Diplomado en Data Science para Organizaciones de la Salud

Módulo 1: Aproximación al Aprendizaje con Tecnologías

• El módulo está orientado a fortalecer las competencias para la navegación en la plataforma de nuestra casa de estudios, utilizando herramientas didáctico-pedagógicas para realizar actividades mediadas por tecnologías en función del logro de resultados de aprendizaje en los cursos.

Módulo 2: Limitaciones al Uso de los Datos: legislación y ética

• Limitaciones al uso de los datos: legislación y ética es una asignatura teórica-práctica que es parte del Diplomado en Data Science para Organizaciones de Salud. Esta instancia formativa aborda el gobierno de los datos y las consideraciones éticas que se deben tener presente sobre el uso de estos, vinculándose a las competencias de su Perfil de Egreso por medio de la comprensión y aplicación de los aspectos legales para el tratamiento de la información para la toma de decisiones.
  El propósito de esta asignatura es que los estudiantes se enfrenten a casos en los cuales deban crear soluciones a problemáticas relacionadas con el uso de datos, teniendo presente la legislación y los principios éticos que están definidos para esta actividad.

Módulo 3: Analítica Descriptiva

• Analítica Descriptiva es una asignatura teórica-práctica que es parte del Diplomado en Data Science para Organizaciones de la Salud. Esta instancia formativa aborda las herramientas utilizadas en la ciencia de datos, la manipulación de datos con Pandas, el análisis estadístico y su visualización por medio de diferentes gráficas, vinculándose a las competencias de su Perfil de Egreso por medio del análisis de datos utilizando modelos descriptivos. El propósito de esta asignatura es que los estudiantes analicen datos de manera descriptiva para lograr adecuadas visualizaciones de la información.

Módulo 4: Analítica Predictiva

• Analítica Predictiva es una asignatura teórica-práctica que es parte del Diplomado en Data Science para Organizaciones de la Salud. Esta instancia formativa aborda los conceptos, retos y modelos del Machine Learning, vinculándose a las competencias de su Perfil de Egreso por medio de l aplicación de modelos para realizar un análisis predictivo de los datos y obtener así facilitar la toma de decisión.
  El propósito de esta asignatura es que los estudiantes comprender los retos que tiene un análisis predictivo de datos y ser capaz de aplicar los diferentes modelos de machine learning para presentar información relevante para la toma de decisiones.

Módulo 5: Analítica de Aplicación en Salud

• El enfoque del curso se centra en la aplicación práctica de conceptos y técnicas de ciencia de datos y analítica en organizaciones de salud. A lo largo del curso, los estudiantes participarán en ejercicios y proyectos que les permitirán aplicar lo aprendido en casos reales y desarrollar habilidades prácticas en el campo de la analítica en el área de organizaciones de la salud.
  Esto se logrará al abordar la introducción a la ciencia y analítica de datos, la segmentación de usuarios con técnicas de clustering, la reducción de dimensionalidad y detección de anomalías y los sistemas de recomendación en el contexto de organizaciones de la salud.
  Al finalizar el curso, los estudiantes serán capaces de comprender y aplicar técnicas de analítica de datos en contextos de organizaciones de salud, utilizando herramientas y enfoques de ciencia de datos para informar decisiones y desarrollar estrategias efectivas. Esto les permitirá agregar valor a las organizaciones y contribuir a su éxito a través del uso de la ciencia de datos en la práctica.