Especialización en Métodos Cuantitativos y Computacionales
La Especialización en Métodos Cuantitativos y Computacionales responde a la creciente demanda de profesionales capacitados para abordar desafíos complejos en el ámbito organizacional. En un contexto donde la toma de decisiones estratégicas requiere fundamentos sólidos, la integración de métodos cuantitativos y herramientas computacionales se vuelve imperativa. Este programa se erige como una respuesta necesaria para formar especialistas capaces de aplicar, de manera efectiva, modelos analíticos y técnicas avanzadas en escenarios diversos. La justificación radica en la necesidad de preparar profesionales capaces de optimizar procesos, mejorar la eficiencia y ofrecer soluciones fundamentadas a través de la aplicación de métodos cuantitativos y computacionales.
Duración
6 meses
A quién va dirigido
La Especialización en Métodos Cuantitativos y Computacionales está dirigida a profesionales y graduados que buscan fortalecer sus capacidades analíticas y estratégicas. Diseñada para ingenieros, economistas, y aquellos con formación afín, este programa ofrece una formación especializada en métodos cuantitativos y computacionales.
Aprenderás a
La Especialización en Métodos Cuantitativos y Computacionales prepara a los participantes para afrontar los retos organizacionales desde una perspectiva analítica y tecnológica. La formación, guiada por los docentes expertos, dotará al alumnado de conocimientos especializados en áreas como programación lineal, bases para el uso de Python y R, flujo en redes, organización de la producción, y financiación a corto plazo.
Campo Laboral
La Especialización en Métodos Cuantitativos y Computacionales abre diversas oportunidades laborales en sectores como ciencia de datos, análisis financiero y tecnología. La versatilidad de estas habilidades permite adaptarse a diversas funciones y responder a la creciente demanda en un amplio espectro de industrias, desde la parte industrial a la económica.
Plan de estudios
MÓDULO 1. ENFOQUE CUANTITATIVO Y GESTIÓN DE LA PRODUCCIÓN
UNIDAD DIDÁCTICA 1. FUNDAMENTOS DE LA PROGRAMACIÓN LINEAL
UNIDAD DIDÁCTICA 2. ENFOQUE PRIMAL DE LA PROGRAMACIÓN LINEAL
UNIDAD DIDÁCTICA 3. ENFOQUE DUAL DE LA PROGRAMACIÓN LINEAL
UNIDAD DIDÁCTICA 4. FLUJO EN REDES Y OPTIMIZACIÓN
UNIDAD DIDÁCTICA 5. GESTIÓN DE LA PRODUCCIÓN
UNIDAD DIDÁCTICA 6. MODELADO LINEAL EN LA GESTIÓN DE LA PRODUCCIÓN
MÓDULO 2. FINANCIACIÓN A CORTO PLAZO EN MULTIVARIABLE
UNIDAD DIDÁCTICA 1. GESTIÓN DE ACTIVO CORRIENTE
- La gestión del capital corriente
- Gestión del crédito
- Condiciones de venta
- El pago
- Análisis del crédito
- Política de cobro
- Medidas para minimizar el impago
UNIDAD DIDÁCTICA 2. CASH MANAGEMENT
- Cambios del mundo financiero
- Introducción a la gestión de la tesorería
- Pilares de la gestión de la tesorería
- Las diferencias según sectores y tamaños
- Sistemas de cobro
- Los flujos de efectivo de las actividades corrientes
- El Estado de flujos de efectivo
UNIDAD DIDÁCTICA 3. LA FINANCIACIÓN A CORTO PLAZO
- La financiación a corto plazo
- Cambios en el efectivo y capital corriente
- El plan de financiación bancaria a corto plazo
- Las fuentes de financiación a corto plazo
UNIDAD DIDÁCTICA 4. DECISIONES MULTICRITERIO
UNIDAD DIDÁCTICA 5. TEORÍA DE JUEGOS
UNIDAD DIDÁCTICA 6. PROGRAMACIÓN MULTIOBJETIVO
MÓDULO 3. DATA SCIENCE Y PROGRAMACIÓN ESTADÍSTICA CON PYTHON Y R
UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA CIENCIA DE DATOS
- ¿Qué es la ciencia de datos?
- Herramientas necesarias para el científico de datos
- Data Science & Cloud Compunting
UNIDAD DIDÁCTICA 2. BASES DE DATOS RELACIONALES
- Introducción
- El modelo relacional
- Lenguaje de consulta SQL
- MySQL. Una base de datos relacional
UNIDAD DIDÁCTICA 3. PYTHON Y EL ANÁLISIS DE DATOS
- Introducción a Python
- ¿Qué necesitas?
- Librerías para el análisis de datos en Python
- MongoDB, Hadoop y Python. Dream Team del Big Data
UNIDAD DIDÁCTICA 4. R COMO HERRAMIENTA PARA BIG DATA
- Introducción a R
- ¿Qué necesitas?
- Tipos de datos
- Estadística Descriptiva y Predictiva con R
- Integración de R en Hadoop
UNIDAD DIDÁCTICA 5. PRE-PROCESAMIENTO & PROCESAMIENTO DE DATOS
- Obtención y limpieza de los datos (ETL)
- Inferencia estadística
- Modelos de regresión
- Pruebas de hipótesis
UNIDAD DIDÁCTICA 6. ANÁLISIS DE LOS DATOS
- Inteligencia Analítica de negocios
- La teoría de grafos y el análisis de redes sociales
- Presentación de resultados
También te puede interesar