MP y AIMMS) así como en herramientas de uso cotidiano como Excel.

Este curso presenta conceptos fundamentales para la extracción de información y conocimiento a partir de bases de datos, usando modelos y algoritmos automatizados. El curso se enfoca en el estudio de procedimientos usados en Minería de Datos y su correcta aplicación, incluyendo sus ventajas y limitaciones. Estos procedimientos buscan encontrar relaciones y patrones en los datos que permitan generalizar un comportamiento aleatorio, o describir situaciones locales de interés en los datos registrados.
Se hará énfasis en los conceptos teóricos que permitan implementar, seleccionar y evaluar algoritmos o modelos adecuados. Muchos de estos conceptos cubren temas de estadística y de aprendizaje de máquinas (machine learning). En general, el curso se fundamenta en tres tareas generales de la Minería de Datos: análisis predictivo (basado en las herramientas de machine learning para clasificación y regresión), análisis descriptivo (basado en aprendizaje no supervisado), y descubrimiento de patrones locales (comportamiento atípico, asociaciones, etc).

Este curso presenta conceptos y métodos de análisis para estructuras de datos que requieran modelos especiales.

Los objetivos primarios de curso son:
≈ Comprender los conceptos fundamentales de los modelos y métodos estudiados
≈ Comprender el funcionamiento de cada técnica vista en el curso, incluyendo sus supuestos y limitaciones.
≈ Aprender a utilizar herramientas computacionales que permitan la correcta aplicación de los métodos vistos
≈ Desarrollar habilidades para el análisis, comprensión y comunicación de resultados obtenidos

Se presentan metodologías, modelos y herramientas para el análisis y solución de problemas de decisión bajo incertidumbre, haciendo énfasis en la importancia de utilizar metodologías estructuradas y herramientas apropiadas como soporte para la toma racional de decisiones en las organizaciones. Se estudia, igualmente, la evaluación económica de proyectos, y el análisis de riesgo asociado al comportamiento económico de un proyecto. Se presentan y discuten casos y problemas de situaciones reales, que puedan ser estudiados y solucionados utilizando las herramientas de modelaje y análisis vistas en el curso.

Este curso presenta conceptos y métodos de análisis para estructuras de datos que requieran modelos especiales. En particular, se cubrirán técnicas para: (i) datos con alta dimensionalidad (en número de variables), (ii) modelos basados en grafos de probabilidades (estimación, inferencia y uso), (iii) datos secuenciales, (iv) datos espaciales (con localización geográfica), y (v) datos funcionales. Se hará énfasis en las aplicaciones y los casos de estudio.

A diferencia de los cursos tradicionales en mercadeo, que generalmente adoptan una perspectiva conceptual, empírica y cualitativa, el presente curso está diseñado para aportar al participante la instrucción requerida para desempeñarse adecuadamente en ambientes intensivos en tecnologías de información.

El curso provee el entrenamiento básico que permite trasladar conceptos en decisiones y acciones de mercadeo efectivas, por medio de técnicas cuantitativas y modelos computacionales. No se pretende en este curso hacer del estudiante un analista o un modelador experto. Más se pretende convertirlo en un consumidor inteligente de los resultados generados por terceros.

New Trends in Analytics ofrece un conjunto de conceptos, metodologías y herramientas emergentes que permiten la extracción y procesamiento de grandes volumen de datos, con la finalidad de que el analista pueda obtener información integrada para el entendimiento y toma de decisiones de distintos negocios. Para tal fin, el curso está compuesto de tres módulos. El primer módulo es de Text Mining, en donde se enseñan técnicas de análisis de datos no-estructurados (texto). El segundo módulo es Big Data, este módulo presenta técnicas de análisis de grandes cantidades de datos poniendo en práctica el almacenamiento y procesamiento de datos. Finalmente el último módulo es de Social Networks, el cual está diseñado para entender cómo el estudio de las interacciones entre los individuos permite explicar y predecir comportamientos, para lo cual se usarán las redes sociales como herramienta para estudiar sociedades en distintos contextos.

Este curso desarrollar habilidades para la creación y utilización de herramientas de analítica financiera para soportar metodologías para la toma de decisiones en el sector financiero. El curso contempla dos grandes bloques, los cuales son econometría financiera y modelos financieros analíticos. La econometría financiera es una integración de las finanzas, economía y estadísticas. El curso incluye modelos como el caso de los modelos de riesgo de crédito que sin duda son uno de los temas más importantes en la gestión de riesgos financieros; y modelos de fraude, los cual tiene un impacto significado en la económica global.

Este curso está diseñado para entender cómo el estudio de las interacciones entre los individuos permite explicar comportamientos colectivos e incluso a veces predecirlos. Para ello, se usa el análisis de redes como herramienta para estudiar sociedades en distintos contextos.

Las ciencias de la complejidad han desarrollado herramientas eficientes para explicar y modelar los fenómenos que no son comprensibles si se examina el individuo por sí solo. En este curso se estudia una herramienta en específico: el análisis de redes, que se ha convertido incluso para muchos en una ciencia, ya que ha permitido encontrar causalidades en los fenómenos que emergen en la sociedad a partir de reglas individuales simples.

La metodología de enseñanza consiste en la combinación de lecturas magistrales, demostraciones a través de ejemplos, casos de estudio y discusiones. Se desarrollan actividades en forma de talleres y prácticas, motivando a los estudiantes a participar en clase. Con este fin, se propone un ambiente amigable y estimulante en el salón de clase, valorando el razonamiento crítico y aplicado junto con el trabajo en grupo, sobre la simple memorización de fórmulas o procedimientos. Al final del curso los estudiantes presentarán un proyecto donde profundizarán en las técnicas vistas en clase, razonando sobre un problema aplicado de alta relevancia, lo cual permita el desarrollo de sus aptitudes estadístico/computacionales, pensamiento crítico y trabajo en equipo.