Visualización de Datos con Inteligencia Artificial

MODULO I. Gobernanza y protección de Datos

Duración: 7 horas

• Objetivo de aprendizaje: Desarrollar una comprensión esencial de la normativa sobre protección de datos y su aplicación en el contexto del gobierno de datos.

Contenido del módulo:

·       Definición y objetivos de la gobernanza de datos:

·       Qué es la gobernanza de datos.

·       Importancia de la gobernanza de datos en las organizaciones.

·       Normativas y Regulaciones:

·       Marco legal internacional y regulaciones locales.

·       Normativas de protección de datos y privacidad.

·       Implementación de Políticas:

·       Desarrollo de políticas y procedimientos para la gestión de datos.

·       Roles y responsabilidades en la gobernanza de datos.

·       Ética en el Uso y Gestión de Datos:

·       Consideraciones éticas en la recopilación, procesamiento y almacenamiento de datos.

·       Principios fundamentales de protección de datos personales.

·       Responsabilidad del analista de datos en la protección de la privacidad y los derechos de los individuos.

Metodología de enseñanza: Blended Learning y estudio de casos.

MODULO II. Data Storytelling

Duración: 6 horas

• Objetivo de aprendizaje: Examinar el contexto y conceptos fundamentales de todo el proceso relacionado a la visualización de datos dentro de una estructura narrativa.

Contenido del módulo:

·       Fundamentos del Storytelling de Datos:

·       Storytelling dentro del data Literacy.

·       Definición y elementos de la narrativa de datos.

·       Contexto y mensaje principal dentro del relato.

·       La estructura de una narrativa de datos.

·       Tres claves para comunicar de manera eficaz en una visualización.

·       Creatividad y estilo según el tipo de audiencia. 

·       Técnicas de Storytelling:

·       Incorporación de elementos narrativos en presentaciones de datos.

·       Herramientas y recursos digitales para la creación de visualizaciones.

·       Buenas prácticas a la hora de contar una historia con datos.

·       Ejemplos de Storytelling Efectivo:

·       De los datos a la Visualización de una historia: Casos de uso en diferentes industrias.

·       Uso de ChatGPT para análisis de datos express.

·       Proyecto de narrativa de datos a partir de un caso de estudio.

Metodología de enseñanza: Blended Learning, Ciclo de Kolb, aprendizaje colaborativo y estudio de casos.

Programas a utilizar:

MODULO III. Diseño Infográfico para la comunicación de datos 

Duración: 8 horas

• Objetivo de aprendizaje: Integrar las mejores prácticas en visualización infográfica de datos integrando principios del diseño de información.

Contenido del módulo:

·       Principios básicos del diseño de información aplicados a la visualización de datos:

·       La estructura infográfica.

·       La diversidad de gráficas informativas.

·       El lenguaje visual.

·       Planificación de un proyecto.

·       Flujo de trabajo para el diseño de información:

·       Datos y hojas de cálculo.

·       Elección del estilo.

·       Integración creativa de las métricas de información.

·       Composición de un dashboard con Adobe Illustrator.

·       Consideraciones de precisión y ajuste.

·       Posibles variaciones a un diseño empleando las herramientas de Adobe Illustrator.

·       Proceso de exportación.

·       Proyecto Infográfico a partir de un caso de estudio.

Metodología de enseñanza: Blended Learning, Ciclo de Kolb, aprendizaje colaborativo y estudio de casos.

Programas a utilizar:

MODULO IV. Gestión de datos con Herramientas IA.

Duración: 7 horas

Objetivo de aprendizaje: Aplicar técnicas y herramientas de visualización que integren la IA dentro del proceso de analítica de datos, de acuerdo a un determinado caso.

Contenido del módulo:

·       Funciones IA para la gestión inteligente de datos:

·       Obtención resumida de información estadística.

·       Consultas mediante lenguaje natural.

·       Categorización de información y transformación de datos.

·       Automatización de tareas:

·       Extracción automática de información.

·       Limpieza de datos.

·       Comprensión de comentarios.

·       Integración con otras Inteligencias Artificiales:

·       Función ASK_OPENAI y referenciación de celdas.

·       Integración con Notion.

·       Diferencias entre ROWS y AKKIO

·       Proyecto de analítica IA a partir de un caso de estudio.

Metodología de enseñanza: Blended Learning, Ciclo de Kolb y estudio de casos.

Programas a utilizar:

MODULO V. Visualización para la Analítica de Datos

Duración: 14 horas

• Objetivo de aprendizaje: Aplicar técnicas y herramientas de visualización que integren la IA dentro del proceso de analítica de datos, de acuerdo a un determinado caso.

Contenido del módulo:

·       Entorno y funcionamiento de la Analítica de Datos:

·       Adquisición de datos: fuentes de datos, métodos de recopilación y procesos de limpieza.

·       Exploración de datos: técnicas y herramientas para descubrir patrones y relaciones.

·       Métodos y técnicas de análisis de datos.

·       Análisis exploratorio de datos para comprender la estructura y relaciones.

·       Visualización de datos para la toma de decisiones:

·       Principios para la interpretación y comunicación de resultados.

·       Importancia de la preparación adecuada de datos antes de la visualización.

·       Técnicas para limpiar y transformar datos para su uso en visualizaciones.

·       Overview a Power BI y sus components Power Query y Power Pivot.

·       Introducción a la Integración de la IA en la visualización de datos con Copilot.

·       Casos de estudio y aplicaciones prácticas.

·       Estudio de casos reales que ilustran la aplicación de técnicas de análisis de datos en el big y small data.

·       Ejercicios prácticos que permiten a los participantes aplicar los conceptos aprendidos a situaciones del mundo real.

·       Proyecto de análisis de datos a partir de un caso de estudio.

Metodología de enseñanza: Blended Learning y estudio de casos.

Software: Power BI – Excel ya descritos previamente además de Python que es de código abierto y gratutito, para lo cual se requiere una cuenta en google.

* El cronograma puede tener cambios para garantizar la calidad del curso

Tarifa Pronto Pago: $580 ( hasta el 20 dic)

Tarifa Público General: $645
Tarifa Grupal (3 personas): $610 c/u
Tarifa Comunidad USFQ: $610

La cancelación del valor del programa se podrá realizar a través de las siguientes formas:

Parámetros para emitir el certificado de aprobación:

El participante al final del curso deberá completar su proyecto final de acuerdo a las características solicitadas y lo desarrollado en clase para obtener su diploma de aprobación y cumplir con un mínimo del 80% de la asistencia total del programa. En caso de aprobar el programa, la Universidad San Francisco de Quito otorgará un certificado de aprobación por el número de horas académicas realizadas. En caso de no aprobar, el participante no recibirá su certificado.