El cambio personal y organizacional. Algunos modelos para implementar un cambio organizacional. La resistencia al cambio. La participación en el proceso de cambio estratégico. El pensamiento estratégico y la dirección estratégica. Presentación de un modelo de planificación estratégica validado internacionalmente. La matriz DAFO como un valioso instrumento de la planificación estratégica. Escenarios estratégicos. La visión. Análisis del sistema de valores que sustentará la estrategia. Elaboración de estrategias empresariales. Objetivos y criterios de medida. Nuevos negocios. Crecimiento. Consolidación. Revitalización.

Conceptos de Big Data. La plataforma Hadoop para soluciones distribuidas. Conceptos de bases de datos NoSQL y su relación a las arquitecturas distribuidas. Rol del profesional de big data en las organizaciones (tales como data scientist, data engineer, etc). Historia de la programación distribuida. Introducción al concepto de cluster para aplicaciones relacionadas
con problemáticas de big data. Implementación de distribución y replicación de datos. Ventajas y desventajas. Problemáticas y técnicas de escalabilidad en big data. Planificación a futuro. Problemáticas de regresión y su diferencia con clasificación. Problemáticas de clustering y algoritmos tales como k- means y variantes. Reducción dimensional, usos y aplicaciones. Nociones generales de Java, Scala y Python para ambientes distribuidos. Primitivas fundamentales de Spark y Map reduce. Procesamiento real time vs procesamiento batch en herramientas distribuidas.

Definición de Business Intelligence. La problemática actual del acceso a la información. La evolución de los sistemas de información. Necesidad de los sistemas de Business Intelligence. Condiciones para adoptar un sistema de Business Intelligence. Requerimientos básicos de un sistema de Business Intelligence. Costos y beneficios de implementar un sistema de Business
Intelligence. Definición de un datawarehouse. Características de los datos contenidos en un datawarehouse. Datamarts. El catálogo de un datawarehouse. Alineamiento de la tecnología con los objetivos de negocio. Criterios tecnológicos. Sistemas de soporte a la decisión. Herramientas de consulta e informes. Herramientas de análisis multidimensional. Descubrimiento de información y minería de datos. De los datos a las decisiones. Verificación de hipótesis frente a descubrimiento de información. El proceso genérico de minería de datos. Operaciones de minería de datos. Técnicas de minería de datos. Actores que intervienen en un proyecto datamining. Metodologías de desarrollo para los proyectos de datamining. Aplicaciones de minería de datos. La problemática del acceso de la información en internet. Mecanismos de búsqueda en internet. Posibles soluciones. ¿Qué atrae a las empresas hacia la minería de textos? Escenarios de trabajo y principales operaciones de minería de textos. Herramientas de análisis de textos. Motores de búsqueda avanzados. Recopilaciones de información en internet

Conocer qué es el Data Management y el Big Data, su impacto en las organizaciones y los beneficios que puede aportar su adopción. Identificar las oportunidades de la Gestión Estratégica de la Información. Familiarizarse con las arquitecturas hardware y software disponibles en el mercado. Gestionar correctamente las implicaciones legales del uso de los datos (privacidad, seguridad y protección de datos). Entender cómo se lleva a cabo un proyecto de Big Data. Conocer técnicas sofisticadas del tratamiento de datos. Análisis en tiempo real, MPP (Massively Parallel Processing). Modelos predictivos, analíticas en Web, Redes Sociales, Social CRM. Definiciones sobre la aplicación de la gestión tecnológica vs gestión empresarial. La tecnología al servicio de la estrategia empresarial. Plataformas de palicación: Cobit, Information Technology lnfrastructure Library (ITIL) y la estrategia TI. Conceptos sobre la innovación tecnológica. La contratación electrónica, la protección de datos. La responsabilidad de los prestadores de servicios. Regulaciones internacionales respecto a la gestión de información y jurisdicciones y actividad internacional.

Conceptos de convergencia tecnológica. Las diferentes Plataformas Tecnológicas, y sus aplicaciones en entornos empresariales, educativos y gubernamentales. Sistemas de interconexión de redes de área extendida (WAN). Métodos de vinculación entre las diferentes redes. Los centros de datos empresariales. Las Nubes Privadas, Públicas y Mixtas y sus diferentes aplicaciones. Plataformas tecnológicas basadas en SOA, BDAF. Conceptos sobre PaaS, laaS, SaaS. Los sistemas de almacenamiento y capacidad de proceso de datos. Funciones de memoria amplia, asequibles, tecnologías específicamente diseñadas para grandes volúmenes de datos. Procesamiento paralelo. Clustering, MPP. Virtualización. Cloud computing y otros sistemas de asignación de recursos flexibles. Diseño de soluciones tecnológicas para diferentes entornos empresariales. Comparación de soluciones de plataformas In Site y en el Cloud. Ventajas y desventajas de ambas soluciones. La conectividad como medio critico. Utilización de Centros de Datos de diferentes proveedores. Redes de convergencias de datos. Redes de Storage. Design Thinking, Lean Startup, Agile y Extreme Programming.

El sistema financiero y monetario internacional tradicional. Descentralización universal. El Concepto de Blockchain. Características de los distintos tipos de blockchains. Validación de operaciones y protocolos de consenso. Analizar la lógica, la mecánica y operatoria de los distintos tipos de blockchains. Introducción de terminología y conceptos básicos en las criptomonedas. Los Bitcoin. Génesis, terminología y análisis de la primer gran criptomoneda. Análisis fundamental y técnico sobre criptomonedas. Análisis de las criptomonedas y tokens más populares en el mercado. Análisis de las distintas opciones para adquirir criptomonedas. Billeteras de criptomonedas: análisis de las distintas opciones. Los exchanges de criptomonedas: Análisis de las distintas opciones. Conceptos fundamentales. Los contratos inteligentes y su rol como agentes disruptivos. Fundamentos del trading de criptomonedas. ICO (Initial Coin Offering): Análisis de proyectos de inversión. Tokens y Wallets específicas para
minado POS. Masternodes. Disrupción criptográfica: el rol de la blockchain y los contratos inteligentes en la industria de las finanzas, seguros, viajes, alquileres, publicidad digital, internet of things (I0T), monetización y distribución de contenidos digitales. Reflexiones sobre el futuro de la criptoeconomía, el marco regulatorio y los Estados.

Concepto y definiciones. Objetivo para el aprendizaje. Los tipos de aprendizaje de maquinas. Limitaciones del aprendizaje de las máquinas. Aprendizaje a gran escala. Máquinas de Turing Neural. Análisis del lenguaje: vectores de palabras / frases, análisis sintáctico, análisis de sentimientos. Aprendizaje basado en gradientes. Asignaciones no lineales. Optimización no lineal, gradiente estocástico. Avances recientes. Definiciones y conceptos. De las neuronas biológicas a las artificiales. Definición de una neurona artificial. Topología de los diferentes tipos de redes neuronales. Funciones de activación. El número de capas. La dirección del viaje
de información. El número de nodos en cada capa. Redes Neuronales Backpropagation. Entrenamiento de redes neuronales con Backpropagation. Las redes neuronales de Kohonen. Redes Neuronales Convolucionales (CNNs). Campo de aplicación de Deep Learning. Los tipos de Aprendizaje profundo. Autocodificadores profundos. Redes Neuronales Profundas Pre- entrenadas. Redes apiladoras profundas. Aplicaciones en el mundo empresarial. Plataformas de desarrollo.

Conceptos de Data Government. Cómo se pueden usar los datos gubernamentales para mejorar la formulación de políticas públicas. Qué tecnologías están disponibles para hacer que los gobiernos sean más eficientes y para usar datos de gobierno en la gestión. Los valores públicos, incluida la transparencia y la privacidad, en un contexto gubernamental. Plataformas tecnológicas en donde desarrollar el Data Government. Conceptos básicos relacionados con Gobierno Abierto y Datos de Gobierno Abierto. Análisis de los beneficios, las barreras y los posibles efectos negativos de un caso particular de gobierno abierto. Cómo aplicar los
principios de gobierno abierto en diversas situaciones. Cómo analizar los valores públicos y las mejores prácticas relacionadas con el gobierno abierto. Estrategias y desafíos para la apertura de gobiernos. Cómo entender los potenciales efectos negativos y positivos que Open Government puede traer al lugar de trabajo. Cómo las TIC cambian los gobiernos y cómo las TIC se pueden
utilizar en las administraciones públicas. Gobernanza basada en datos y la investigación basada en los datos. Aplicaciones en los diferentes entornos de desarrollo.

Las Plataformas de Java, Scala y Python para ambientes distribuidos y aplicaciones
empresariales. Primitivas fundamentales de Spark y Map reduce. La aplicación Jupyter como
enlace para desarrollar los modelos y técnicas con PySpark. Los diferentes tipos de
procesamiento en diferentes entornos de implantación. La regresión y regresión logística. Las
etapas de calibración del modelo. Etapas de validación y simplificación. Técnica de Árboles de
Regresión y Clasificación. Técnicas de bosques aleatorios. La aplicación de Redes Neuronales
para clasificación y los usos de Machine Laerning, para el análisis de componentes principales y
la clasificación automática a través del análisis de clústers. Introducción a Probabilidades y sus
Distribuciones para la Toma de Decisiones. Conceptos básicos y las Aplicaciones prácticas de
las Probabilidades. Las Reglas y Condiciones para aplicar Probabilidades, la Regla de Bayes.
Distribuciones de Variables Aleatorias y Discretas como Continúas. Distribución Normal,
Binomial y Poisson y sus aplicaciones prácticas. Los diferentes tipos de Muestreo estadístico.
Las Distribuciones en el Muestreo. Los Intervalos de Confianza. Estadística Inferencial
Inductiva. Modelo de Regresión Lineal Simple, las inferencias y análisis de varianza sobre los 3
parámetros poblacionales del modelo y los Coeficientes de Correlación y determinación.
Recolección de información: del dato a la información para la toma de decisiones.
Presentación de la información. Análisis inteligente de datos. Las Herramientas de BI y sus
aplicaciones en desarrollos empresariales. Selección de herramientas. Data visualización.
Técnicas y formas de presentación de los datos. Cuadros de mandos interactivos. El dashboard
inteligente.

Introducción a los proyectos. ¿Qué es un proyecto? Proyectos IT vs otro tipo de proyectos. Qué es la Gestión de Proyectos. Tipos de gestión en los proyectos. Gestión vertical. Gestión horizontal. Roles en la gestión de proyectos. El gestor de proyectos. Habilidades del gestor de proyectos. Trabajo en equipo y relaciones interpersonales. Integración. Habilidades técnicas. Conocimiento de la empresa. Otros roles en el proyecto. Objetivos de la planificación. Cuándo planificar. Actividades en los proyectos. Cronograma-Diagrama de Gantt. Diagramas de precedencia, Relaciones lógicas. El camino crítico. Introducción a los riesgos. Qué es el riesgo y la gestión de riesgos. Fases en la gestión del riesgo. Estableciendo el contexto. Identificando los riesgos. Análisis del riesgo. Tratamiento del riesgo. Monitorización y gestión de los riesgos. Identificación de los riesgos. Datos históricos. Lluvia de ideas. Entrevistas. Checklist. DAFO. Clasificación de los riesgos. Riesgos del mercado. Riesgos financieros. Riesgos tecnológicos. Riesgos humanos. Riesgos del proyecto. Evaluando riesgos. Matriz de probabilidad de los riesgos. Tabla de riesgos del proyecto. Árboles de decisión. Registro de los riesgos. Plan de gestión y reducción de los riesgos. Monitorización y control de los riesgos. Penetración en el mercado. Incertidumbre en la estimación. Viabilidad empresarial. Cambios en los requerimientos. Técnicas de estimación. Aproximación por procedimientos o puntos de función. Cálculo del esfuerzo humano. Entregables del proyecto. Preparando el plan de aseguramiento de la calidad. El costo de la calidad. Aspectos positivos de la calidad. Aspectos negativos de la calidad. Cerrando el proyecto. Aspectos a tener en cuenta en la revisión del proyecto. Informe final.

Desarrollo de técnicas y soportes metodológicos para la elaboración de trabajo final integrador. El objetivo es presentar un documento completo que muestre el desarrollo total de un caso. Éste puede ser tanto teórico como aplicado, pero siempre respetando las doctrinas, teorías y disciplinas relacionadas. El caso enfrenta al alumno a la comprensión efectiva del conocimiento y le obliga a resolver un problema del mundo real o simulado. Se sugiere que se comience al final de la última asignatura, ya que en ese momento el alumno contará con los recursos necesarios para desarrollarlo de una manera rápida y metódica. Así,
entendiendo la Big Data y Análisis de Datos Estratégicos como una serie de procedimientos y tecnologías orientados al desarrollo de los negocios en Internet, se espera que a través del estudio de estos casos se analice cómo las empresas y organizaciones incorporen el uso de las nuevas tecnologías e Internet a sus procesos de negocio, englobando cualquier actividad
tradicional susceptible de ser desarrollada con indudables mejoras de eficiencia y coste. Entre posibles casos, y a modo de ilustración, se puede trabajar en temas tales como: Implantación de un proyecto de Big Data y Data Mining para toma de Decisiones estratégicas. Creación de un plan de negocios para la inserción de nuevos productos en mercados en nuevos utilizando Big Data y Business Inteligente. Análisis de patrones y tendencias de mercado empresarial utilizando Big Data. Estudio de la utilización de Big Data y Data Mining en el ámbito de la Administración Pública para optimizar los procesos administrativos. La investigación científica en diferentes contextos. El trabajo final de postgrado como parte de la política académica e investigativa de la Universidad. Alcance y objetivos de la investigación. Paráfrasis y plagio. Indicaciones para la redacción de trabajos finales de postgrado. Consideraciones para su definición. La construcción del objeto de estudio. Elaboración del marco teórico. Consideraciones para redactar un marco teórico. La relación entre marco teórico, problema y objetivos de la investigación. Paradigmas epistemológicos y perspectivas de investigación. Características y fundamentos epistemológicos. Vinculación con las estrategias metodológicas. Las perspectivas cuantitativa y cualitativa en la investigación. Planteamiento y delimitación del tema. Formulación del problema y búsqueda de antecedentes La decisión teórico- metodológica sobre las técnicas y vínculos entre la medición, la observación y los datos. Criterios para seleccionar las técnicas de recolección de datos. Los momentos de construcción de la técnica y los campos de aplicación. El tratamiento de los datos: análisis e interpretación.