Diplomatura en Ciencia de Datos R y Python

🟢 Inscripción abierta
Se incluye el Curso Experto en Power BI
100% bonificado

Diplomatura en Ciencia de Datos R y Python

Aprende los algoritmos de aprendizaje supervisado y no supervisado, como Árboles de Decisión, Redes Neuronales y Bosques Aleatorios, y aplica técnicas avanzadas como Montecarlo, algoritmos genéticos, regresión y Big Data en áreas como Negocios, Salud, Finanzas, Marketing y Políticas Públicas.

Inscripción + Cuota 1

$304.948

+5 pagos mensuales de $214.733

También podés optar por:

Abono total tarjeta en 6 c/sint. de $183.530

Abono total transf.: $880.943 Ahorrás un 20%

Duración
8 meses
Dedicación
4 a 6 hs semanales
Clases en vivo
Semanales por Zoom
Dificultad
Principiante
Requisitos previos
Ninguno
Programa

Explorá todo el trayecto de aprendizaje

Descargar programa
Módulo 1: Nivelación (Optativa)
  • Unidad 1 Programación Lógica
  • Unidad 2 Bases de Datos Relacionales y no Relacionales
  • Unidad 3 Probabilidad y Estadística
Módulo 2: Introducción Conceptual
  • Unidad 1 Introducción a la Ciencia de Datos
  • Unidad 2 Niveles a los que Opera la Ciencia de Datos
  • Unidad 3 Introducción a Data Warehouse
  • Unidad 4 Introducción a Data Mining
  • Unidad 5 Introducción a Knowledge Discovery
  • Unidad 6 Introducción a Herramientas OLAP y Tableros de Comando
  • Unidad 7 Repaso de Herramientas Disponibles
  • Unidad 8 Taxonomía de las Competencias de un Científico de Datos
Módulo 3: Introducción a R
  • Unidad 1 Variables, Vectores y Matrices
  • Unidad 2 Dataframes
  • Unidad 3 Paquetes y Librerías
  • Unidad 4 Manejo de Archivos csv
  • Unidad 5 Conversiones de Tipos
  • Unidad 6 Conexión a Bases de Datos
  • Unidad 7 Ejecución Condicional
  • Unidad 8 Bucles
  • Unidad 9 Funciones en R
  • Unidad 10 Medidas Estadísticas
  • Unidad 11 Correlaciones
  • Unidad 12 Funciones Estadísticas
Módulo 4: Introducción a Python
  • Unidad 1 Descarga e Instalación
  • Unidad 2 Principales Librerías
  • Unidad 3 Variables y Tipos de Datos
  • Unidad 4 Listas, Tuplas y Diccionarios
  • Unidad 5 Ejecución Condicional
  • Unidad 6 Ciclos Definidos e Indefinidos
  • Unidad 7 Manejo de Excepciones
  • Unidad 8 Funciones y Generadores
  • Unidad 9 Clases y Objetos
  • Unidad 10 Manejo de Archivos y Directorios
  • Unidad 11 Conexión a Archivos Planos
  • Unidad 12 Conexión a Excel
  • Unidad 13 Conexión a Bases de Datos
Módulo 5: Tests Básicos
  • Unidad 1 Repaso de Conceptos de Probabilidad y Estadística
  • Unidad 2 Test de Hipótesis
  • Unidad 3 Correlaciones
  • Unidad 4 AB Test
  • Unidad 5 Cálculo de Correlaciones en R con Cor
  • Unidad 6 Funciones de Distribución en R
  • Unidad 7 Histogramas en R
  • Unidad 8 Gráficos de Líneas en R
  • Unidad 9 Gráficos de Áreas en R
  • Unidad 10 Uso de NumPy
  • Unidad 11 Uso de Pandas
  • Unidad 12 Uso de MatPlotLib
  • Unidad 13 Módulo MatPlotLib
  • Unidad 14 Módulo Math
  • Unidad 15 Módulo NumPy
  • Unidad 16 Módulo Yt
  • Unidad 17 Módulo Mayavi
Módulo 6: Regresiones
  • Unidad 1 Regresión Lineal
  • Unidad 2 Regresión Polinómica
  • Unidad 3 Regresión Exponencial y Logarítmica
  • Unidad 4 Regresión de Dos Variables
  • Unidad 5 Cálculo de Regresiones en R con Lm
  • Unidad 6 Cálculo de Regresiones Logísticas en R con Glm
  • Unidad 7 Regresiones en Python
  • Unidad 8 Regresión Logística en Python
Módulo 7: Árboles de Decisión
  • Unidad 1 Algoritmo Básico en Excel
  • Unidad 2 División en Entrenamiento y Prueba
  • Unidad 3 Uso de Rpart y Cp
  • Unidad 4 Predicción y Valoración de la Solución
  • Unidad 5 Uso de Party
  • Unidad 6 Aplicación al Problema del Call Center
  • Unidad 7 Instalación y Uso del Paquete en Python
  • Unidad 8 Ejemplo en Python
  • Unidad 9 Principales Parámetros de Ajuste y Control
Módulo 8: Clusters
  • Unidad 1 Algoritmo Básico en Excel
  • Unidad 2 Uso de Kmeans en R
  • Unidad 3 Ejemplo de Aplicación Real en R
  • Unidad 4 Otros Algoritmos de Agrupamiento en R
  • Unidad 5 Ejercicio de Aplicación de Agrupamiento de Mascotas
  • Unidad 6 Uso de Scikit-learn en Python
  • Unidad 7 Análisis de Componentes Principales en Python
  • Unidad 8 K-Medias en Python
  • Unidad 9 Clustering Jerárquico en Python
Módulo 9: Reglas de Asociación
  • Unidad 1 Algoritmo Básico en Access
  • Unidad 2 División en Entrenamiento y Prueba en R
  • Unidad 3 Uso de Arules en R
  • Unidad 4 Ejemplo de una Aplicación Real Votación de Reglas en R
  • Unidad 5 Ejemplo de una Aplicación Real a Datos de Ventas en Supermercados en R
  • Unidad 6 Instalación y Uso del Paquete en Python
  • Unidad 7 Ejemplo en Python
  • Unidad 8 Principales Parámetros de Ajuste y Control
  • Unidad 9 Esquema de Votación de Reglas en Python
Módulo 10: Redes Neuronales
  • Unidad 1 Algoritmo Básico en Excel
  • Unidad 2 División en Entrenamiento y Prueba en R
  • Unidad 3 Uso de Neuralnet
  • Unidad 4 Predicción y Valoración de la Solución en R
  • Unidad 5 Discusión del Problema de Legibilidad de los Resultados desde el Negocio
  • Unidad 6 Competencia entre Árboles y Redes en un Caso Concreto en R
  • Unidad 7 Instalación y Uso del Paquete en Python
  • Unidad 8 Ejemplo en Python
  • Unidad 9 Principales Parámetros de Ajuste y Control en Python
  • Unidad 10 Problema Concreto en Python
Módulo 11: Algoritmos Genéticos
  • Unidad 1 Algoritmo Básico en Excel
  • Unidad 2 Discusión del Tipo de Problemas en los que se Aplica
  • Unidad 3 Discusión de Otros Mecanismos de Optimización
  • Unidad 4 Implementación en R del Uso de Algoritmos Genéticos
  • Unidad 5 Valores Reales
  • Unidad 6 Binarios
  • Unidad 7 Permutaciones
  • Unidad 8 Implementación en Python
Módulo 12: Series Temporales
  • Unidad 1 Taxonomía
  • Unidad 2 Separación de Componentes
  • Unidad 3 Predicciones
  • Unidad 4 ARIMA Implementado en R
  • Unidad 5 Predicción en Series con un Único Período
  • Unidad 6 Predicción en Series con Múltiples Períodos
  • Unidad 7 Predicción en Series con Períodos Variables: Renormalización
  • Unidad 8 Implementación en Python
Módulo 13: Método de Simulación de Montecarlo
  • Unidad 1 Algoritmo Básico en Excel
  • Unidad 2 Discusión de la Utilidad del Método
  • Unidad 3 Comparación con el Análisis de Escenarios
  • Unidad 4 Ejemplo de una Aplicación Real
  • Unidad 5 Ejemplo Simple Implementado en R
  • Unidad 6 Ejemplo Simple Implementación en Python
Módulo 14: Minería de Textos
  • Unidad 1 Clasificación Supervisada de Piezas de Texto
  • Unidad 2 Construcción de una Red Semántica
  • Unidad 3 Discusión de las Posibilidades de Reconocimiento de Voz
  • Unidad 4 Ejemplos de Aplicación Real del Algoritmo de Clasificación
  • Unidad 5 Aplicación a la Detección de Sentimientos
  • Unidad 6 Ejemplo de Implementación en Python
Módulo 15: Vecinos Cercanos (Knn)
  • Unidad 1 Instalación y Uso del Paquete en R
  • Unidad 2 Ejemplo Conceptual en Excel
  • Unidad 3 Ejemplo en R
  • Unidad 4 Instalación y Uso del Paquete en Python
  • Unidad 5 Ejemplo en Python
  • Unidad 6 Principales Parámetros de Ajuste y Control
Módulo 16: Bayes Ingenuo
  • Unidad 1 Implementación en Excel
  • Unidad 2 Ejemplo de Aplicación en R
  • Unidad 3 Comparación de 4 Algoritmos Predictivos (Bayes Ingenuo, Árboles, Redes Neuronales y Regression Logística)
  • Unidad 4 Ejemplo de Aplicación en Python
Módulo 17: Random Forest
  • Unidad 1 Bootstrap y Bagging
  • Unidad 2 Descripción Conceptual del Método Random Forest
  • Unidad 3 Paquete Randomforest para R
  • Unidad 4 Ejemplo de Aplicación
  • Unidad 5 Comparación con Otras Técnicas
  • Unidad 6 Implementación en Python
Módulo 18: Métodos Bayesianos Avanzados
  • Unidad 1 Descripción Conceptual del Método
  • Unidad 2 Regresión Lineal Bayesiana
  • Unidad 3 Regresión Logística Bayesiana
  • Unidad 4 Inferencia Bayesiana
  • Unidad 5 Red Bayesiana
  • Unidad 6 Ejemplos de Aplicación en R
  • Unidad 7 Paquete BAS
  • Unidad 8 Paquete Brms
  • Unidad 9 Paquete Arm
  • Unidad 10 Paquete Bnlearnd
  • Unidad 11 Comparación con Otras Técnicas
  • Unidad 12 Ejemplos de Aplicación en Python
Módulo 19: Máquina de Soporte Vectorial
  • Unidad 1 Descripción Conceptual del Método
  • Unidad 2 Paquete e1071 para R
  • Unidad 3 Ejemplo de Aplicación en R
  • Unidad 4 Ejemplo de Aplicación en Python
  • Unidad 5 Comparación con Otras Técnicas
Módulo 20: Discriminante Lineal y Cuadrático
  • Unidad 1 Instalación y Uso del Paquete
  • Unidad 2 Ejemplo Conceptual en Excel
  • Unidad 3 Ejemplo en R
  • Unidad 4 Ejemplo en Python
  • Unidad 5 Principales Parámetros de Ajuste y Control en R
  • Unidad 6 Principales Parámetros de Ajuste y Control en Python
  • Unidad 7 Problema Concreto
Módulo 21: Análisis de Fourier
  • Unidad 1 Descripción Conceptual
  • Unidad 2 Ejemplo Conceptual en Excel
  • Unidad 3 Instalación y Uso del Paquete en R
  • Unidad 4 Instalación y Uso del Paquete en Python
  • Unidad 5 Ejemplo en R
  • Unidad 6 Ejemplo en Python
Módulo 22: Herramientas Geográficas
  • Unidad 1 Distancias
  • Unidad 2 Implementación en R
  • Unidad 3 Paquete Sf
  • Unidad 4 Paquete Nngeo
  • Unidad 5 Aplicación Práctica en R
  • Unidad 6 Implementación en Python
  • Unidad 7 Aplicación Práctica en Python
Módulo 23: Bases de Datos Documentales
  • Unidad 1 Instalación de MongoDB
  • Unidad 2 Conexión a R
  • Unidad 3 Conexión a Python
  • Unidad 4 Aplicación Práctica en R
  • Unidad 5 Aplicación Práctica en Python
Módulo 24: Diseño de Datawarehouses
  • Unidad 1 Diferencias entre los DW y los OLTP
  • Unidad 2 Tipos de Datos y Soportes
  • Unidad 3 Dimensiones y Jerarquías
  • Unidad 4 Estimación de Recursos y Tiempos según Tipos de Datos
  • Unidad 5 Ejemplos de Staging
  • Unidad 6 Interacción entre Equipos (Db-etl-soporte-frontend-usuarios)
  • Unidad 7 Ejercicios de Diseño de DW
Módulo 25: Diseño y Construcción de ETL
  • Unidad 1 Procesos ETL Generalidades, Buenas Prácticas, Esquemas de ETL
  • Unidad 2 Detalles de Cada Etapa: Extracción, Limpieza, Normalización, Transformación, Carga
  • Unidad 3 Estrategias de Update
  • Unidad 4 Ejercicios de Diseño de ETL para la Carga Inicial
  • Unidad 5 Ejercicios de Diseño de ETL para la Actualización
  • Unidad 6 Licencia, Descarga e Instalación de Open Refine
  • Unidad 7 Uso General Como Herramienta de Limpieza de Datos
  • Unidad 8 Preprocesado de los Datos
  • Unidad 9 Casos de Interés y Ejemplos
  • Unidad 10 Licencias, Descarga e Instalación de Pentaho-kettle
  • Unidad 11 Pentaho Kettle: Funciones, Características, Utilización
  • Unidad 12 Auditoría y Documentación
  • Unidad 13 Ejemplos de Uso
Módulo 26: Big Data
  • Unidad 1 ¿Qué es Big Data?
  • Unidad 2 ¿Cuándo Usar Big Data?
  • Unidad 3 ¿Cómo Armar una Infraestructura para Hadoop?
  • Unidad 4 Ejemplo de una Aplicación de Map Reduce: Wordcount
  • Unidad 5 Cómo Evitar Hadoop

Objetivos

Aprenderás los principales algoritmos de aprendizaje supervisado y no supervisado.

Entre los algoritmos supervisados verás:

  • Árboles de decisión,
  • Redes neuronales
  • Reglas de asociación
  • Bayes ingenuo
  • Bosques aleatorios.
  • Y no supervisado como agrupamiento.

Descubrirás además cómo usar series las temporales, el método de Montecarlo, los algoritmos genéticos, y las técnicas de regresión, minería de textos y Big Data.

Estas aplicaciones podrás utilizarlas en múltiples campos como:

  • Negocios
  • Salud
  • Recursos humanos
  • Cobranzas
  • Finanzas
  • Publicidad
  • Marketing
  • Procesos de servicios y de producción
  • Urbanismo
  • Políticas públicas, etc.

Que los alumnos:

  • Entiendan los conceptos del campo
  • Manejen los principales algoritmos para crear modelos predictivos
  • Utilicen las herramientas de aprendizaje no supervisado
  • Sepan medir con criterio del negocio los resultados de sus modelos
  • Participen de las experiencias aportadas por los instructores

Modalidad de cursado

Diplomatura en Ciencia de Datos Modalidad a distancia de forma Online.

  • Dos clases semanales por videoconferencias interactivas, una teórica y una práctica. La duración de cada clase es de 30 a 60 minutos dependiendo del tema, la cantidad de participantes y el nivel de intervenciones conseguido.
  • El estudiante tiene actividad complementaria con material de soporte de las clases, material teórico para estudiar, ejercicios resueltos y para resolver, corrección de ejercicios y autoevaluaciones.
  • La dedicación recomendada a estas actividades es de ocho horas semanales.
  • Soporte docente por Grupo de WhatsApp, email y foro.

Fechas y horarios

02 de Febrero 2026
  • Clases en vivo: Lunes 19:00 Horas
  • Lunes 21:30 Horas
  • Martes 18:45 Horas y Jueves 18:45 Horas
16 de Febrero 2026
  • Clases en vivo: Lunes 21:30 Horas
  • Martes 19:30 Horas
  • Miércoles 21:00 Horas y Jueves 19:30 Horas
02 de Marzo 2026
  • Clases en vivo: Lunes 19:00 Horas
  • Lunes 21:30 Horas
  • Martes 18:45 Horas y Jueves 18:45 Horas

Equipo Docente

Ignacio Urteaga

MBA en Dirección de Sistemas de Información. Físico, (Tesis en física nuclear) Investigador, Premiado en 2001 por sus trabajos en Ciencia de Datos. Más de 30 años de experiencia docente en Universidades y en la aplicación de Datos y BI como Director, Gerente o Consultor en el ámbito público y privado.

Anahí Romo

Licenciada en Ciencias Físicas de la Universidad de Buenos Aires. Maestría en gestión de la energía en la Universidad Nacional de Lanús. Maestría de energías renovables Universidad Nacional de Salta. Desarrolladora Python.

Julio Paredes

Ingeniero Industrial con Maestría en Administración de Empresas con enfoque en análisis de datos. Más de 15 años de experiencia laboral en diversos campos, incluida la inteligencia empresarial, la cadena de suministro y la docencia en TI y gestión.

Solicitar más información

Inscripción + Cuota 1

$304.948

+5 pagos mensuales de $214.733

También podés optar por:

Abono total tarjeta en 6 c/sint. de $183.530

Abono total transf.: $880.943 Ahorrás un 20%

Inscribite vía Whatsapp

Hablá con uno de nuestros agentes de atención online que te guiarán paso a paso para que puedas continuar con inscripción.

Puedes estudiar y obtener tu Certificación Universitaria UTN con nosotros en:

🇦🇷Argentina 🇲🇽México 🇨🇴Colombia 🇵🇪Perú 🇪🇨Ecuador 🇭🇳Honduras 🇧🇴Bolivia 🇬🇹Guatemala 🇨🇷Costa Rica 🇻🇪Venezuela 🇵🇾Paraguay 🇺🇾Uruguay 🇨🇺Cuba 🇵🇷Puerto Rico 🇸🇻El Salvador 🇩🇴República Dominicana 🇪🇸España 🇵🇦Panamá 🇺🇸Estados Unidos
Scroll al inicio