Docentes

Dr. Ing. Gustavo Illescas

Dr. José Arturo Mora Soto - Universidad de Celaya, México

Dr. Ing. Guillermo Rodríguez

Inicio de la asignatura

La asignatura dará inicio el 06/05/2022, la cursada se desarrollará los días viernes a las 18 hs en formato virtual.

Es válida para las áreas de Informática de Gestión e Ingeniería de Software.

Los estudiantes deberán estar inscritos por el sistema Guaraní o gestionar la excepción para inscripción fuera de fecha.

Todo el material y avisos serán comunicados por el aula virtual (moodle) dispuesto por la Facultad de Ciencias Exactas.

Contacto: illescas@exa.unicen.edu.ar

Programa

CONTENIDOS MÍNIMOS

El científico de datos (Data Scientist-DS). Funciones, habilidades, como pensar como un DS. El control de Gestión. Herramientas para el control de gestión: los indicadores. Métodos matemáticos de análisis y pronóstico. Integración con lenguajes matemáticos (introducción a la programación en “R”). Herramientas de visualización de datos. Introducción al machine learning. Regresión lineal simple, múltiple y multivariada.

OBJETIVOS

La creciente demanda de los especialistas en análisis de grandes volúmenes de datos ha dado lugar a un perfil emergente de los gestores de conocimiento conocidos como científicos de datos. La manera de abordar los diferentes y complejos escenarios con métodos matemáticos hace la diferencia a la hora de poder aplicarlos con éxito en un entorno dinámico como lo es la gestión por indicadores. De esta manera nos introducimos a los umbrales de una metodología que nos conduce a uno de los caminos sobre cómo pensar como un científico de datos.

Metodología de la Enseñanza

La metodología empleada para la enseñanza de esta asignatura está planificada en el experimento de casos reales debidamente contextualizados. Los conceptos teóricos son abordados desde esta perspectiva bajo la experiencia de los docentes en proyectos realizados en diversas instituciones públicas y privadas, como así también como resultado del producto de investigación y estudios de posgrado.

Parte de la asignatura será transmitida por sistema de video conferencia desde la Universidad de Celaya y desde la Universidad de Coahuila, ambas de México.

Bibliografía

The Balanced Scorecard R Kaplan y D. Norton. Ed. Gestion 2000. 1999

Tablero de Control Ballvé Macchi 2000

Business Intelligence Roadmap: The Complete Project Lifecycle for Decision-Support Applications Larissa T. Moss, Shaku Atre Pearson Education 2003

Mapas Estratégicos R Kaplan y D. Norton Gestion 2000 2004

Indicadores de Gestión y Cuadro de Mando Salgueiro Diaz de Santos 2005

Competing on Analytics: The New Science of Winning Davenport & Harris Harvard Business School Press 2007

Introducción al Business Intelligence Jordi Conesa Caralt Josep Curto Díaz Editorial UOC, Barcelona 2010

What Is Data Science? Mike Loukides O’Reilly Media, Inc 2011

An Introduction to Statistical Learning with Applications in R James G., Witten D, Hastie T, Tibshirani R. Springer 2015

Statistics (The Easier Way) with R: an informal text on applied statistics Nicole M. Radziwill Lapis Lucera 2015

The Field Guide to Data Science Booz Allem Hamilton Booz Allem Hamilton Inc. 2015

Going Pro in Data Science Jerry Overton O’Reilly Media, Inc 2016

R Programming for Data Science Roger D. Peng LeanPub 2016

Statistics (The Easier Way) with R: an informal text on applied statistics (3 rd

Edition) Nicole M. Radziwill Lapis Lucera 2019

Material de clase

Será publicado oportunamente en el aula virtual de la asignatura