Innovación Digital
Programa de Especialización en Data Analytics e Inteligencia Artificial Aplicada
Diseña soluciones eficientes aplicadas a problemas de negocio, integrando analítica descriptiva, predictiva y prescriptiva con técnicas de IA generativa, bajo criterios de valor, calidad y seguridad.
Inicio
Convocatoria 2026
Convocatoria 2026
Modalidad
Clases a distancia en tiempo real
Clases a distancia en tiempo real
Duración
128 horas lectivas
128 horas lectivas
Solicita más información
Acerca del programa
La expansión de los datos empresariales y la madurez de las plataformas analíticas han propiciado un nuevo escenario en el que el machine learning y la inteligencia artificial generativa se integran en los procesos de análisis, automatización y toma de decisiones. En este contexto, el Programa de Especialización en Data Analytics e Inteligencia Artificial Aplicada de la Escuela de Posgrado de la Universidad Continental articula métodos de analítica descriptiva, predictiva y prescriptiva con técnicas de machine learning e IA generativa, incluidos los grandes modelos de lenguaje (LLM), la recuperación aumentada por generación (RAG) y los agentes de IA, junto con prácticas de MLOps/LLMOps; además, incorpora transversalmente criterios de calidad de datos, privacidad, seguridad, explicabilidad, evaluación de riesgos y supervisión humana.
El estudiante comprenderá de manera integral los fundamentos de la analítica de datos y la inteligencia artificial aplicados al contexto empresarial, y adquirirá los conocimientos y las herramientas para gestionar proyectos desde la identificación del problema hasta la implementación y adopción de soluciones empresariales. Será capaz de realizar análisis exploratorios de datos, diseñar indicadores, visualizar información, automatizar reportes y usar copilotos y lenguaje natural para inteligencia de negocios (BI), así como desarrollar modelos de regresión, clasificación y forecasting, aplicar técnicas de validación y evaluación, realizar ingeniería de características, automatizar el modelado e interpretar los resultados. Además, podrá descubrir segmentos, patrones y anomalías, y diseñar prototipos de recomendación y evaluar su utilidad para el negocio.
Importante:
Se recomienda manejo intermedio de Excel, conocimientos básicos de estadística y familiaridad con análisis de datos. Para las prácticas CODE se recomienda Python a nivel básico. El programa contempla actividades guiadas y herramientas NO/LOW CODE para participantes sin experiencia avanzada de programación. No se requiere experiencia previa en IA generativa.
Ventajas diferenciales
Enfoque integral y actualizado
Desarrollo de competencias para brindar soluciones eficientes aplicadas a problemas de negocio, empleando analítica descriptiva, predictiva y prescriptiva con técnicas de IA generativa.
Excelencia docente
Expertos en transformación digital y analítica de datos, con amplia experiencia académica y destacada trayectoria profesional como consultores y en cargos directivos de importantes instituciones públicas y privadas.
Metodología activa y participativa
Trabajo colaborativo, interacción entre el participante y el facilitador, así como asesoramiento permanente durante el desarrollo del programa.
Ecosistema digital para el aprendizaje
Recursos y herramientas tecnológicas de vanguardia utilizadas en las mejores universidades del mundo, con acceso a la biblioteca y al aula virtual.
Perfil del estudiante
-
Profesionales universitarios o técnicos de las áreas de ingeniería, sistemas, industrial, estadística, matemáticas, economía, administración, finanzas, marketing, operaciones y disciplinas afines que requieran incorporar la analítica e IA en la toma de decisiones.
-
Analistas, especialistas, jefaturas y responsables de producto, así como profesionales de transformación digital, datos, BI y operaciones, además de directivos que lideren o participen en iniciativas de analítica e inteligencia artificial.
Certificación
Luego de aprobar todas las asignaturas del programa se te otorgará el certificado de especialista en Data Analytics e Inteligencia Artificial Aplicada, a nombre de la Escuela de Posgrado de la Universidad Continental.
“Especialista en Data Analytics e Inteligencia Artificial Aplicada”
(Imagen referencial que no representa la certificación que se obtendrá al culminar los estudios.)
Plana docente
Coordinador del programa: Walter Silva Sotillo
-
Walter Silva Sotillo
Consultor y analista experto en data analytics, bases de datos y modelos de optimización. Profesor de la Universidad del Sur de la Florida (USF), Estados Unidos. Docente y expositor en diversas universidades con más de 25 años de experiencia. Ph. D. y máster en Ingeniería Industrial por la Universidad del Sur de la Florida (USF), Estados Unidos. M. Sc. en Matemática Aplicada a la Toma de Decisiones por la Universidad de Orleans, Francia. Certificado en Six Sigma Green Belt (SSGB) y como quality process analyst. Ingeniero industrial por la PUCP.
-
Yasán Atanacio Ramirez
Especialista en transformación digital, gestión de productos digitales y analítica de datos. Investigador y autor de obras especializadas, destacando los estudios "Elementos de transformación digital en el sector bancario: un estudio de caso de la aplicación Scotiabank Perú" y "Gestión de la innovación en la cadena logística bajo el marco de la economía colaborativa: estudio de caso Qempo". Más de 20 años de trayectoria profesional en cargos directivos y de liderazgo corporativo en los sectores bancario, tecnológico, retail, tecnología, e-commerce, entre otros. Fue senior product manager & IA de Scotiabank Perú, growth manager de IBM y e-commerce manager de Intralot. Maestría en Gestión de la Innovación por la UPC. Especialización como Chief Data Officer por el Instituto DMC. Especializaciones complementarias en Informática, Business Intelligence, Data Mining, CRM y UX. Licenciado en Ingeniería Comercial por la Universidad Simón Bolívar, Venezuela.
-
Estefani Hinostroza Parra
Especialista de datos de la Superintendencia Nacional de Aduanas y de Administración Tributaria (SUNAT), donde desarrolla modelos predictivos y de segmentación, algoritmos de web scraping y análisis exploratorio en R, Python y Scala bajo la metodología CRISP-DM. Especialista en datos con más de 7 años de experiencia en analítica en el sector bancario y en la administración tributaria. Trabajó en el BCP en roles de planificación de capacidad instalada, forecasting de demanda y análisis de indicadores de nivel de servicio. Egresada de la Maestría en Estadística de la PUCP. Diplomatura en Estadística Aplicada por la PUCP. Estudios en Business Analytics por la Universidad de Cambridge, Reino Unido. Bachiller en Ingeniería Industrial por la UNMSM.
-
Luis Chirichigno Mena
Consultor y docente universitario en temas relacionados con transformación digital, inteligencia artificial, gestión de proyectos y sistemas de información, liderazgo y emprendimiento tecnológico. Más de 25 años de experiencia liderando áreas de tecnologías de la información y transformación digital en empresas de los sectores industrial, textil y retail. Fue gerente de TI en compañías como Precotex, Decor Center y Topi Top. Ha liderado proyectos de ERP SAP, e-commerce, inteligencia de negocios, analítica avanzada, automatización y ciberseguridad orientados a la mejora de procesos y toma de decisiones estratégicas. Doctorando en Ingeniería de Sistemas e Informática por la UNMSM. MBA por ESAN. Magíster en Dirección de Tecnologías de Información por ESAN. Máster en Gestión de Tecnologías de Información por Universidad La Salle - Ramón Llull, España. Especializaciones en Inteligencia Artificial, Transformación Digital, Ciberseguridad y Gestión de Proyectos. Ingeniero de computación y sistemas por la USMP.
-
Daiji Percy Inafuku Pillaca
Especialista en transformación digital, innovación y mejora continua, con más de 11 años de experiencia en los sectores de banca, seguros, retail, automotriz y consultoría estratégica. Se ha desempeñado en cargos corporativos como gerente adjunto de transformación de cumplimiento de Pacífico Seguros, jefe de transformación y mejora continua de Inchcape Américas, subgerente adjunto de mejora continua del BCP y como analista de proyectos y transformación de procesos de Interbank. Maestro en Administración Estratégica de Empresas (MBA) por la PUCP. Especialización en Transformación Digital por la UP. Especialización en Dirección de Proyectos por la UNI. Certificado como PMP por el Project Management Institute (PMI). Certificado como scrum product owner y certified scrum master por Scrum Alliance. Ingeniero industrial titulado por la UNMSM.
-
Victor Alejandro Mas Avalo
Consultor en negocios y tecnologías de la información, con más de 20 años de experiencia en los sectores gubernamental, salud, educación, banca, minería y telecomunicaciones. Experiencia como jefe de proyectos, arquitecto de software y consultor de TI en RENIEC, Petroperú, Poder Judicial, Ministerio Público, Instituto de Medicina Legal, Instituto Peruano de Seguridad Social, Contraloría General de la República, MINEDU, SUNARP y MINSA, así como Sybase Perú, Telefónica, Backus, Repsol, Southern Peru Copper Corporation y Lima Tours. Magíster en Inteligencia Artificial por la Universidad Internacional de La Rioja, España. Arquitecto de soluciones de IA/ML y de software, con certificaciones y especializaciones en Amazon Web Services (AWS Partner), gestión de proyectos (PMI), gestión de servicios y calidad (ITIL, COBIT, CMMI, ISO 9001, ISO 20000, NTP ISO 12207), ciencia de datos y desarrollo de plataformas digitales. Ingeniero de computación y sistemas por la USMP.
*La programación de docentes por asignatura se encuentra sujeta a variación según su disponibilidad, asegurando el nivel equivalente del especialista. El perfil del docente se mantiene y corresponderá al nivel requerido para garantizar la calidad educativa.
Plan de estudios
El programa está organizado por 7 asignaturas, con un total de 128 horas lectivas:
- Evolución de data analytics, ciencia de datos, machine learning, IA generativa y niveles de analítica.
- Ciclo de vida del dato y de los sistemas de IA: roles, activos, arquitectura básica y fundamentos de modelos fundacionales y grandes modelos de lenguaje (LLM).
- Casos de uso empresariales de IA: asistentes, clasificación, recomendación, forecasting y automatización.
- Calidad de datos, privacidad, sesgos, seguridad, propiedad intelectual, uso responsable y formulación de casos de negocio mediante KPI, línea base, impacto esperado y criterios de éxito.
- Metodologías de proyectos de datos e IA: CRISP-DM, enfoque de producto, experimentación, descubrimiento del problema, stakeholders, hipótesis y priorización.
- Arquitectura y gobierno de datos: fuentes, integración, calidad, linaje, acceso, privacidad, seguridad y gestión de terceros.
- IA responsable y gestión de riesgos: transparencia, explicabilidad, equidad, supervisión humana, trazabilidad y riesgos de IA generativa.
- PoC, MVP, criterios de aceptación, medición de impacto, adopción y gestión del cambio.
- Preparación, perfilado y calidad de datos; distribuciones, tendencia central, dispersión, segmentación y análisis exploratorio.
- Relación entre variables, correlación y causalidad. Alcances y límites para el análisis de datos.
- Diseño de KPI, storytelling con datos y principios de visualización efectiva mediante Power BI: modelado, medidas, visuales, publicación y automatización.
- Copilotos y lenguaje natural para BI: generación asistida de consultas, medidas, resúmenes y narrativas, con validación humana y prevención de alucinaciones.
- Flujo de machine learning supervisado: partición de datos, validación cruzada, prevención de fuga de datos, métricas, umbrales y costo de error.
- Modelos de regresión y clasificación: regresión lineal y regularizada, regresión logística, árboles, ensambles, KNN, naive Bayes y boosting.
- Series de tiempo: componentes, backtesting y modelos de pronóstico.
- Feature engineering, pipelines, ajuste de hiperparámetros, experimentación, AutoML, copilotos de código, interpretabilidad y análisis de error.
- Preparación y escalamiento de datos para aprendizaje no supervisado; clustering mediante K-means, métodos jerárquicos, DBSCAN y variantes para datos mixtos.
- Reducción de dimensionalidad, visualización de estructuras latentes y detección de anomalías aplicada a casos de fraude y operaciones.
- Reglas de asociación, análisis de afinidad y fundamentos de sistemas de recomendación basados en contenido, filtrado colaborativo y enfoques híbridos.
- Embeddings para representación semántica, similitud y búsqueda; evaluación de clusters, recomendadores y anomalías, considerando sesgo de popularidad y diversidad.
- Del modelo predictivo a la decisión: función objetivo, variables, restricciones y fundamentos de programación lineal, entera, no lineal y cuadrática.
- Optimización bajo escenarios, análisis de sensibilidad, simulación y análisis what-if para la toma de decisiones.
- Aplicaciones de optimización en asignación, mezcla, rutas, capacidad, precios y planificación; integración de pronósticos y machine learning con modelos prescriptivos.
- Uso de IA generativa para formular, documentar y revisar modelos, considerando la validación de restricciones y resultados.
- Fundamentos de transformers, modelos fundacionales y LLM; tokens, contexto, inferencia, limitaciones y prompt engineering.
- Embeddings, búsqueda semántica, bases vectoriales y RAG: ingesta, chunking, recuperación, re-ranking, grounding y citas.
- Uso de herramientas (function calling) y agentes inteligentes: memoria, planificación, supervisión humana, evaluación de calidad, factualidad, relevancia, robustez, latencia y costo.
- Guardrails y LLMOps: privacidad, prompt injection, fuga de datos, control de acceso, versionado, despliegue, monitoreo, trazabilidad y proyecto integrador.
Contacta con nuestra asesora
Carla Araujo Matamoros