Programa de Posgrado en Ciencia de Datos y Análisis de negocios

Estudia en una escuela líder a nivel global y adquiere las habilidades de Ciencia de Datos que te harán destacar en tu trabajo

Descargar el folleto
Regístrate

Si tienes preguntas, contáctanos al +52 800 283 2898

video-banner

Nuestro programa líder en Ciencia de Datos se imparte en colaboración con

Qué es lo que diferencia al programa PGP-DSBA

Plan de estudios integral
  • Diseñado para desarrollar las habilidades más importantes dentro de la industria.
  • Fundamentos de Python, aprendizaje automático (Machine Learning), visualización de datos, técnicas ensemble y más.
Más información
Aprendizaje interactivo con asesores
  • Aprendizaje colaborativo en grupos de hasta 15 estudiantes, con asesorías personalizadas.
  • Más de 8 proyectos dirigidos por expertos del sector.
Más información
Apoyo en tu carrera profesional
  • Orientación profesional personalizada y preparación para entrevistas.
  • Revisión de tu currículum y de tu perfil de LinkedIn bajo la supervisión de expertos.
Más información
Working Professional
Diseñado para desarrollar habilidades valoradas por la industria
Career Support
Aprendizaje interactivo con mentores en grupos de hasta 15 alumnos
Salary Hike
8+ proyectos bajo la guía de expertos de la industria
Industry Project
Preparación personalizada para entrevistas y entrenamiento profesional 1: 1
Aprende más

Programa de formación en ciencia de datos para profesionales

Aprendizaje en línea con asesoría sincrónica / en vivo | Apoyo profesional

Certificado de la Universidad de Texas en Austin

Top #3

en Análisis de Negocios

según el Ranking de QS Business Analytics 2023

Texas
zoom icon Data Science and Business Analytics certificate by university of Texas at Austin

Todas las imágenes de los certificados son de carácter ilustrativo. El certificado real puede estar sujeto a cambios según el criterio de la Universidad.

mentor image

Kumar Muthuraman

Faculty Director, PGP-DSBA

H. Timothy (Tim) Harkins Centennial Professor, Faculty Director of Center for Research and Analytics

university logo

Ph.D. at Stanford University

Para cualquier comentario o consulta sobre el programa, contáctanos en MSB-DSBA@mccombs.utexas.edu

Plan de estudios

Nuestro plan de estudios ha sido cuidadosamente diseñado para proporcionarte la amplitud y la profundidad que necesitas para liderar los proyectos de Ciencia de Datos y Análisis de Negocios de cualquier organización. El curso, el cual comprende las herramientas y técnicas más utilizadas y una variedad de ejemplos dentro de la industria, te brindará bases sólidas y las habilidades necesarias para empezar a trabajar. El ritmo está diseñado para adaptarse a las necesidades y horarios de los profesionales activos.

Descarga el plan de estudios Download
Fundamentos

El módulo “Fundamentos” te proporcionará las bases de la Estadística, Python y los conocimientos empresariales específicos sobre las cuales se construye el resto del curso. Los conceptos que aprendas en este módulo, permanecerán contigo a lo largo de tu carrera: esta será tu introducción al mundo de la Ciencia de Datos y terminarás empleando los conceptos de la disciplina.

Módulo 0: Introducción

    En este módulo aprenderás temas fundamentales, como conceptos de Programación y Phyton que te serán de utilidad al momento de iniciar el curso de Ciencia de Datos y Análisis de Negocios.

    • Principios Básicos de Programación
      En este módulo te brindaremos una introducción a los conceptos básicos de programación. La programación se refiere a un conjunto de instrucciones dadas a una computadora para ejecutar tareas específicas.
    • Introducción a Python
      En este módulo te brindaremos una introducción a los conceptos básicos de programación de Python y sus aspectos fundamentales, como la sintaxis.​​​​​​​
Módulo 1: Principios Básicos de Python
Quiz Icon 4 cuestionarios
Project Icon 1 proyecto
Case study 8 estudios monográficos
    Quiz Icon 4 cuestionarios
    Project Icon 1 proyecto
    Case study 8 estudios monográficos

    Desarrolla las habilidades básicas para el análisis de datos con Python, tales como importar, leer, manipular y visualizar datos. Python es un lenguaje fundamental, pues se emplea en todos los dominios.

    • Introducción a la Programación con Python

    Python es un lenguaje de programación interpretativo de alto nivel, ampliamente utilizado por muchas empresas en todo el mundo. Tiene una sintaxis sencilla y fácil de aprender que resalta la legibilidad del código. En este módulo, trabajarás con la sintaxis de Python y ejecutarás tu primer código utilizando los fundamentos básicos de Python.

    • NumPy, Pandas

    NumPy es un paquete de Python diseñado para la programación científica. Con este programa puedes trabajar con matrices, objetos multidimensionales en matrices, objetos derivados (como los masked arrays y matrices), etc. Pandas es una biblioteca de código abierto rápida, potente, flexible y fácil de usar pensada para analizar y manipular datos. Este módulo te acercará a la exploración de conjuntos de datos utilizando Pandas y NumPy.

    • Análisis Exploratorio de Datos

    El Análisis Exploratorio de Datos, o EDA por sus siglas en inglés, es esencialmente un tipo de narración para los estadistas. Nos permite descubrir patrones y conocimientos, a menudo con métodos visuales, dentro de los datos. Este módulo te proporcionará una visión detallada de EDA en Python y de las herramientas de visualización.

    • Matplotlib, Seaborn

    Matplotlib es una biblioteca pensada para crear visualizaciones estáticas e interactivas, mientras que Seaborn es una biblioteca de visualización de datos en Python basada en Matplotlib. Este módulo te proporcionará un estudio exhaustivo sobre la exploración de conjuntos de datos utilizando Matplotlib y Seaborn.

Módulo 2: Estadísticas Empresariales
Quiz Icon 2 cuestionarios
Project Icon 1 proyecto
Case study 4 estudios monográficos
    Quiz Icon 2 cuestionarios
    Project Icon 1 proyecto
    Case study 4 estudios monográficos

    Ahora que dominas el lenguaje especializado, también queremos presentarte la Estadística Empresarial y las funciones matemáticas. Te ayudaremos a comprender el papel de la estadística en la toma de decisiones dentro de las organizaciones, a conocer sus herramientas más utilizadas y a resolver problemas empresariales mediante el análisis, la interpretación de datos y los experimentos.

    • Probabilidad y Distribuciones de Probabilidad
      La probabilidad es una herramienta matemática que permite estudiar la aleatoriedad, entendida como la probabilidad de que se produzca un evento durante un experimento aleatorio. Se le denomina Distribución de Probabilidad a una función estadística en la que una variable aleatoria toma todos los valores probables y los reporta dentro de un rango específico. Este módulo te enseñará lo que son la Probabilidad y las Distribuciones de Probabilidad. También conocerás varios tipos de Distribuciones de Probabilidad como la Binomial, la de Poisson y la Normal.
    • Distribución Muestral y Teorema del Límite Central
      La distribución muestral se refiere a los datos estadísticos obtenidos a partir de numerosas muestras extraídas de una población específica. El Teorema Central del Límite (CLT, por sus siglas en inglés) se utiliza para estimar una distribución normal.
    • Contraste de Hipótesis y Errores Asociados
      El Contraste de Hipótesis supone un procedimiento de Aprendizaje Estadístico necesario para realizar experimentos basados en los datos observados/encuestados. Este módulo te proporcionará una comprensión más profunda sobre las Pruebas de Hipótesis y los Errores Asociados.
    • ANOVA y la Prueba Chi al cuadrado
      La Prueba Chi al cuadrado es un método de Contraste de Hipótesis utilizado en la estadística en el cual se puede medir cómo se compara un modelo con los datos reales observados/encuestados. El análisis de la varianza, también conocido como ANOVA por sus siglas en inglés, es una técnica estadística utilizada en la inteligencia artificial y en el Aprendizaje Automático. Se pueden dividir los datos de la varianza observada en varios componentes para su análisis y pruebas posteriores utilizando ANOVA. Este módulo te enseñará a identificar las diferencias significativas entre las medias de dos o más grupos.​​​​​​​
Módulo de Autoaprendizaje: Visualización de Datos con Tableau
Quiz Icon 3 cuestionarios
Project Icon 1 proyecto
    Quiz Icon 3 cuestionarios
    Project Icon 1 proyecto

    Este módulo se centra en Tableau y te ayudará a dominar la visualización de datos. Conoce los principios básicos para transmitir eficazmente la información a los usuarios de la empresa a través de infografías. Aprende a reconocer las características visuales de los datos, a elegir los mecanismos de visualización apropiados y a transformar los datos en información procesable a través de la Visualización de Datos con Tableau.

    • Principios Básicos de Diseño con Tableau
      Tableau es una herramienta de visualización de datos que se utiliza ampliamente para resolver problemas. En este módulo, aprenderás sobre Tableau y sus principios básicos de diseño.
    • Creación de Visualizaciones con Tableau
      Este módulo te guiará en la creación de visualizaciones utilizando Tableau en varias fuentes de datos de los dominios.
    • Visualizaciones Narrativas
      En este módulo, aprenderás a crear visualizaciones que cuenten historias llamativas utilizando formas creativas. Esta sesión es un tutorial muy interesante sobre el arte de la narrativa a través de los datos.
Técnicas

El módulo “Técnicas” te permitirá adquirir una base sólida sobre las técnicas más utilizadas dentro de la analítica empresarial y de la ciencia de datos para que puedas abordar cualquier problema empresarial con facilidad. Al llegar a esta etapa, ya tendrás una visión general sobre lo que viene y empezarás a dominar.

Módulo 3: Aprendizaje Supervisado – Principios Fundamentales
Quiz Icon 2 cuestionarios
Project Icon 1 proyecto
Case study 4 estudios monográficos
    Quiz Icon 2 cuestionarios
    Project Icon 1 proyecto
    Case study 4 estudios monográficos

    Explora los fundamentos del Aprendizaje Supervisado, sus conceptos clave y sus tipos. También aprenderás a pre-procesar los datos para prepararlos para el modelado.

    • Preparación de los Datos para el Modelado
      El modelado es una técnica para entrenar a tu modelo de Aprendizaje Supervisado para la predicción de etiquetas a partir de las características, afinándolo para fines comerciales y validándolo en datos retenidos (holdout data).
    • Regresión Lineal - Regresión Lineal Simple, Regresión Lineal Múltiple, Bondad de Ajuste, Medidas de Ajuste
      La Regresión Lineal es uno de los algoritmos de Aprendizaje Supervisado más populares dentro del análisis predictivo, ya que produce los mejores resultados. Con esta técnica se puede asumir una relación lineal entre la variable independiente y la dependiente. En este módulo, conocerás todos los conceptos de la Regresión Lineal, como la Regresión Lineal Múltiple, la Bondad del Ajuste y las Medidas de Ajuste de la Regresión.​​​​​​​
Módulo 4: Aprendizaje Supervisado – Clasificación
Quiz Icon 2 cuestionarios
Project Icon 1 proyecto
Case study 4 estudios monográficos
    Quiz Icon 2 cuestionarios
    Project Icon 1 proyecto
    Case study 4 estudios monográficos

    Conoce los marcos conceptuales para la construcción de modelos de clasificación con el fin de realizar predicciones precisas dentro de contextos empresariales a través de enfoques populares de Aprendizaje Automático como lo son la Regresión Logística y los Árboles de Decisión.

    • Regresión Logística
      La Regresión Logística es también uno de los algoritmos más populares del Aprendizaje Supervisado, como la Regresión Lineal. Es un algoritmo de clasificación simple donde se pueden predecir las variables dependientes categóricas con la ayuda de las variables independientes. En este módulo se abarcarán todos los conceptos de la Regresión Logística.
    • Árboles de Decisión
      Un Árbol de Decisión es un algoritmo de Aprendizaje Supervisado que se utiliza tanto para problemas de clasificación como de regresión. Es una estructura jerárquica en la que los nodos internos indican las características del conjunto de datos, las ramas representan las reglas de decisión y cada nodo hoja indica el resultado. En este módulo se tratarán todos los conceptos de los Árboles de Decisión.
    • Evaluación de Modelos de Clasificación, ROC y AUC
      La curva ROC (Receiver Operating Characteristic) es un gráfico que muestra el rendimiento de un modelo de clasificación en todos los umbrales de clasificación. La curva AUC (Area Under the Curve) se utiliza para medir toda el área bidimensional bajo la curva ROC. Este módulo te enseñará a evaluar las curvas ROC y AUC.​​​​​​​
Módulo 5: Técnicas Ensemble
Quiz Icon 2 cuestionarios
Project Icon 1 proyecto
Case study 4 estudios monográficos
    Quiz Icon 2 cuestionarios
    Project Icon 1 proyecto
    Case study 4 estudios monográficos

    Ahora podemos subir de nivel con la introducción de las Técnicas Ensemble. Los Métodos Ensemble ayudan a mejorar el rendimiento predictivo de los modelos de Aprendizaje Automático. En el siguiente módulo del curso, aprenderás sobre los Métodos Ensemble como el ‘Random Forest’ (Bosque aleatorio) el cual combina varias técnicas de Aprendizaje Automático en un modelo predictivo para disminuir la varianza, el sesgo, o mejorar las predicciones.

    • Métodos Ensemble – Bagging, Boosting y Stacking
      En este módulo, podrás estudiar varios Métodos Ensemble cruciales como lo son Bagging, Boosting y Stacking. Aquí podrás mejorar la estabilidad y precisión de los algoritmos del Aprendizaje Automático, convertirlos en una clasificación robusta, etc.
    • Random Forest (Bosque Aleatorio)
      Random Forest es un popular algoritmo de Aprendizaje Supervisado. Como su nombre lo indica, consiste en varios árboles de decisión dentro de los subconjuntos de datos proporcionados. Posteriormente, calcula la media para mejorar la precisión predictiva del conjunto de datos. Aquí aprenderás a implementar los Random Forests en el Aprendizaje Automático..
    • AdaBoost, GBM, XGM, XGBM
      Este módulo te proporcionará un mejor conocimiento sobre las varias técnicas ensemble de boosting como AdaBoost (Adaptive Boosting), GBM (Gradient Boosting Machine), XGM (Extreme Gradient Machine) y XGBM (Extreme Gradient Boosting Machine).

    ​​​​​​​

Módulo 6: Model Tuning (Afinamiento de modelos)
Quiz Icon 2 cuestionarios
Project Icon 1 proyecto
Case study 4 estudios monográficos
    Quiz Icon 2 cuestionarios
    Project Icon 1 proyecto
    Case study 4 estudios monográficos

    A estas alturas del programa, ya te sentirás cómodo con los modelos. Ahora aprenderemos a diseñarlos y acentuarlos. La construcción de modelos es un proceso iterativo. El empleo de técnicas de Feature Engineering, junto con un cuidadoso ejercicio de selección de modelos, ayuda a mejorar el modelo. Además, el afinamiento de modelos (Model Tuning) es un paso importante para llegar al mejor resultado posible. En este módulo se describen los pasos y procesos relacionados con ellos.

    • Feature Engineering (Ingeniería de Rasgos)
      Feature Engineering (la Ingeniería de Rasgos) es el proceso de transformación de los datos desde su estado bruto hasta un estado en el que son adecuados para el modelado. En este módulo aprenderás los diferentes pasos involucrados en el Feature Engineering.
    • Muestreo y SMOTE, Regularización
      El muestreo es un proceso que permite recuperar información sobre una determinada población basándose en la estadística. SMOTE son las siglas de Synthetic Minority Oversampling Technique (técnica de sobremuestreo de minorías sintéticas), la cual sirve para aumentar el total de casos de un conjunto de datos de forma equilibrada. La regularización se utiliza para modificar tus modelos de Aprendizaje Automático para evitar el sobreajuste y crear una solución óptima. En esta lección, se tratarán todos los fundamentos del Muestreo, SMOTE y la Regularización.
    • Pipelining
      Este módulo te entrenará en la automatización del proceso laboral del Aprendizaje Automático usando Pipelining.
    • Medidas de Rendimiento del Modelo
      Este módulo te enseñará a optimizar el rendimiento de tus modelos de Aprendizaje Automático con la ayuda de las métricas de evaluación de modelos.​​​​​​​
Módulo 7: Aprendizaje No Supervisado
Quiz Icon 2 cuestionarios
Project Icon 1 proyecto
Case study 4 estudios monográficos
    Quiz Icon 2 cuestionarios
    Project Icon 1 proyecto
    Case study 4 estudios monográficos

    El Aprendizaje No Supervisado encuentra patrones ocultos o estructuras intrínsecas en los datos. En este curso, aprenderás sobre las técnicas de clustering más utilizadas, como K-Means Clustering y los Agrupamientos Jerárquicos.

    • Clustering de K-Means
      El clustering de K-Means es un algoritmo popular de Aprendizaje No Supervisado que se utiliza para resolver los problemas de clustering dentro del Aprendizaje Automático. Aquí descubrirás cómo funciona el algoritmo para después ejecutarlo. Este módulo te enseñará el funcionamiento del algoritmo y cómo implementarlo..
    • Agrupamiento Jerárquico
      El Agrupamiento Jerárquico (Hierarchical Clustering) es otra popular técnica o algoritmo de Aprendizaje No Supervisado, similar al Clustering de K-Means, que se utiliza para construir una estructura jerárquica o arbórea de clústeres. Por ejemplo, se puede combinar una lista de conjuntos de datos no etiquetados dentro de un clúster de la estructura jerárquica. En este módulo se ahondará en las bases del Agrupamiento Jerárquico..
Módulo de Autoaprendizaje: Predicción de Series Temporales
Project Icon 1 proyecto
Case study 1 estudio monográfico
    Project Icon 1 proyecto
    Case study 1 estudio monográfico

    El análisis de Series temporales se utiliza en problemas de predicción que involucran tiempo. En este módulo aprenderás las bases del análisis de series temporales en Python y sus aplicaciones en el contexto empresarial.

    • Introducción a las Series Temporales
      El análisis de Series temporales consiste en métodos de análisis de datos que se utilizan para extraer estadísticas e información relevante. También, se usa para predecir valores futuros basados en valores estudiados previamente.
    • Estacionalidad
      Es una característica de las series temporales en la que los datos experimentan variaciones de manera regular, por ejemplo, semanal, mensual o trimestralmente. Cualquier cambio o patrón predecible que se repite durante un año se considera Estacionalidad.
    • Descomposición
      Es una técnica de pronóstico que deconstruye series temporales en varios componentes. Después, utiliza dichos componentes para crear una predicción que es más precisa que cualquier línea de tendencia.​​​​​​​
Exposición a dominios

Es un módulo muy interesante con muchos ejemplos de la vida real. Te ayudaremos a entender la grandeza de la ciencia de datos y cómo se usa, junto con el análisis de negocios, para resolver problemas en diversos campos.

Módulo a tu propio ritmo: desmitificando ChatGPT y aplicaciones

    Obtén una comprensión de qué es ChatGPT y cómo funciona, además de profundizar en las implicaciones de ChatGPT para el trabajo, los negocios y la educación. Además, aprende sobre ingeniería rápida y cómo se puede usar para ajustar salidas para casos de uso específicos.

    • Descripción general de ChatGPT y OpenAI
    • Cronología de la PNL y la IA generativa
    • Marcos para entender ChatGPT y IA generativa
    • Implicaciones para el trabajo, los negocios y la educación
    • Modalidades de salida y limitaciones
    • Roles comerciales para aprovechar ChatGPT
    • Ingeniería inmediata para el ajuste fino de las salidas
    • Demostración práctica y sección extra sobre RLHF
Servicios de Apoyo Profesional: Revisión de tu currículum y perfil de LinkedIn, preparación para entrevistas, tutoría uno a uno y portafolio electrónico

Este programa de Ciencia de Datos y Análisis de Negocios te ayudará a construir tu currículum profesional y a refinar tu perfil de LinkedIn a lo largo de tu carrera. El programa también llevará a cabo entrevistas simuladas para reforzar y cultivar tu confianza para tus entrevistas profesionales. El programa también te otorgará asesoría personalizada, así como el diseño de tu portafolio electrónico de la mano de expertos del sector, y te guiará a través de una feria de empleo.

Certificado de Posgrado de la Universidad de Texas en Austin

Obtén un Certificado de Posgrado de Ciencia de Datos y Análisis de Negocios de la Universidad de Texas en Austin. Su exhaustivo plan de estudios te convertirá en un profesional altamente cualificado en la ciencia de datos y analítica empresarial. Te ayudará a conseguir un empleo en las principales empresas del mundo.

Lenguajes y herramientas cubiertos

dsba tools image   y más...
dsba tools image

Proyectos prácticos

Siguiendo una pedagogía basada en “aprender mediante la práctica”, el programa te ofrece la oportunidad de aplicar tus habilidades y conocimientos al instante a través de más de 8 proyectos prácticos. Además de esto, también se trabaja en múltiples proyectos prácticos con diversos conjuntos de datos e industrias.

industry logos
  • Cree aplicaciones del mundo real bajo la guía de un experto de la industrias
  • Datos de empresas como Uber, Netflix y Amazon
  • 22+ dominios

+1000

Proyectos completados

domain bg

+22

Dominios

mentors bg

3

Artículo publicados en IIMB

patents bg

Equipo docente y tutores

El programa reúne a los principales académicos y expertos de la industria para otorgarte una comprensión práctica de los conceptos básicos. Todos coinciden en su objetivo: inspirarte a aprender más de Ciencia de Datos y Análisis de Negocios.

El programa reúne a los principales académicos y expertos de la industria para brindarle una comprensión práctica de los conceptos básicos.

+20

Profesores

mentors bg

+2500

Asesores profesionales

mentors bg

2

profesores galardonados

mentors bg
Nuestro equipo docente
Dr. Kumar Muthuraman
Dr. Kumar Muthuraman

H. Timothy (Tim) Harkins Centennial Professor, Director de Facultad

Centre for Research and Analytics

Dr. Dan Mitchell
Dr. Dan Mitchell

Profesor Adjunto, McCombs School of Business

Doctorado de UT Austin

Dr. Abhinanda Sarkar
Dr. Abhinanda Sarkar

Director de Facultad, Great Learning

Doctorado de Stanford

Vivekanand R
Vivekanand R

Experto en Visualización

MBA, Monash University

Raghavshyam Ramamurthy
Raghavshyam Ramamurthy

Experto en Visualización

MBA, Whitman School of Management

Anterior
Siguiente
Nuestros mentores
vinicio de sola
Vinicio de Sola

Científico de Datos Sénior

Aspen Capital (EE.UU)

Liberty Mutual Insurance
mentor image
Jabes RiveraA

Ingeniero Sénior de Aprendizaje Automático

Clivi Health (México)

Google
mentor image
Daniel Montaño

Gerente de Ciencia de Datos

Coppel (México)

Boston Consulting Group
mentor image
Juan Carlos Medina

Científico de Datos Sénior

Nubank (México)

FNB
mentor image
Luciano Tozato

Arquitecto de Datos - Servicios financieros

Google (EE.UU.)

Keppel
Anterior
Siguiente

La Ventaja de PGP-DSBA

El programa se distingue por la singular combinación de su amplio plan de estudios con un enfoque de aprendizaje práctico, aprendizaje interactivo con asesores, amplio apoyo a lo largo del programa y asistencia para el desarrollo profesional.

PERSONALIZADO E INTERACTIVO

Aprendizaje en directo con tutores en grupos reducidos

  • Tutoría en línea durante los fines de semana a cargo de profesionales de la ciencia de datos.
  • Grupos reducidos (hasta 15 alumnos) para un aprendizaje personalizado.
  • Sesiones en directo con interacción bidireccional de audio y video.
  • Exposición práctica a través de amplios proyectos.
Play Video Play Video Mira la experiencia

PROGRAMA ESTRUCTURADO CON ORIENTACIÓN

Apoyo dentro del programa y Networking

  • El director del programa se encargará de las consultas académicas y no académicas.
  • Tu director de programa te ayudará a mantener la concentración y motivación.
  • Interactúa con compañeros de diversas procedencias durante las clases.
  • Haz crecer tu red profesional y colabora con tus compañeros.
Conoce a tus compañeros

DESCUBRE LAS OPORTUNIDADES PROFESIONALES

GL Excelerate - Apoyo en tu carrera profesional

  • Asesoramiento profesional personalizado y preparación de entrevistas.
  • Revisión experta de tu currículum y perfil de LinkedIn.
Aprende más

GL Excelerate – Apoyo profesional

GL Excelerate es un programa de apoyo disponible exclusivamente para nuestros alumnos y está diseñado para prepararte hacia una carrera exitosa.

+2800

Organizaciones líderes contratan a nuestros exalumnos

mentors bg

+13,000

Transiciones profesionales exitosas

mentors bg
  • +2800 Organizaciones líderes contratan a nuestros exalumnos
  • +13,000 Transiciones profesionales exitosas

Mira lo que nuestros alumnos dicen de nosotros:

Los dos mayores logros de mi vida han sido mi hijo y después Great Learning. El programa ha sido increíble y todos, desde la dirección, hasta los profesores y asesores, fueron un gran apoyo para alcanzar mis objetivos profesionales y personales".

Shamelle Chotoki

Analista de GSI, Western Union

Me encantó el curso porque me llevó a un mundo completamente nuevo. Estoy muy contenta con mis resultados y realmente eso fue gracias a los increíbles asesores, profesores y, por supuesto, a la dirección del programa”.

Leanne Da Cerca

Directora de Grupo, MTN (Sudáfrica)

Lo que Heena [la directora del programa] nos ha dado, especialmente a mí, es el apoyo que no he recibido de ningún otro curso en línea. Aprecio los mensajes que nos envía constantemente y el seguimiento constante a nuestro progreso o de cualquier otra inquietud que le planteemos".

Fermar B Talosig

Ingeniero Sénior Asociado, Netlink Trust

Anterior
Siguiente

¿Por qué Great Learning es tu mejor opción?

Gabriel Arbe

El programa PGP-DSBA me pareció la combinación perfecta de contenido relevante, flexibilidad, rigor académico y contenido práctico que me permitió ponerlo todo en práctica por primera vez en el trabajo. Recomiendo ampliamente el programa PGP-DSBA a cualquier persona que quiera adquirir experiencia en uno de los campos más relevantes y avanzar en su carrera".

Gabriel Arbe

Director de Operaciones, Latinoamérica, VMWARE

Miami, Florida, Estados Unidos

Lakshmi Panchagnula

El programa DSBA es genial y una buena introducción a la programación y a la construcción de modelos, incluso para aquellos que no tienen experiencia. Sin duda, lo mejor de la experiencia es el personal académico. Los asesores son pacientes y se mantienen a la vanguardia y los directores del posgrado siempre están dispuestos a apoyarte. El acceso a cientos de videos de GL Academy también es muy útil. Recomiendo ampliamente el programa DSBA”.

Lakshmi Panchagnula

Especialista del Programa Water, Spartanburg Water

Estados Unidos

Kati Laev

¡Solo puedes aprender de los mejores! Great Learning me dio la seguridad de que estoy al mismo nivel (en conocimiento y elaboración de proyectos) en este curso que aquellos que han ejercido como científicos de datos por años. Este trayecto estuvo lleno de intenso aprendizaje. Volvería a hacerlo una y otra vez: lo recomiendo muchísimo. ¡Gracias a la Universidad de Texas y a Great Learning!

Kati Laev

Administradora de Servicio al Cliente, CMT Limited

Reino Unido

Anterior
Siguiente

Costo del programa

Programa de Posgrado en Ciencia de Datos y Análisis de Negocios

3,800 USD
Pago bajo modalidad de cuotas. Si pagas por adelantado, recibes un descuento del 5 %.

Certificado de

  • Material educativo de alta calidad de UT Austin y Global Faculty.
  • Más de 8 proyectos prácticos.
  • Aprendizaje en directo bajo asesoría en microclases (hasta 15 alumnos).
  • Apoyo académico y no académico personalizados.
  • Webinarios mensuales impartidos por profesores de UT Austin.
  • Servicios de apoyo profesional.
Regístrate
Regístrate

Los candidatos pueden realizar los pagos del curso mediante transferencia bancaria y tarjetas de crédito/débito. También contamos con otras opciones de pago flexibles. Para más detalles, contáctanos.

Contáctanos

Proceso de admisión

  • Paso 1: Completar la solicitud de admisión

    Inscríbete llenando la solicitud en línea.

  • Paso 2: Selección/entrevista

    Si tu solicitud es preseleccionada, procederás a una entrevista telefónica (los candidatos con perfiles y experiencia sólidos podrían exentar).

  • Paso 3: Inscripción al programa

    Si te seleccionan, recibirás una carta de oferta de admisión para el siguiente grupo y asegurarás tu lugar con el pago de la cuota de admisión.

Próximo plazo

Las admisiones se cierran una vez que el número requerido de participantes se haya inscrito en el siguiente grupo. Presenta tu solicitud con antelación para asegurar tu lugar.

Fecha límite: 22.° de Junio de 2023

Regístrate
Generic image

Ponte en contacto con nosotros

Esperamos que hayas tenido una buena experiencia con nosotros. Si no has obtenido una respuesta adecuada a tus dudas o tuviste cualquier otro problema, por favor escríbenos a

help@mygreatlearning.com

Fechas de inicio

Great Learning-Online Center

En línea

24.° de Junio de 2023

Frequently Asked Questions

Detalles del Programa
¿Cuál es el papel de la McCombs School of Business de la Universidad de Texas en Austin en el PGP-DSBA-ES?

El plan de estudios del PGP-DSBA-ES ha sido diseñado en colaboración con la Universidad de Texas en Austin. Las clases y contenido del programa son elaborados por profesores de la Universidad de Texas en Austin, Great Learning y otros científicos de datos y analistas expertos. Los proyectos integradores son aprobados por profesores de la Universidad de Texas en Austin. 

Al completar exitosamente el programa, los participantes obtienen un certificado de finalización por parte de la Universidad de Texas en Austin.

 

¿Qué hace especial al Programa PGP-DSBA-ES?

El programa PGP-DSBA -ES es único en los siguientes aspectos:

  • Aprendizaje guiado personalizado en pequeños grupos de hasta 15 estudiantes
  • Trata a profundidad temas relevantes para la industria, con aplicaciones prácticas y casos de estudio
  • Brinda exposición práctica a herramientas como Python, Tableau y Excel Avanzado. También brinda bases de datos
  • Proyectos de aprendizaje experimental al final de cada módulo que permiten a los candidatos aplicar su conocimiento a problemas de negocio del mundo real
  • Sesiones interactivas en vivo con expertos de la industria y mentores que brindan conocimiento actual de la industria
  • Su formato en línea lo hace conveniente para profesionales que trabajar ya que pueden tomar control de sus tiempos de estudio y aclarar sus dudas sin dejar de lado sus trabajos o mientras viajan por negocios
¿A qué se refieren con aprendizaje guiado?

Los participantes son guiados a través de un método de aprendizaje único que ocurre durante las microclases de 10 a 15 estudiantes y conducidas por un mentor con experiencia relevante en la industria. Estas son sesiones en vivo de dos vías, con interacción por medio de audio y video que ocurren durante los fines de semana.

¿Cómo me ayudará el PGP-DSBA-ES a progresar en mi carrera?

El principal objetivo del programa es ayudarte a prepararte para una carrera en el área. Comprendiendo la importancia de ganar credibilidad, conocimiento y un portafolio de trabajo para conseguir un trabajo, hemos trabajado para diseñar un programa que te ayude a destacar en todos estos frentes. 

El certificado de la Universidad de Texas en Austin te dará la credibilidad y reconocimiento en la industria global. 

El contenido grabado por profesores de la Universidad de Texas en Austin y el aprendizaje práctico te equiparán con el conocimiento para triunfar. 

Los proyectos que completes se sumarán a tu portafolio de trabajo y se incluirán en tu portafolio digital que podrás compartir. 

La interacción con practicantes y otros aspirantes te ayudará a crear tu propia red de profesionales en el área. 

Además, el programa brinda sesiones de asesoramiento de carrera con profesionales de la industria y apoyo para el desarrollo de habilidades para la búsqueda de empleo como son la revisión de curriculum, revisión de perfil de LinkedIn, preparación para entrevistas y otros.

¿El PGP-DSBA-ES es un programa completamente en línea?

Sí. El programa se realiza usando contenido grabado realizado por académicos y profesionales de la industria, mientras que las sesiones en vivo de aprendizaje guiado se realizan en línea en microclases de entre 10 a 15 estudiantes. Todos los proyectos, cuestionarios y evaluaciones también se realizan en línea

¿El certificado del programa será otorgado por la Universidad de Texas en Austin?

Sí. Al completar exitosamente el programa, los participantes obtendrán su Certificado de la Universidad de Texas en Austin - Educación Ejecutiva.

¿Tendré que hacer gastos extras en libros, material de aprendizaje online o pago de licencias?

Todo el material de aprendizaje requerido se brindará en línea a los candidatos a través de nuestra plataforma (Learning Management System LMS)

¿Tendré acceso al material después de haber terminado el curso?

Creemos en el aprendizaje contínuo y por ello, todo el material en término de clases y lecturas estará disponible hasta por tres años después de haber completado el programa en Ciencia de Datos y Análisis de Negocios. 

¿Cómo seré evaluado durante el programa?

El PGP-DSBA-ES es un programa holístico y riguroso que sigue un esquema continuo de evaluación. Exámenes rápidos, evaluación y proyectos de aprendizaje experimental nos ayudan a evaluar la comprensión de cada candidato sobre los conceptos aprendidos.

¿Hay proyectos prácticos dentro del PGP-DSBA-ES?

Los participantes realizan diversos proyectos prácticos en predicción de series de tiempo, modelos predictivos, estadística avanzada, evaluación de estimación e hipótesis y minería de datos, además de la posibilidad de realizar un proyecto integrador al final del programa que requiere el uso de todos los conceptos aprendidos durante cada uno de los módulos. 

¿En qué empresas trabajan los mentores del PGP-DSBA-ES?

Nuestros mentores de la industria trabajan con algunas de las principales organizaciones del mundo como Microsoft, Google, Aspen Capital, McKinsey, Boeing, HSBC, Citi Group, etc.

¿Cuáles son las herramientas vistas durante el programa?
  • Python
  • Tableau
     
¿Qué lugar ocupa la UT Austin en programas de analítica?

La McCombs School of Business de la Universidad de Texas en Austin se encuentra en el sexto lugar mundial según el QS Business Analytics Ranking, 2021.

¿Recibiré un transcript u hoja de calificaciones después de terminar el programa?

No, el PGP-DSBA-ES es un programa profesional en línea certificado ofertado por la McCombs School of Business en colaboración con Great Learning. Al no ser un programa de tiempo completo por parte de la universidad, no hay hojas de calificaciones o transcripts de este programa por parte de la Universidad. Recibirás calificaciones en cada entregable para calificar tu comprensión y en cada módulo para determinar tu elegibilidad para el certificado. 


Al completar exitosamente el programa, es decir, al completar todos los módulos bajo las pautas de elegibilidad del certificado, obtendrás un Certificado de Finalización por parte de la McCombs School of Business de la Universidad de Texas en Austin.

¿Cuál es el requerimiento semanal de tiempo?

Cada semana incluye entre 2-3 horas de clases grabadas y 2 horas de sesiones de aprendizaje guiado cada fin de semana, lo que incluye aplicaciones prácticas y resolución de problemas. El programa también requiere de alrededor de una hora para la elaboración de ejercicios prácticos y entregables cada semana. Adicionalmente, y dependiendo de tu experiencia, debes esperar invertir entre 2 a 4 horas para autoestudio y práctica. Todo esto suma un requerimiento de entre 8 a 10 horas semanales. 

Admisiones y Elegibilidad
¿Cuál es el criterio de elegibilidad para PGP-DSBA-ES?

PGP-DSBA-ES está pensado para profesionales que trabajan que planean hacer una transición en su carrera hacia roles de analítica. También tenemos estudiantes en su último año de Universidad que se benefician de tomar el programa. Contar con una licenciatura o experiencia en disciplinas cuantitativas como ingeniería, matemáticas, ciencias, estadística, economía, etc. podrían ayudar a los participantes a obtener mayor beneficio del programa.

¿Puede mi empresa pagar por mi programa?

Aceptamos este tipo de convenio y podemos ayudarte con el proceso. Para mayor información puedes escribirnos a dsba.utaustin@mygreatlearning.com

¿Cómo puedo aplicar al programa?

Puedes aplicar completando nuestro formato online de aplicación. Si necesitas algún tipo de asesoría por parte de nuestro equipo, puedes llamarnos al +52 800 283 2898 y te guiaremos por todo el proceso. 

¿Cuál es el proceso de admisión?

Tendrás que completar un sencillo formato de aplicación online. El comité de admisiones revisará todas las aplicaciones y pre seleccionará solo a algunos basándose en sus perfiles. 

Cuotas y Pagos
¿Cuál es la política de reembolso?

Tenga en cuenta que realizar el paso de la cuota de admisión constituye la inscripción al programa y las penalizaciones por cancelación que aparecen a continuación serán aplicadas. Si no puede presentarse al programa, por favor revise nuestras políticas de deserción y de reembolso. 

 

Las peticiones de abandono o deserción recibidas con más de 4 semanas de anticipación al inicio de la edición correspondiente del programa tendrán una cuota de cancelación correspondiente al 25% de la cuota de admisión. 

 

Las peticiones de abandono o deserción recibidas con menos de 4 semanas pero más de 2 semanas de anticipación al inicio de la edición correspondiente del programa tendrán una cuota de cancelación correspondiente al 50% de la cuota de admisión.

 

Las peticiones de abandono o deserción recibidas con menos de 2 semanas de anticipación al inicio de la edición correspondiente del programa tendrán una cuota de cancelación correspondiente al 100% de la cuota de admisión. 

 

No se realizará ningún reembolso una vez iniciada la edición correspondiente del programa. 

 

La cancelación deberá ser solicitada por escrito a la oficina del programa.

¿Por qué Ciencia de Datos y Analítica de Negocios?
¿Cuál es el futuro de la Ciencia de Datos y la Analítica Empresarial?

Los datos se han vuelto muy influyentes. Los datos son el futuro. Ya se ha observado que el dominio de la ciencia de datos crea maravillas para la mayoría de las industrias a las que se aplica. Los científicos de datos están creando un impacto significativo y están provocando una gran revolución.


El alcance de la ciencia de datos es grande. La demanda y la necesidad de científicos de datos aumentan exponencialmente a medida que pasan los días. Esta demanda está aumentando a un ritmo acelerado y se espera que crezca aún más en el futuro. Por lo tanto, muchos profesionales buscan una transición de carrera al campo de la ciencia de datos.


La analítica empresarial es otro dominio tecnológico emocionante que ha ganado gran popularidad en los últimos tiempos.

 

La Analítica Empresarial y la Ciencia de Datos se emplean conjuntamente para obtener los mejores resultados.


También se cree que las tecnologías de ciencia de datos y análitica empresarial asumirán la mayoría de los roles laborales existentes. Por lo tanto, para construir una carrera segura, tomar un curso de ciencia de datos y análisis de negocios se ha convertido en una opción confiable.

 

Las aplicaciones de la ciencia de datos ofrecen los resultados más precisos y confiables.

 

La ciencia de datos y el análisis de negocios también se aplican para resolver los problemas comerciales más complejos.


Las aplicaciones de la ciencia de datos ya se están aplicando en muchos campos, como juegos, robótica, atención médica, marketing, finanzas y más.

 

Se supone que tanto la ciencia de datos como la analítica empresarial extenderán sus territorios a varios otros campos y construirán nuevas dinámicas.


Estos dominios también ofrecen algunos de los puestos laborales mejor pagados del mundo. Por lo tanto, elegir los mejores cursos certificados de ciencia de datos y análisis de negocios le ayudarán a adaptarse a los mejores roles laborales del siglo XXI.

¿Cuáles son los diferentes puestos de trabajo dentro de la Ciencia de Datos y Analítica Empresarial?

Los roles de trabajo que se ofrecen en este dominio son fascinantes. Muchos jóvenes y profesionales de carrera existentes aspiran a ingresar en estos puestos de trabajo, como científicos de datos y analistas de negocio. Por lo tanto, muchos aspiran a seguir un curso en línea de ciencia de datos y análisis de negocios. 


Veamos algunos de los principales puestos de trabajo de ciencia de datos y análisis de negocios.

 

1. Analista de datos
2. Arquitecto de datos
3. Estadístico
4. Analista de negocios
5. Administrador de base de datos
6. Ingeniero de datos
7. Científico de datos

 

Seguir un curso de análisis y ciencia de datos lo ayudará a ingresar a uno de los roles de trabajo mencionados anteriormente.
 

¿Cuáles son las diferencias entre Ciencia de Datos y Analítica Empresarial?

Muchos creen que la ciencia de datos y la analítica empresarial son lo mismo. Muchos también usan estos términos indistintamente. A continuación, se muestran algunas diferencias entre la ciencia de datos y la analítica empresarial. Estos dos dominios que cuando se combinan, realizan maravillas. Por lo tanto, muchos desean cursar un programa en línea de ciencia de datos y análisis de negocios. 


La ciencia de datos es la aplicación fundamental de varios métodos e ideas de aprendizaje automático para obtener información significativa a partir de datos sin procesar, mientras que la analítica empresarial se ocupa de la recopilación de datos y evalúa los datos recopilados para lograr los objetivos comerciales.La ciencia de datos se enfoca en la resolución de problemas, mientras que el análisis de negocios se enfoca en la toma de decisiones.


Los científicos de datos se esfuerzan por encontrar la razón que impulsa las tendencias y los analistas de negocios buscan descubrir las tendencias de los datos.

 

La ciencia de datos aplica muchas prácticas de programación, mientras que el análisis empresarial no exige habilidades de programación.

 

La ciencia de datos implementa algoritmos y estadística para obtener información de los datos. Por su lado la analítica empresarial emplea el análisis estadístico de datos estructurados.

 

La agenda final de la ciencia de datos es plantear preguntas y comprender los datos recopilados analizados, mientras que el análisis empresarial brinda soluciones confiables para problemas comerciales específicos.

 

Obtenga más información sobre estas tecnologías tomando un curso de analista de negocios y ciencia de datos en línea.

¿Cuál es la diferencia entre la Ciencia de Datos y el Análisis de Datos?

El análisis de datos es otro dominio interesante que está generando interés en muchos para seguir cursos de análisis de datos. La ciencia de datos y el análisis de datos son dos términos diferentes, así como dominios a los que a menudo se hace referencia como uno solo. Sin embargo, existen muchas diferencias entre estos dos términos. Si está interesado en seguir un curso de análisis de datos, es crucial aprender las diferencias entre la ciencia de datos y el análisis de datos.


A continuación se muestran las diferencias entre la ciencia de datos y el análisis de datos.

 

La ciencia de datos es la aplicación integral de varias técnicas y conceptos de aprendizaje automático para extraer información significativa de los datos sin procesar y el análisis de datos se refiere al análisis y la clasificación de los patrones de la información recopilada para obtener las mejores conclusiones que ayuden a cumplir los objetivos comerciales.

 

La ciencia de datos detecta patrones en los datos existentes, mientras que el análisis de datos se utiliza para clasificar los datos para satisfacer las necesidades de la organización.

 

La ciencia de datos tiene un alcance de nivel macro. Sin embargo, el alcance del análisis de datos es micro.

 

El objetivo final de la ciencia de datos es hacer preguntas, mientras que el análisis de datos busca encontrar los datos perfectos y procesables.

 

La ciencia de datos se centra en la resolución de problemas, mientras que el análisis de datos se concentra en la toma de decisiones.

 

La ciencia de datos ejercita habilidades matemáticas, estadísticas y de programación. Pero, el análisis de datos aplica técnicas cualitativas y cuantitativas.

 

La ciencia de datos se implementa en dominios tecnológicos como la inteligencia artificial, el aprendizaje automático y muchos más, mientras que el análisis de datos se aplica en el comercio electrónico, gaming y otros sectores para resolver los problemas asociados con los datos.

 

La ciencia de datos  predice el futuro, mientras que el análisis de datos proporciona un análisis diario de los datos.

¿Cuáles son las diferentes aplicaciones de la Ciencia de Datos y el Análisis de Negocios?

El dominio de la ciencia de datos  se aplica en muchas industrias. Las aplicaciones de la ciencia de datos y el análisis de negocios  no se limitan al sector de TI. Por lo tanto, muchos buscan los mejores cursos de análisis de negocios en línea para acceder a los puestos de trabajo más buscados. 

 

A continuación se muestran algunas de las aplicaciones de ciencia de datos y análisis de negocios en diferentes dominios.

 

1. Búsqueda en Internet
Tanto la ciencia de datos como el análisis de negocios juegan un papel vital en la visualización de los resultados más precisos para las consultas de búsqueda en Internet.La ciencia de datos es una tecnología integral utilizada por la mayoría de los motores de búsqueda como Google, Bing, Opera y más.

 

2. Reconocimiento de voz
Una de las aplicaciones de la ciencia de datos es el reconocimiento de voz. La ciencia de datos y el análisis de negocios  se emplean para comprender las notas de voz y producir resultados precisos. Siri, Alexa, el asistente de voz de Google y más son algunos ejemplos que ejercen la ciencia de datos para regular los servicios de reconocimiento de voz.

 

3. Publicidad Dirigida
La ciencia de datos promueve la publicidad dirigida. Los algoritmos de ciencia de datos se emplean rápidamente en marketing digital para identificar al público objetivo y publicitar en consecuencia a ello. La ciencia de datos y el análisis empresarial juegan un papel importante en el aumento del CTR. Estos objetivos se realizan mediante el estudio de los patrones de comportamiento anteriores del usuario.


4. Recomendaciones
La ciencia de datos se emplea para hacer las mejores recomendaciones de los productos y servicios de los sitios web de comercio electrónico. Amazon, Flipkart, Spotify, Netflix y más emplean la ciencia de datos para mostrar las mejores recomendaciones a sus usuarios. Esto mejora la experiencia del usuario a medida que se encuentra con una experiencia de compra personalizada.

¿Por qué deberías elegir la Ciencia de Datos y el Análisis de Negocios como tu carrera profesional?

Aunque existen muchos, a continuación se presentan algunos atributos que convierten a la ciencia de datos en el mejor dominio tecnológico para trabajar.


1. La ciencia de datos y el análisis empresarial tienen una gran demanda
La ciencia de datos y el análisis de negocios son los dos dominios que tienen una gran demanda. Aunque muchas industrias están adaptando la ciencia de datos y el análisis empresarial a un ritmo acelerado, existe un aumento significativo en la demanda de estas tecnologías. Esto es aún mayor en regiones como Latinoamérica en donde aún no se alcanza el nivel de implementación de otras regiones. 

 

2. Ofrece los puestos profesionales mejor pagados
Los puestos de trabajo que se ofrecen en estos dominios se consideran de gran prestigio. También se observa que estos roles laborales son algunos de los mejor pagados en toda la región latinoamericana y en otras como EE.UU. y Europa..

 

3. Un alcance enorme
La ciencia de datos y el análisis de negocios son tecnologías que no se limitan al sector TI. La ciencia de datos y el análisis empresarial han sido adoptados por la mayoría de las industrias, como la atención médica, el gamming, las redes sociales, el marketing digital, la agricultura y muchas más.

 

4. Los dominios más seguros.
A pesar de que vivimos en un mundo donde las actualizaciones tecnológicas ocurren todos los días, la ciencia de datos y el análisis de negocios ofrecen puestos de trabajo seguros. Se espera que la ciencia de datos y el análisis empresarial se hagan cargo de muchos de los puestos de trabajo existentes. Por lo tanto, es crucial considerar una carrera que se mantenga firme y segura y tanto la ciencia de datos como el análisis empresarial con áreas que ofrecen esa posibilidad. 

¿Cuáles son algunas de las industrias que emplean la Ciencia de Datos y el Análisis de Negocios?

Hay muchas industrias que ya están empleando la ciencia de datos y el análisis empresarial debido a los increíbles beneficios que ofrecen. La lista de industrias que emplean la ciencia de datos y la analítica empresarial está aumentando aceleradamente. Teniendo esto en cuenta, la demanda de cursos en línea de ciencia de datos y analítica empresarial también aumenta día a día, ya que muchos aspiran a ingresar en estas áreas laborales.

 

Corporativos y empresas
La ciencia de datos y el análisis empresarial se emplean para encontrar las mejores soluciones comerciales y resolver problemas comerciales complejos. La ciencia de datos y el análisis empresarial se están aplicando rápidamente en las empresas, ya que se observa que brindan grandes beneficios, como predecir resultados más precisos, evaluar las decisiones comerciales, formular estrategias comerciales efectivas, aprovechar los datos y más.

 

Agricultura
La ciencia de datos y el análisis de negocios están ayudando a los agricultores ofreciéndoles muchos beneficios, como la predicción del clima, el análisis del suelo, el control de plagas, la detección de enfermedades, la recomendación de los mejores fertilizantes y más.

 

Industria Gaming
La ciencia de datos y la analítica empresarial se aplican en el diseño de juegos. Estas tecnologías están ayudando a los diseñadores a diseñar juegos que mantienen al usuario comprometido y entusiasmado. Los algoritmos de ciencia de datos estudian los movimientos del usuario y ofrecen una dura competencia que hace que el juego sea más emocionante.

 

Robótica
La ciencia de datos y el análisis de negocios se emplean en el diseño de robots. Las herramientas y técnicas de estas industrias se aplican para crear robots más inteligentes. Dado que la ciencia de datos se utiliza en inteligencia artificial y aprendizaje automático, se encuentra en la brecha para diseñar muchas innovaciones tecnológicas.
Además de las industrias mencionadas anteriormente, estas tecnologías también se utilizan en muchas otras industrias, como el comercio electrónico, el sector financiero, la educación, el cuidado de la salud y más.

¿Todavía tienes dudas? Ponte en contacto con nosotros

Completa el siguiente formulario para que un asesor del programa te contacte. También puedes contactarnos en dsba-es.utaustin@mygreatlearning.com o al +52 800 283 2898

Se reciben solicitudes hasta el 22.° de Junio de 2023

Descargar el Folleto

Consulte los detalles del programa y las tarifas en nuestro folleto

¡¡UPS!! Algo salió mal. Por favor, vuelva a intentarlo.

Al enviar el formulario, aceptas los Términos y Condiciones y la Política de Privacidad de Great Learning. Aceptas recibir comunicaciones de MIT IDSS & Great Learning sobre este y otros programas relevantes.

Phone Icon

Formulario enviado con éxito

Gracias por contactarnos. Recibirás una respuesta de nosotros dentro de un día hábil.