Idioma: ES
Grafos de conocimiento en ciencia de datos y negocios inteligentes

Curso Grafos de conocimiento en ciencia de datos y negocios inteligentes

Información General

  • Icono título profesional La Universidad Escuela Colombiana de Ingeniería Julio Garavito otorga certificado de asistencia
    Título
  • Icono título profesional 24 horas Duración
  • Icono título profesional presencial Modalidad
  • Icono título profesional nocturna Jornada

Presentación

Grafos de conocimiento en ciencia de datos y negocios inteligentes

Grafos de conocimiento en ciencia de datos y negocios inteligentes click para reproducir video
Educación Continuada: programas abiertos y empresariales de educación no formal que optimizan el desempeño profesional.

Grafos de conocimiento: transformando datos en decisiones inteligentes para ciencia de datos y negocios del futuro

En la era del Big Data las organizaciones se enfrentan al desafío de gestionar y analizar grandes volúmenes de información dispersa y desconectada. Los grafos de conocimiento emergen como una solución innovadora para integrar, relacionar y dar sentido a estos datos, permitiendo la creación de sistemas inteligentes que apoyen la toma de decisiones estratégicas.

"Los grafos de conocimiento son una revolución en la forma en que las organizaciones pueden conectar y aprovechar sus datos. No se trata solo de almacenar información, sino de darle significado y contexto, lo que permite tomar decisiones más inteligentes y predictivas."

Juan Sequeda

Este curso busca capacitar a profesionales en el diseño, implementación y aplicación de grafos de conocimiento en áreas como la ciencia de datos, la inteligencia empresarial y la inteligencia artificial, respondiendo a la creciente demanda de expertos en esta tecnología transformadora.

Por qué estudiar con nosotros

edificio-h-nocturna.jpg

  • Adquirir habilidades avanzadas en el diseño y manejo de grafos de conocimiento, una de las tecnologías más demandadas en el ámbito de la ciencia de datos y los negocios inteligentes.
  • Mejorar la capacidad analítica para resolver problemas complejos mediante la integración y visualización de datos interconectados.
  • Aumentar la empleabilidad en sectores como fintech, salud, retail, logística y tecnología, donde los grafos de conocimiento están revolucionando la forma de operar.
  • Desarrollar competencias transversales en inteligencia artificial, machine learning y gestión del conocimiento.
  • Acceso a casos prácticos y herramientas utilizadas por empresas líderes

Metodología

La estrategia de enseñanza aprendizaje para este curso está basada en presentación previa, clases prácticas y en la resolución de problemas. El curso se desarrollará en modalidad remota mediante sesiones magistrales, con la exposición y discusión de los temas principales. Así mismo, durante cada sesión se realizará trabajo práctico en la que se guiará de forma personalizada a los participantes en la ejecución de los ejercicios.

  • Participación en actividades prácticas (30%).
  • Ejercicios individuales (30%)
  • Proyecto final (40%).

Certificación

El curso se desarrollará en 8 módulos, con un total de 24 horas de clase presenciales.

La Escuela Colombiana de Ingeniería Julio Garavito otorgará certificados de este curso así:

  • De asistencia, a quienes se inscriban por educación continuada y participen activa y cumplidamente como mínimo en el 90 % de las sesiones programadas.
  • De contenido, créditos y nota a los estudiantes de pregrado o posgrado de la Escuela.
  • De contenido, créditos y nota a los estudiantes de pregrado o posgrado de cualquier universidad del país que se matriculen como estudiantes visitantes o de intercambio. Para esto deberán enviar la solicitud a la Oficina de Relaciones Internacionales (ori@escuelaing.edu.co) e indicar la universidad de origen y el programa que cursan.

Perfil del aspirante

_DSC6271.jpg
  • El curso está dirigido a:
  • Científicos, ingenieros y/o analistas de datos que deseen ampliar su conocimiento en técnicas avanzadas de integración y análisis de datos.
  • Analistas de negocios interesados en utilizar grafos de conocimiento para mejorar la toma de decisiones estratégicas.
  • Ingenieros que busquen especializarse en el desarrollo de análisis predictivos basados en grafos.
  • Profesionales de TI responsables de la gestión y optimización de bases de datos y sistemas de información.
  • Estudiantes interesados en áreas como ciencia de datos, inteligencia artificial, administración de empresas, economía, gerencia, o ingeniería, que deseen adquirir habilidades diferenciadoras para su carrera.
  • No se requieren conocimientos previos en grafos, pero es recomendable tener experiencia básica en programación (Python, R o similar).

Contenido temático

Módulo 1: Introducción a los grafos de conocimiento (2 horas)

  • ¿Qué es un grafo de conocimiento?
  • Ejemplos de grafos de conocimiento en la vida real (Google Knowledge Graph, redes sociales, recomendaciones).
  • Importancia de los grafos de conocimiento en la inteligencia artificial generativa.
  • Casos de uso: chatbots, sistemas de recomendación, búsqueda semántica.
  • Actividad: Discusión grupal sobre ejemplos de grafos en la vida cotidiana.

Módulo 2: Conceptos básicos de grafos (2 horas)

  • Nodos, relaciones y propiedades.
  • Tipos de grafos: dirigidos, no dirigidos, ponderados.
  • Introducción a las bases de datos orientadas a grafos.
  • Actividad: Dibujar un grafo simple en papel (ejemplo: restaurantes, centros comerciales y lugares de la ciudad).

Módulo 3: Introducción a Neo4j (2 horas)

  • ¿Qué es Neo4j y por qué es popular?
  • Instalación y configuración de Neo4j Desktop.
  • Interfaz gráfica de Neo4j Browser.
  • Actividad: Instalar Neo4j y explorar la interfaz.

Módulo 4: Creando tu primer grafo en Neo4j (3 horas

  • Creación de nodos y relaciones.
  • Uso de Cypher (lenguaje de consulta de Neo4j) para crear datos.
  • Importación de datos desde archivos CSV.
  • Actividad: Crear un grafo simple (ejemplo: libros y autores).

Módulo 5: Consultas básicas con Cypher (3 horas)

  • Sintaxis básica de Cypher.
  • Consultas para recuperar nodos y relaciones.
  • Filtrado y ordenamiento de resultados.
  • Actividad: Realizar consultas sobre el grafo creado en el módulo anterior.

Módulo 6: Visualización y análisis de grafos (2 horas)

  • Herramientas de visualización en Neo4j.
  • Identificación de patrones en grafos.
  • Introducción a métricas de grafos (grado, centralidad).
  • Actividad: Visualizar y analizar un grafo de ejemplo.

Módulo 7: Grafos de conocimiento en IA generativa (2 horas

  • ¿Cómo se integran los grafos de conocimiento en modelos de IA generativa?
  • Ejemplos prácticos: Integración con Lang Chain, sistemas de recomendación.
  • Futuro de los grafos de conocimiento en IA.
  • Actividad: Discusión sobre cómo los grafos pueden mejorar la precisión de la IA generativa.

Módulo 8: Proyecto final (8 horas)

  • Diseño de un grafo de conocimiento para un caso de uso específico (ejemplo: sistema de recomendación de películas).
  • Creación, consulta y visualización del grafo en Neo4j.
  • Presentación del proyecto.
  • Actividad: Trabajo en equipo para desarrollar y presentar el proyecto.

Fechas y horarios

El curso se desarrollará entre el 9 y el 13 de junio de 2025. Las clases se realizarán de lunes a jueves de 4:00 a 9:00 p.m. y el viernes de 4:00 a 8:00 p.m., en el campus de la Escuela.

La Universidad Escuela Colombiana de Ingeniería Julio Garavito, para sus programas de Educación Continuada, se reserva el derecho de cambiar sus conferencistas y fechas de realización, o cancelarlos de no contar con el número de personas requerido para tal fin. Lo anterior se informará a los interesados con antelación.

Objetivos alcanzables

Bloque-I-nocturna.jpg

  • Comprender los fundamentos teóricos de los grafos de conocimiento, su estructura y su aplicación en la representación de datos interconectados.
DSC_2005-optimizada.jpg

  • Aprender a diseñar y modelar grafos de conocimiento para resolver problemas específicos en ciencia de datos y negocios inteligentes.
_DSC4651.jpg

  • Explorar herramientas y tecnologías populares para la implementación de grafos, como Neo4j, orientadas a grafos.
_DSC0724.jpg

  • Desarrollar habilidades prácticas para integrar grafos de conocimiento en proyectos de análisis de datos, inteligencia artificial y machine learning.
Coliseo-El-Otoño-de-la-Escuela-Colombiana-de-Ingeniería.jpg

  • Aplicar grafos de conocimiento en casos de uso reales, como recomendación de productos, detección de fraudes, análisis de redes sociales y optimización de procesos empresariales.
Bloque-I-laboratorios nocturna.jpg

  • Fomentar el pensamiento crítico para identificar oportunidades de uso de grafos de conocimiento en diferentes industrias y contextos organizacionales.
edificio-aycardi-posgrados-bloque-e.jpg

  • Promover el trabajo colaborativo mediante proyectos prácticos que simulen escenarios reales de implementación de grafos de conocimiento.

Valor de la inversión

edificio-h-nocturna.jpg

El valor de la inversión es de COP $2.344.000 (dos millones trescientos cuarenta y cuatro mil pesos colombianos m/cte.) por participante. Este valor incluye material técnico y memorias del curso en medio electrónico.

Descuento del 5 % hasta el 26 de mayo de 2025

Inscripciones hasta el 5 de junio de 2025

Conferencista Invitado

Cerrar

Juan Carlos Correa Núñez

JUAN CARLOS CORREA NUÑEZ

Psicólogo, con maestría en metodología de las ciencias del comportamiento de la Universidad Católica Andrés Bello (Caracas, Venezuela). Doctor en las ciencias de la Universidad Simón Bolívar (Caracas, Venezuela). Ha sido investigador visitante en la Universidad de Economía y Negocios de Praga (República Checa) y en el Tecnológico de Monterrey (México). Se ha desempeñado como gerente de nuevos proyectos en el sector de salud y ha sido consultor en organizaciones públicas y privadas de Venezuela y Colombia. Cuenta con más de 15 años de experiencia docente en universidades públicas y privadas en Sur América.

El Dr. Correa es científico de datos para lo cual combina diversas técnicas de las ciencias del comportamiento tales como la sociología, la economía, la psicología y los negocios, con herramientas tomadas de la computación, la estadística, la ingeniería de datos, los sistemas de información y las matemáticas para describir, modelar, predecir, y comprender el comportamiento de clientes y proveedores en diferentes unidades de negocio y sectores productivos. Sus líneas actuales de investigación se centran en Analítica de negocios, sistemas complejos y ciencia de datos conductuales.

Solicite Información

Curso Grafos de conocimiento en ciencia de datos y negocios inteligentes

Programas relacionados