Plan de Estudios

La Maestría en Inteligencia Analítica de Datos (MIAD) de la Universidad de los Andes busca formar expertos que se destaquen por sus habilidades técnicas y conocimientos de vanguardia que les permita traducir una pregunta de negocio en un modelo matemático basado en datos y posteriormente comunicar la solución para apoyar la toma de decisiones.

El programa está pensado para reunir los conocimientos de tres áreas principales: el modelamiento matemático, la gestión organizacional y las tecnologías de información. El líder en analytics estará entre la intersección del científico de datos, el consultor en analytics y el arquitecto de datos, destacándose por su fortaleza en su visión de negocio y habilidades de modelamiento de datos.

Este programa estará dirigido a personas con título profesional interesadas en

• Liderar proyectos de inteligencia analítica de alto impacto en las organizaciones.
• Construir modelos matemáticos descriptivos, predictivos, y prescriptivos para la toma de decisiones.
• Extraer, transformar y cargar datos de fuentes estructuradas y no estructuradas con tecnologías para el manejo de grandes volúmenes de datos y cloud computing.
• Aprender de herramientas tecnológicas como lenguajes computacionales, librerías para analytics, manejo de bases de datos y servidores.

• Analizar, sintetizar y presentar de forma efectiva los resultados de los modelos analíticos con técnicas de visualización y storytelling.

Aunque es recomendable saber programar en algún lenguaje y contar con conocimientos básicos en probabilidad y estadística, a los candidatos se les recomendarán rutas de nivelación para adquirir estos conocimientos y habilidades fundamentales.

Malla curricular

La maestría estará compuesta por 36 créditos correspondientes a 16 cursos organizados en cuatro trayectorias y tendrá una duración de 24 meses. Cada trayectoria tendrá cuatro cursos y durará 16 semanas. En cada ciclo de 8 semanas se tomarán dos cursos en paralelo.

Trayectoria 1 - Fundamentos de Analítica: los estudiantes adquirirán competencia en el lenguaje de la analítica y su implicación en la toma de decisiones, herramientas de programación en Python y R para preparar datos, manejar y analizar modelos y librerías en analítica. Se requieren niveles básicos de conocimiento en estadística y programación para lo se ofrecerá un conjunto de cursos MOOC dirigidos a las personas que deseen nivelar estos conocimientos y habilidades.

Trayectoria 2 - Competencias Básicas de Analítica: los estudiantes adquirirán competencias en diferentes dimensiones de la inteligencia analítica: metodologías para formular y gestionar proyectos de analítica, modelos de machine learning, aprendizaje no supervisado y modelos prescriptivos de optimización.

Trayectoria 3 - Competencias Avanzadas de Analítica: los estudiantes adquirirán competencias para realizar análisis avanzados de datos y comunicar la solución a responsables de la toma de decisiones. Esta trayectoria comprende los temas de visualización y storytelling, modelos avanzados de machine learning, herramientas prescriptivas de simulación, y uso de cloud computing.

Trayectoria 4 - Aplicaciones y Técnicas Avanzadas de Analítica: los estudiantes podrán seleccionar cursos electivos en técnicas sectores de aplicación en los cuales quieran profundizar. Existen electivas de profundización y otras de aplicación. En las electivas de profundización se aprenden técnicas avanzada de analítica descriptiva, predictiva o prescriptiva. En las electivas de aplicación se aplican técnicas de analítica en sectores como finanzas, mercadeo y cadena de suministro, entre otros.

Esta estructura podrá estar sujeta a modificaciones.

Cuando te gradúes, podrás

• Identificar oportunidades de aplicación de la inteligencia analítica para generar valor dentro de las organizaciones.
• Aplicar metodologías formales para traducir problemas de negocio en proyectos de analytics.
• Extraer, transformar y cargar datos de fuentes estructuradas y no estructuradas con tecnologías para el manejo de grandes volúmenes de datos y cloud computing.
• Formular y construir modelos matemáticos descriptivos, predictivos, y prescriptivos para la toma de decisiones, como machine learning, deep learning, computer vision, análisis de lenguaje natural (NLP), optimización, análisis de redes sociales, entre otras.
• Hacer uso de herramientas tecnológicas como lenguajes computacionales, librerías para analytics, manejo de bases de datos y servidores. Analizar, sintetizar y presentar de forma efectiva los resultados de los modelos analíticos con técnicas de visualización y storytelling.
  Liderar proyectos de inteligencia analítica de alto impacto en las organizaciones, utilizando metodologías estructuradas de analytics y de análisis de decisiones, y tecnología computacional para soportar grandes volúmenes de datos.