Registrarse
Curso

ANALÍTICA CON IA APLICADA A NEGOCIOS

  • Desde: 11/9/26
  • Hasta: 19/2/27
  • Campus de Valencia
  • Idioma: Castellano
  • Online

Preinscripción desde el 10/7/26

Promovido por:
Centro de Investigación en Gestión e Ingeniería de Producción

Responsable de la actividad:
Juan José Alfaro Saiz

Inscripción

Modalidad

Presencial Online Emisión en directo

0 horas

0 horas

60 horas*
Horario

Online
Sesiones de viernes de 18:00-21:00 h (hora de Colombia). En España son + 7 horas (02:00-05:00 AM).
Septiembre: 11, 18 y 25
Octubre: 2, 16 y 30
Noviembre: 6, 13, 20, 27
Diciembre: 4, 11, 18
Enero: 8, 15, 22, 29
Febrero: 5, 12, 19


(*) En esta actividad se realizarán clases a distancia con emisión en directo

Lugar de impartición
Modalidad Online Síncrona a través de la plataforma Teams (Microsoft). Esta edición está pensada para alumnado de Latinoamérica, especialmente por el horario de impartición.
Certificación

Aprovechamiento

Modalidad

ONLINE

Curso

2026-2027

ECTS

6

Campus

Valencia

0 h

Presenciales

60 h

Online

Ver condiciones de la actividad
Precio Colectivo Plazos
500 € Alumno UPV  1 plazo
500 € Alumni UPV PLUS  1 plazo
500 € Personal UPV  1 plazo
650 € Público en general  1 plazo
650,00 € - Público en general
500,00 € - Alumno UPV
500,00 € - Alumni UPV PLUS
500,00 € - Personal UPV

Objetivos

a) Conocer las principales particularidades de las técnicas de minería de datos.
b) Comprender las aplicaciones de las diferentes técnicas de minería de datos.
c) Aplicar estrategias de preprocesamiento de datos.
d) Implementar instrucciones en lenguaje R para la diagramación, transformación y modelamiento de datos.
e) Reconocer los modelos de predicción y clasificación de aprendizaje supervisado y no supervisado.
f) Emplear diversos modelos de predicción y clasificación para el soporte de la toma de decisiones.
g) Emplear los diversos indicadores de error para comparar el rendimiento de los modelos de clasificación y predicción.
h) Utilizar el software R y el Entorno de Desarrollo Integrado Rstudio a nivel de usuario.
i) Conocer los marcos y contextos esenciales para gestionar el rendimiento en las empresas.
j) Analizar los elementos más importantes para conectar la analítica de datos con las decisiones de empresa.
k) Desarrollar un sistema de gestión del desempeño estructurado basado en los inputs de la analítica.
l) Analizar la información generada por una herramienta de ayuda a la toma de decisiones.
m) Generar escenarios de negocio para mejorar la visión de empresa a medio-largo plazo.

Acción formativa dirigida a

- Profesionales en el ámbito de los sistemas de información empresariales, ingeniería industrial, administración de empresas, ingeniería química, ingeniería electrónica, ingeniería metalmecánica y afines.
- Profesionales con responsabilidad en cualquier área o departamento de la empresa, sean estas de producción o servicios y que estén asociados a tareas directivas.
-Titulados que quieran ampliar sus conocimientos en el ámbito de las herramientas de Inteligencia Artificial y ocasionalmente alumnos a falta de proyecto fin de carrera o de último curso con interés en esta línea de trabajo.

Profesores

  • Juan José Alfaro Saiz Catedrático/a de Universidad
  • Raúl Rodríguez Rodríguez Catedrático/a de Universidad
  • Miguel Ángel Ortiz Barrios Profesional del sector

Metodología didáctica y sistemas de evaluación

Se describirán los conceptos teóricos de manera introductoria al tema, utilizándose continuos casos reales. El alumno desarrollará de manera práctica los conceptos teóricos previos mediante la utilización de R, Rstudio y la herramienta de ayuda a la toma de decisiones Provisionary Performance.

Temas a desarrollar

1) Definición y tendencia de la minería de datos.
2) Preprocesamiento de datos
3) Introducción al manejo de R y Rstudio.
4) Predicción mediante técnicas supervisadas: Regresión Lineal Simple, Regresión Lineal Múltiple
5) Errores en predicción
6) Clasificación mediante técnicas supervisadas y no supervisadas: Regresión logística, KNN, Decision Tree, Random Forest.
7) Medidas de desempeño de clasificadores.
8) Clustering.
9) Sistemas básicos de gestión del desempeño.
10) Conexión dato/información/conocimiento – estrategia de empresa.
11) Construcción de un sistema de gestión del desempeño estructurado.
12) Análisis de la información proveniente de un sistema de gestión del desempeño estructurado.
13) Generación de escenarios de negocio.

Inscripción

Visita otros cursos relacionados con...

ia aplicada minería datos predicción supervisada clustering gestión empresarial