Skip to main content
Estudiar Ingeniería

Objetivos y descripción

Brindar una formación, con un enfoque teórico-práctico, a través de diferentes cursos relacionados con áreas vinculadas a tecnologías disruptivas. El egresado contará con una capacitación técnica en: Data Science, Data Analytics, Artificial Intelligence, Blockchain, Cloud Computing e Internet of Things, que le permitirá tener una visión general de las distintas áreas y adaptarse al dinamismo de la industria de TI así como poder actuar como agente de cambio en las empresas u organizaciones.

Destinatarios del Diploma en Tecnologías Disruptivas

Técnicos y profesionales interesados en temas relacionados a las diferentes Tecnologías Disruptivas vinculadas al ámbito de las Tecnologías de la Información

Perfil del Egresado

El egresado del Diploma en Tecnologías Disruptivas será un diplomado con conocimientos en distintas tecnologías emergentes. Al completar la formación, habrá incorporado las herramientas y habilidades necesarias para aplicar los conocimientos adquiridos en la transformación de su área de negocios.

Próximo inicio

3 Mayo de 2022.

Régimen

Martes y jueves de 19:00 a 20:45.

Duración

91 hrs.

Modalidad

  • Clases sincrónicas (docente en vivo).

Evaluación

  • Evaluación en línea vía cuestionario de opción múltiple: 40 preguntas.
  • Es necesario obtener el 70% para aprobar.

Metodología

Las diferentes asignaturas se dictarán sobre la base de la presentación de temas teóricos, casos de actualidad y actividades prácticas sobre las áreas más relevantes. Se utiliza una metodología, centrada en el estudiante, enfocada en el desarrollo de competencias.

Temario Diploma en Tecnologías Disruptivas

Data Science

  • Diferencia entre la Ciencia de Datos, la Inteligencia Artificial y el Aprendizaje Automático.
  • ¿Cómo se lleva a cabo la Ciencia de Datos y qué es un científico de datos?
  • Supervisión del proceso de Ciencia de Datos.
  • Herramientas para Ciencia de Datos.
  • Plataformas para proyectos de Ciencia de Datos.
  • Lo que un científico de datos necesita en una plataforma.

Data Analytics

  • Conceptos Básicos.
  • Relación entre Inteligencia de Negocios y Analítica de Datos.
  • Casos de éxito: Analítica para la toma de decisiones y competitividad.
  • Metodología para proyectos de analítica.
  • Preparación de datos estructurados.
  • Analítica de Procesos.
  • Conceptos e implementación de KPIs y elaboración de paneles de control de gestión.
  • Herramientas de visualización, análisis e interpretación de visualizaciones, georreferenciación.
  • Riesgos y consideraciones al realizar proyectos de Analítica de Datos.
  • Principios y métodos de anonimización.
  • Big Data y Analítica de los Datos.
  • Tecnologías para analizar grandes volúmenes de datos.

Artificial Intelligence

  • Introducción a la inteligencia artificial.
  • Herramientas y Tecnologías.
  • Introducción a Machine Learning y etapas del Machine Learning.
  • Métricas y validación de modelos.
  • Aprendizaje supervisado.
  • Aprendizaje no supervisado.
  • Aprendizaje por refuerzos.
  • Problemas con modelados.
  • MLOps.
  • Introducción a Deep Learning.
  • Conceptos generales para el aprendizaje con redes neuronales.
  • Clasificación de redes neuronales artificiales.
  • Ejemplos de aplicaciones de Deep Learning.

Blockchain

  • Introducción a Blockchain. Introducción a Bitcoin. Relación entre Bitcoin y Blockchain.
  • Otros criptoactivos. Otras blockchains.
  • Elementos de proyecto. Riesgos que deben gestionarse.
  • Aspectos regulatorios de criptoactivos. Aspectos legales de Blockchain.
  • Presentación general de los aspectos más técnicos asociados a la tecnología.
  • Actualidad y futuro inmediato.

Cloud Computing

  • Introducción y fundamentos de Cloud Computing.
  • IaaS, PaaS y SaaS.
  • Requerimientos de diseño.
  • Seguridad en la Nube.
  • Responsabilidades en la Nube.
  • Máquinas virtuales y contenedores.
  • Modelos de implementación y desarrollo.

Internet of Things

  • Definiciones, alcances y límites de la revolución, casos en el mundo.
  • Arquitecturas de IOT.
  • Análisis de plataformas en la nube para la implementación exitosa de arquitecturas de IOT.
  • Conexión de IOT con otras tecnologías.
  • Desafíos de la construcción de sistemas complejos con IOT.
  • IOT en Uruguay.

Contáctenos para información del Diploma en Tecnologías Disruptivas

    (pulse enviar y reciba confirmación tras unos segundos)

    Formulario de información protegido por la política de privacidad de Google y sus términos y servicios.