Diplomatura

en Ciencia de Datos para la Gestión Empresarial

Inicio

2 de Junio

Duración

120 horas reloj

Modalidad

Digital

curso

    La Cuarta Revolución Industrial y la masificación de datos han transformado el rol del profesional en Ciencias Económicas, pasando de tareas registrales a funciones estratégicas basadas en el análisis de información. Hoy, las organizaciones requieren perfiles capaces de interpretar grandes volúmenes de datos, generar conocimiento útil y respaldar decisiones con evidencia sólida. En este contexto, la digitalización, automatización y analítica de datos se vuelven competencias clave para asegurar servicios profesionales eficientes, confiables y de calidad.

    La Diplomatura propuesta integra herramientas como análisis de datos, inteligencia artificial y visualización con los principios propios de la disciplina económica, abordando la analítica como un instrumento para la gestión organizacional. Desde una mirada crítica y metodológica, vincula la analítica avanzada con problemáticas centrales como la asignación de recursos, evaluación del desempeño, gestión de riesgos y auditoría, fortaleciendo el rol del profesional como garante de información relevante para la toma de decisiones.

    El trayecto formativo promueve un cambio hacia una gestión predictiva y prescriptiva, formando perfiles tipo “Citizen Data Scientist” con habilidades técnicas, analíticas y éticas. Se enfoca en auditar modelos, gestionar la gobernanza del dato y optimizar decisiones mediante herramientas como Python, Power BI y Tableau. Alineada con estándares internacionales y los Objetivos de Desarrollo Sostenible, la propuesta busca mejorar la empleabilidad, fomentar la innovación y contribuir a una gestión más eficiente, transparente y sostenible.

Objetivos

  • Desarrollar competencias analíticas, tecnológicas y profesionales que permitan al público destinatario integrar la Ciencia de Datos en la gestión empresarial, la auditoría y la toma de decisiones estratégicas, de manera ética, responsable y basada en evidencia.

Cronograma

  • Inicio : 02/06/2026
    Fin estimado: 29 de octubre de 2026
    Días y horarios de cursado sincrónico (propuestos): martes, 18:00–20:00 hs y jueves, 18:00–20:00 hs.
  • Total: 120 horas reloj. Periodicidad: 15 semanas. Carga horaria por encuentro sincrónico: 4 horas/semana; actividades asincrónicas: 4 horas/semana., total de horas semanal entre sincrónica y asincrónica 8 hs. Semanales.

  • Módulo 1: Introducción a la Ciencia de Datos para la Gestión Empresarial

    • Contenido: ecosistema y ciclo de vida del dato. Roles y habilidades. Gestión de proyectos basada en datos. Herramientas de procesamiento, almacenamiento y visualización.
    • Objetivo: desarrollar conocimientos teóricos y prácticos sobre el ciclo de vida del dato y herramientas de procesamiento, asegurando calidad, disponibilidad y seguridad de la información.
    • Disertantes: Mg. María Guadalupe Solé y Lic. María Florencia Benedetich.
    • Carga horaria: 12 hs (6 sincrónicas + 6 asincrónicas)
    • Actividades: clases sincrónicas, análisis de casos, foros, lectura guiada.
    • Recursos: Aula virtual UCP, Webex, Jupyter/VS Code, datasets abiertos.
    • Evaluación: cuestionario diagnóstico y reporte de caso.
    • Bibliografía:
      • BID (2020)
      • FACPCE (2022)
      • Peng et al. (2016)
      • Provost & Fawcett (2013)
      • WEF (2023)

  • Módulo 2: Programación para análisis de datos (Python)

    • Contenido: fundamentos, control de flujo, estructuras de datos, errores, POO, Pandas, NumPy, Matplotlib, Seaborn.
    • Objetivo: desarrollar competencias básicas de programación en Python aplicadas al análisis de datos.
    • Disertante: Ing. Briant Alcides Gauna
    • Carga horaria: 16 hs
    • Actividades: laboratorios, notebooks, foros técnicos.
    • Recursos: Python, Jupyter/VS Code.
    • Evaluación: notebook individual.
    • Bibliografía:
      • McKinney (2022)
      • Sánchez Alberca (2020)

  • Módulo 3: Probabilidad y Estadística

    • Contenido: probabilidad, variables aleatorias, inferencia, regresión, teoría de la información.
    • Objetivo: aplicar métodos estadísticos para análisis y toma de decisiones.
    • Disertante: Lic. Nicolas Dib Ashur
    • Carga horaria: 16 hs
    • Actividades: problemas y mini-proyectos.
    • Recursos: aula virtual, SciPy/Statsmodels.
    • Evaluación: examen parcial.
    • Bibliografía:
      • Downey (2014)
      • INDEC (2025)
      • James et al. (2023)
      • MacKay (2003)

  • Módulo 4: Gestión y preparación de datos (EDA)

    • Contenido: adquisición, limpieza, transformación, EDA, dashboards.
    • Objetivo: implementar pipelines de datos y análisis exploratorio.
    • Disertante: Mg. María Guadalupe Solé
    • Carga horaria: 12 hs
    • Actividades: talleres con datasets reales.
    • Recursos: Pandas, SQL, ETL.
    • Evaluación: informe EDA.
    • Bibliografía:
      • Datos.gob.es (2024)
      • McKinney (2022)
      • VanderPlas (2023)
      • Wilke (2019)

  • Módulo 5: Herramientas de análisis y visualización

    • Contenido: Power BI, Tableau, KPIs, storytelling.
    • Objetivo: diseñar dashboards e interpretar datos estratégicamente.
    • Disertante: Lic. Nicolas Dib Ashur
    • Carga horaria: 12 hs
    • Actividades: laboratorios prácticos.
    • Recursos: Power BI, Tableau Public.
    • Evaluación: tablero funcional grupal.
    • Bibliografía:
      • CEPAL
      • Healy (2018)
      • Microsoft Learn
      • Munzner (2014)
      • Tableau Help

  • Módulo 6: IA y Machine Learning aplicado a negocios

    • Contenido: análisis descriptivo, predictivo, IA, NLP básico.
    • Objetivo: aplicar IA y ML en decisiones empresariales.
    • Disertante: Mg. María Guadalupe Solé
    • Carga horaria: 12 hs
    • Actividades: casos y prototipos.
    • Recursos: SpaCy, NLTK.
    • Evaluación: cuestionario o mini-proyecto.

  • Módulo 7: Aprendizaje automático (supervisado)

    • Contenido: regresión, SVM, árboles, ensambles.
    • Objetivo: construir modelos predictivos.
    • Disertante: Ing. Briant Alcides Gauna
    • Carga horaria: 16 hs
    • Actividades: prácticas con scikit-learn.
    • Evaluación: experimento con métricas.

  • Módulo 8: Aprendizaje automático (no supervisado)

    • Contenido: clustering, PCA, detección de anomalías.
    • Objetivo: segmentación y análisis exploratorio avanzado.
    • Disertante: Ing. Briant Alcides Gauna
    • Carga horaria: 12 hs
    • Actividades: laboratorios.
    • Evaluación: informe grupal.

  • Módulo 9: Proyecto integrador aplicado

    • Contenido: caso real, modelo analítico y presentación.
    • Objetivo: desarrollar solución analítica integral.
    • Disertantes: Mg. María Guadalupe Solé y Lic. María Florencia Benedetich.
    • Carga horaria: 12 hs
    • Actividades: mentorías y defensa.
    • Evaluación: TIF con defensa.

Destinatarios

  • Profesionales y graduados/as de Contador Público, Economía, Administración de Empresas, Ingeniería, Informática, Estadística y áreas afines, cuyos planes de estudios tengan como mínimo 1600 horas reloj. Directivos/as, mandos medios y analistas con responsabilidades en toma de decisiones y mejora de procesos. Profesionales o técnicos de carreras de pre-grado o terciarias con planes de estudio de carga horaria 1600 horas reloj.

    • Inscripción On-line

    Inversión

    Público en general
    cuotas de

    $85000

    Graduado/Docente UCP
    cuotas de:

    $68000

    Alumno de Posgrado UCP
    cuotas de:

    $68000

    Alumnos de Grado UCP
    cuotas de:

    $63750

    Promo pago total

    $172125

    INSCRIBIRME
    Solicitá más información

    Cronograma

    • Inicio : 02/06/2026
      Fin estimado: 29 de octubre de 2026
      Días y horarios de cursado sincrónico (propuestos): martes, 18:00–20:00 hs y jueves, 18:00–20:00 hs.
    • Total: 120 horas reloj. Periodicidad: 15 semanas. Carga horaria por encuentro sincrónico: 4 horas/semana; actividades asincrónicas: 4 horas/semana., total de horas semanal entre sincrónica y asincrónica 8 hs. Semanales.

    • Módulo 1: Introducción a la Ciencia de Datos para la Gestión Empresarial

      • Contenido: ecosistema y ciclo de vida del dato. Roles y habilidades. Gestión de proyectos basada en datos. Herramientas de procesamiento, almacenamiento y visualización.
      • Objetivo: desarrollar conocimientos teóricos y prácticos sobre el ciclo de vida del dato y herramientas de procesamiento, asegurando calidad, disponibilidad y seguridad de la información.
      • Disertantes: Mg. María Guadalupe Solé y Lic. María Florencia Benedetich.
      • Carga horaria: 12 hs (6 sincrónicas + 6 asincrónicas)
      • Actividades: clases sincrónicas, análisis de casos, foros, lectura guiada.
      • Recursos: Aula virtual UCP, Webex, Jupyter/VS Code, datasets abiertos.
      • Evaluación: cuestionario diagnóstico y reporte de caso.
      • Bibliografía:
        • BID (2020)
        • FACPCE (2022)
        • Peng et al. (2016)
        • Provost & Fawcett (2013)
        • WEF (2023)

    • Módulo 2: Programación para análisis de datos (Python)

      • Contenido: fundamentos, control de flujo, estructuras de datos, errores, POO, Pandas, NumPy, Matplotlib, Seaborn.
      • Objetivo: desarrollar competencias básicas de programación en Python aplicadas al análisis de datos.
      • Disertante: Ing. Briant Alcides Gauna
      • Carga horaria: 16 hs
      • Actividades: laboratorios, notebooks, foros técnicos.
      • Recursos: Python, Jupyter/VS Code.
      • Evaluación: notebook individual.
      • Bibliografía:
        • McKinney (2022)
        • Sánchez Alberca (2020)

    • Módulo 3: Probabilidad y Estadística

      • Contenido: probabilidad, variables aleatorias, inferencia, regresión, teoría de la información.
      • Objetivo: aplicar métodos estadísticos para análisis y toma de decisiones.
      • Disertante: Lic. Nicolas Dib Ashur
      • Carga horaria: 16 hs
      • Actividades: problemas y mini-proyectos.
      • Recursos: aula virtual, SciPy/Statsmodels.
      • Evaluación: examen parcial.
      • Bibliografía:
        • Downey (2014)
        • INDEC (2025)
        • James et al. (2023)
        • MacKay (2003)

    • Módulo 4: Gestión y preparación de datos (EDA)

      • Contenido: adquisición, limpieza, transformación, EDA, dashboards.
      • Objetivo: implementar pipelines de datos y análisis exploratorio.
      • Disertante: Mg. María Guadalupe Solé
      • Carga horaria: 12 hs
      • Actividades: talleres con datasets reales.
      • Recursos: Pandas, SQL, ETL.
      • Evaluación: informe EDA.
      • Bibliografía:
        • Datos.gob.es (2024)
        • McKinney (2022)
        • VanderPlas (2023)
        • Wilke (2019)

    • Módulo 5: Herramientas de análisis y visualización

      • Contenido: Power BI, Tableau, KPIs, storytelling.
      • Objetivo: diseñar dashboards e interpretar datos estratégicamente.
      • Disertante: Lic. Nicolas Dib Ashur
      • Carga horaria: 12 hs
      • Actividades: laboratorios prácticos.
      • Recursos: Power BI, Tableau Public.
      • Evaluación: tablero funcional grupal.
      • Bibliografía:
        • CEPAL
        • Healy (2018)
        • Microsoft Learn
        • Munzner (2014)
        • Tableau Help

    • Módulo 6: IA y Machine Learning aplicado a negocios

      • Contenido: análisis descriptivo, predictivo, IA, NLP básico.
      • Objetivo: aplicar IA y ML en decisiones empresariales.
      • Disertante: Mg. María Guadalupe Solé
      • Carga horaria: 12 hs
      • Actividades: casos y prototipos.
      • Recursos: SpaCy, NLTK.
      • Evaluación: cuestionario o mini-proyecto.

    • Módulo 7: Aprendizaje automático (supervisado)

      • Contenido: regresión, SVM, árboles, ensambles.
      • Objetivo: construir modelos predictivos.
      • Disertante: Ing. Briant Alcides Gauna
      • Carga horaria: 16 hs
      • Actividades: prácticas con scikit-learn.
      • Evaluación: experimento con métricas.

    • Módulo 8: Aprendizaje automático (no supervisado)

      • Contenido: clustering, PCA, detección de anomalías.
      • Objetivo: segmentación y análisis exploratorio avanzado.
      • Disertante: Ing. Briant Alcides Gauna
      • Carga horaria: 12 hs
      • Actividades: laboratorios.
      • Evaluación: informe grupal.

    • Módulo 9: Proyecto integrador aplicado

      • Contenido: caso real, modelo analítico y presentación.
      • Objetivo: desarrollar solución analítica integral.
      • Disertantes: Mg. María Guadalupe Solé y Lic. María Florencia Benedetich.
      • Carga horaria: 12 hs
      • Actividades: mentorías y defensa.
      • Evaluación: TIF con defensa.

    Destinatarios

  • Profesionales y graduados/as de Contador Público, Economía, Administración de Empresas, Ingeniería, Informática, Estadística y áreas afines, cuyos planes de estudios tengan como mínimo 1600 horas reloj. Directivos/as, mandos medios y analistas con responsabilidades en toma de decisiones y mejora de procesos. Profesionales o técnicos de carreras de pre-grado o terciarias con planes de estudio de carga horaria 1600 horas reloj.