Diplomado en Ciencia de Datos/120 horas/Inicia 22 de junio de 2026
Datos, decisiones, inteligencia artificial.
Un programa para profesionales que quieren convertir datos en mejores decisiones — con criterio analítico, claridad estratégica y un uso honesto de la IA generativa.
Modalidad · Virtual
Cierre · 11 de junio de 2026
Inicio · 22 de junio de 2026
Tres ejes que se cruzan a lo largo del programa.
Cuatro módulos pensados para profesionales que necesitan convertir datos en decisiones, dentro de organizaciones públicas, privadas y del tercer sector. Sin tecnicismos vacíos.
Analítico-técnico
Python, manipulación de datos, estadística aplicada, modelado y aprendizaje automático.
IA contemporánea
Modelos de lenguaje, sistemas RAG, agentes de IA, ingeniería de prompts y asistentes de codificación.
Estratégico-organizacional
Entendimiento del negocio, gobernanza de datos y de IA, interpretación de resultados y uso responsable.
«El diplomado no forma operadores de herramientas, sino profesionales capaces de diseñar, ejecutar e interpretar flujos analíticos completos, apoyándose de manera crítica en las tecnologías que definen la práctica actual.»
¿Por qué ahora?
Tres hechos sostienen este programa en 2026.
La IA generativa ya es una capacidad esperada
Las organizaciones piden profesionales que integren modelos de lenguaje, sistemas RAG y agentes autónomos en flujos analíticos reales.
La gobernanza dejó de ser opcional
Marcos como el EU AI Act convierten la gestión de riesgos jurídicos y reputacionales de la IA en una competencia obligatoria.
El perfil técnico cambió
Hoy la diferencia la hace formular preguntas correctas y validar lo que producen los asistentes de codificación, no escribir cada línea.
Objetivo general
Formar profesionales capaces de ejecutar proyectos completos de ciencia de datos e IA, integrando estadística, aprendizaje automático e IA generativa con criterio estratégico y responsable.
Al terminar serás capaz de:
- 01Comprender el ciclo de vida de proyectos analíticos y traducir necesidades de negocio.
- 02Aplicar procesos de ingeniería de datos con Python y arquitecturas modernas.
- 03Realizar análisis exploratorios rigurosos y comunicar hallazgos con visualización.
- 04Construir, evaluar e interpretar modelos de aprendizaje automático.
- 05Utilizar modelos de lenguaje, sistemas RAG y agentes de IA con criterio.
- 06Incorporar gobernanza de datos e IA en la práctica profesional.
Pensado para quienes ya trabajan con preguntas, no solo con código.
A quién va dirigido
Profesionales, tecnólogos o estudiantes de últimos semestres de economía, administración, ingenierías, estadística o ciencias sociales cuantitativas. No requiere experiencia previa en programación, pero sí disposición al trabajo digital.
Lo que se llevará a casa
Capacidad para formular proyectos de datos, preparar información con Python y BI, aplicar aprendizaje automático, integrar asistentes de IA, comunicar resultados y gestionar riesgos éticos y legales.
Metodología
Aprender haciendo, sin tecnicismos vacíos.
01
Conceptos breves, talleres reales
La teoría se introduce solo cuando hace falta para abrir un taller. La mayor parte del tiempo trabajas sobre datos reales y casos del entorno.
02
La IA como compañera de trabajo
Los asistentes de IA se usan de forma explícita y metodológica — no como atajo, sino como una capacidad profesional que hay que aprender a dirigir.
Plan de estudios
Cuatro módulos, una formación integral.
120 horas que te llevan de los fundamentos a la implementación de sistemas con IA generativa. Y un proyecto integrador con un caso real, presentado al cierre del programa.
Marco conceptual, estratégico y ético del programa.
- ·Panorama 2026: ciencia de datos vs. analítica vs. IA generativa
- ·Ciclo de vida de proyectos analíticos (CRISP-DM y extensiones)
- ·Entendimiento del negocio y formulación de problemas
- ·Calidad de datos: activos, trazabilidad y fuentes
- ·Gobernanza de datos: roles y cumplimiento normativo
- ·Gobernanza de IA: EU AI Act, sesgos y riesgos
- ·Recolección: APIs, sensores y diseño asistido por IA
- ·Ingeniería de prompts como competencia transversal
- ·Tipos de análisis: descriptivo a prescriptivo
Cuerpo docente
Quienes te van a acompañar.
Un equipo con formación de maestría y experiencia profesional aplicada en ciencia de datos, analítica e inteligencia artificial.
Evaluación
¿Cómo se evalúa?
Talleres prácticos
distribuidos en los cuatro módulos
Proyecto integrador
con un caso real, presentado al cierre
Asistencia mínima
para aprobar y obtener el certificado
Hablemos
Da el siguiente paso contigo mismo.
MODALIDAD
Virtual
CIERRE
11 jun · 2026
INICIO
22 jun · 2026