• OTEC e-learnica | Acreditada SENCE N° Resolución 986
Facebook-f Instagram Twitter Youtube
AULAVIRTUAL

DIPLOMADO | Implementación de Proyectos de Machine Learning para la Industria Minera

  • Inicio 5 de Agosto
  • OTEC e-learnica Acreditada SENCE N° Resolución 986

Sobre este programa

El Diplomado en Implementación de Proyectos de Machine Learning para la Industria Minera está orientado al diseño, implementación y evaluación de proyectos de Machine Learning aplicados a desafíos reales de la industria minera.

Al finalizar el diplomado, los participantes serán capaces de utilizar Python y R para preparar datos, desarrollar y evaluar modelos, y generar soluciones integradas con inteligencia de negocios y Power BI, considerando criterios operacionales y económicos.

El programa se desarrolla durante 24 semanas y contempla 35 horas sincrónicas y 35 horas de autoaprendizaje. Incluye 24 clases sincrónicas de 1,5 horas, participación en foros y actividades, una evaluación teórica y dos evaluaciones prácticas tipo proyecto.

Está dirigido a profesionales de datos, control de gestión, BI e innovación; profesionales y técnicos de operaciones mineras; e ingenieros, analistas y jefaturas vinculadas a proyectos de mejora, transformación digital, automatización, analítica y eficiencia en empresas mineras y proveedoras del sector.

Las clases se desarrollan bajo una metodología teórico-práctica basada en Boot Camp y Aprender Haciendo. Al completar el programa, el participante recibe un certificado digital con código QR verificable online.

Descargar el Brochure

Diferenciadores

  • 35 horas sincrónicas de clases online en vivo.
  • 35 horas de autoaprendizaje.
  • 24 clases sincrónicas de 1,5 horas, de 19:30 a 21:00.
  • 1 evaluación teórica y 2 evaluaciones prácticas tipo proyecto.
  • Metodología teórico-práctica Boot Camp y Aprender Haciendo.
  • Certificado digital con código QR verificable online.

Unidades de contenido

  • Fundamentos de inteligencia artificial, machine learning y analítica predictiva.
  • Diferencias entre analítica descriptiva, diagnóstica, predictiva y prescriptiva.
  • Inteligencia de negocios y arquitectura del dato.
  • Ciclo de vida de un proyecto de datos y ML.
  • Casos de uso en mantenimiento, plantas, geología, seguridad, energía, logística y gestión de flotas.
  • Formulación del problema, variable objetivo, KPI y criterios de éxito operacional y económico.
  • Roles, gobernanza, calidad, seguridad y ética del dato.
  • Entornos de trabajo: Jupyter/Colab, Python, R y RStudio.
  • Importación, limpieza, transformación y calidad de datos.
  • Análisis exploratorio y visualización con pandas, NumPy, matplotlib, tidyverse y ggplot2.
  • Ingeniería y selección de variables.
  • Regresión y clasificación.
  • Árboles de decisión, random forest y boosting.
  • Clustering y detección de anomalías.
  • División entrenamiento-validación-prueba y validación cruzada.
  • Métricas: MAE, RMSE, R², accuracy, precision, recall, F1 y ROC-AUC.
  • Comparación, interpretabilidad y selección de modelos.
  • Ecosistema y flujo de trabajo en Power BI.
  • Conexión e importación de fuentes de datos.
  • Limpieza y transformación con Power Query.
  • Modelamiento de datos y relaciones.
  • Fundamentos de DAX y construcción de medidas.
  • Diseño de KPI, visualizaciones y narrativa de datos.
  • Dashboards para mantenimiento, producción, seguridad y gestión operacional.
  • Integración de resultados predictivos generados en Python y R.
  • Publicación, actualización y criterios de gobierno de reportes.
  • Metodologías CRISP-DM y enfoque de producto de datos.
  • Diseño de arquitectura desde la fuente hasta el consumo.
  • Integración entre sistemas, Python/R y Power BI.
  • Prototipo, piloto, pruebas y escalamiento.
  • MLOps: versionamiento, trazabilidad, despliegue y monitoreo.
  • Data drift, model drift y reentrenamiento.
  • Interpretabilidad, explicabilidad y gestión del riesgo.
  • Ciberseguridad, gobernanza y continuidad operacional.
  • Gestión del cambio y adopción por usuarios.
  • Business case, ROI, beneficios, costos y priorización de iniciativas.
  • Selección y delimitación del desafío minero.
  • Preparación y exploración de datos.
  • Desarrollo y evaluación del modelo en Python o R.
  • Generación de predicciones y resultados interpretables.
  • Integración de salidas en Power BI.
  • Diseño de dashboard y recomendaciones para la decisión.
  • Plan de implementación, despliegue y monitoreo.
  • Evaluación de impacto operacional y económico.
  • Comunicación ejecutiva y defensa de la solución.

    • DOCENTES

    Karla Roco Ramírez

    Karla Roco Ramírez es ingeniera estadística por la Universidad de Santiago y magíster en Ciencia de Datos por la Pontificia Universidad Católica. Se ha especializado en Python, aprendizaje automático, análisis multivariable e innovación. Ha sido científica de datos, auditora, consultora estadística y especialista académica en Caja Los Andes, Vesta Engineering, IACC, UCSH y CRUCH. Actualmente ejerce como profesora en Duoc UC y consultora, además de contar con experiencia formando estudiantes de ciencia de datos.

    DOCENTE

    Alex Acuña

    DOCENTE

    Alex Acuña es ingeniero civil industrial por la Universidad Arturo Prat y magíster en Docencia Universitaria. Cuenta con estudios en informática, gestión de operaciones, dirección de equipos y salud ocupacional. Su trayectoria combina minería, administración de contratos, planificación y gestión pública: fue SEREMI de Minería de Antofagasta, trabajó en SGS y Codelco, administró contratos para ISS y Securitas, y actualmente coordina pasos fronterizos del Ministerio del Interior. Posee experiencia docente universitaria y como profesor de matemáticas.

    $450.000
    Añadir al carrito
    Valor preventa $390.000 hasta el 29 de Julio
    La preventa termina en:
    0 Días Días
    0 Horas Hrs
    0 Minutos Min
    0 Segundos Seg

    Información

    • Inicio 5 de Agosto
    • Horario 19:30 a 21:00 | 1 día a la semana
    • Online en Vivo
    • Certificado con Código QR (verificación)

    OTEC e-learnica | Acreditada SENCE N° Resolución 986

    Compartir