Primera Edición 2026
DIPLOMADO EN
ANALÍTICA DE DATOS
23 semanas
150 horas
5 módulos
Potencie su dominio en el análisis de datos para apoyar la toma de decisiones estratégica, así como evaluar y seleccionar las tecnologías y herramientas de analítica de datos adecuadas para diferentes tipos de problemas dentro de las empresas.
DETALLES DEL PROGRAMA
Todo lo que Necesitas Saber
Información completa sobre modalidad, cronograma e inversión del diplomado
MODALIDAD
Virtual en Línea
- Material escrito en formato digital
- Clases virtuales sincrónicas con disponibilidad posterior asincrónica 24 horas
Horario de Clases:
Miércoles y jueves: 7:30 pm – 10:00 pm.
Sábados: 08:00 am – 10:00 am
* Sábados únicamente con previo aviso del facilitador
Tiempo de estudio: 6 horas semanales adicionales a las tutorías
CRONOGRAMA
26 Semanas
Periodo de Aplicación
Hasta el 13 de marzo de 2026
Inicio de Clases:
18 de marzo de 2026
Finalización:
11 de septiembre de 2026
Exoneración de matrícula al cancelar el primer módulo antes del 10 de marzo
INVERSIÓN
Modalidades de Pago
Comunidad UES
$80
USD c/módulo (6)
Otros
$95
USD c/módulo (6)
Matrícula:
$50 USD
Arancel de Graduación:
$40 USD
Beneficio a Empresas:
Al inscribir dos o más colaboradores reciben cuota de comunidad UES.
PRÓXIMA EDICIÓN
Se ofertará en
18 de marzo de 2026
Dar click en «Interés en Próxima Edición» para ser miembro de los aspirantes.
SOBRE EL DIPLOMADO
En el panorama empresarial actual, la analítica de datos (AD) se ha consolidado como una herramienta fundamental para las organizaciones que buscan extraer información valiosa. Al aprovechar los datos de fuentes internas y externas, la AD permite una toma de decisiones más objetiva y estratégica. Este enfoque se ha vuelto más accesible gracias a la madurez tecnológica, permitiendo que un público más amplio y menos especializado pueda beneficiarse de sus metodologías y técnicas.
Actualmente, el ecosistema de la analítica de datos (AD) presenta un desafío clave: la integración de diversas tecnologías para transformar datos brutos en decisiones estratégicas. Este proceso es multifacético e incluye la extracción, transformación y carga (ETL) de datos, su preprocesamiento, la modelización y, finalmente, el análisis e interpretación de los resultados. Ante esta complejidad, las organizaciones buscan una planificación estratégica que garantice una integración fluida y eficiente de estas herramientas.
Por otra parte, el avance en las distintas técnicas de análisis conlleva muchos beneficios como la mejora en la toma de decisiones basada en datos, de la eficacia y/o eficiencia de las soluciones planteadas. Sin embargo, requiere una actualización constante para no perder competitividad frente a la competencia. Por tanto, para poder ser competitivo en un mundo digitalizado hay que conocer el ecosistema de técnicas y tecnologías en torno a la Analítica de Datos.
Ante el contexto actual, La Escuela de Posgrado de la Facultad de Ingeniería y Arquitectura ofrece este programa académico que se fundamenta en el hecho de que actualmente vivimos en un mundo cada vez más dinámico e interconectado. Por ello, las organizaciones requieren procesar y analizar grandes cantidades de datos a través de técnicas, métodos y estrategias estadísticas y/o computacionales, para tomar decisiones eficaces y oportunas. De otro lado, en el campo de la investigación, el análisis de grandes volúmenes de información es una herramienta de gran utilidad para generar conclusiones que permitan validar o refutar hipótesis planteadas, y en general, para generar nueva información relevante para los procesos investigativos.
COMPETENCIAS A DESARROLLAR
Al finalizar el diplomado, los participantes habrán desarrollado las siguientes competencias profesionales
Analizar y solucionar problemas tecnicamente
Analizar y resolver problemas empresariales, aplicando criterios técnicos y estratégicos para la toma de decisiones.
Analizar e interpretar datos
Analizar e interpretar datos relevantes para emitir juicios en el ámbito empresarial.
Comunicar efectivamente información clave
Transmitir información, ideas, problemas y soluciones a públicos especializados y no especializados.
Aplicar estadística y algorítmica
Comprender y aplicar los conceptos básicos de estadística y algorítmica para la resolución de problemas en el ámbito empresarial.
Identificar patrones usando aprendizaje automático
Caracterizar los tipos de patrones que pueden ser descubiertos con técnicas de aprendizaje automático.
Optimizar procesos empresariales
Diseñar e implementar soluciones innovadoras y sostenibles para la optimización de procesos y la resolución de problemas en el entorno empresarial.
PROGRAMA ACADÉMICO
Contenido del Diplomado
Un programa integral estructurado en 5 módulos especializados que cubren todos los aspectos fundamentales de la analítica de datos
5
Módulos
Especializados
23
Semanas
Duración total
150
Horas
De formación
Módulo 01
Gestión de la Información
Contenido del módulo:
Gestión de la información
Introducción a las bases de datos
- Modelo relacional de datos
- Lenguaje SQL
- Diseño de bases de datos
Almacenamiento de alto rendimiento
- Sistema NoSQL
- Bases de datos clave-valor
- Bases de datos orientadas a columnas
- Bases de datos orientadas a grafos
Módulo 02
Analítica de la información
Contenido del módulo:
Inteligencia de negocio
- Conceptos y capacidades de una solución de inteligencia de negocio
- Arquitectura de una solución de inteligencia de negocio
- Visualización de datos
- Indicadores claves de rendimiento
- Tecnología de una solución de inteligencia de negocio
Exploración de la información
- Introducción a la estadística descriptiva e inferencial
- Datos cuantitativos
- Datos cualitativos
- Contraste de hipótesis
- Muestreo
Módulo 03
Analítica avanzada I
Contenido del módulo:
Aprendizaje supervisado
- Introducción
- Técnicas de clasificación
- Búsqueda de hiper parámetros
- Técnicas de regresión
- Técnicas de ensamble
Aprendizaje no supervisado
- Introducción
- Agrupamiento
- Detección de casos anómalos
- Selección de atributos
Módulo 04
Analítica avanzada II
Contenido del módulo:
Pre procesamiento
- Introducción
- Limpieza de datos
- Transformación de datos
- Discretización de datos
- Reducción de datos
Datos complejos y aprendizaje profundo
- Análisis y modelado de series temporales
- Fundamentos y aplicaciones del aprendizaje profundo (Deep Learning)
- Técnicas de interpretabilidad y explicabilidad de modelos
Módulo 05
Proyecto
Contenido del módulo:
- Definición del problema y alcance del proyecto
- Diseño metodológico y selección de técnicas de analítica de datos
- Implementación de la solución y del procesamiento de datos
- Validación, evaluación y mejora de resultados
- Elaboración de informes y presentación final del proyecto
Campos de Aplicación
Los graduados del diplomado estarán preparados para desempeñarse en campos variados donde se requiere visualización de datos y toma de decisiones
Operación y análisis de datos
Investigación y académia
Análisis financiero y contabilidad
Administración de redes e infraestructura técnologica
Administración empresarial y Recurso Humano
Marketing, Comercio y Logística
Conoce Nuestro Facilitador
Aprende de un profesional con una alta experiencia en Comercio Internacional y Aduanas y formación académica
MG
Miguel
García Torres
Físico y Doctor
Formación y Credenciales
- Nacionalidad: Español
Licenciado en Física. Universidad de La Laguna, España.
Doctor, título de tesis: Aplicación de técnicas Metaheurísticas en minería de Datos. Universidad de La Laguna. España.
- Título de Posgrado en Estudios Avanzados. Universidad de La Laguna.
Docente Universitario.
Experiencia
- Coordinador en proyectos internacionales en los campos de ciencia, tecnología y datos.
- Aplicación de Análisis de Datos
Machine Learning
Minería de Datos
Big Data
Docente universitario e investigador científico de vanguardia.
- Perfil académico: Miguel Garcia-Torres (ORCID: 0000-0002-6867-7080) – Google Académico
MC
Manuel
Chaves Maza
Doctor
Formación y Credenciales
- Nacionalidad: Español
Doctorado en Administración y Dirección de Empresas. Universidad Pablo de Olavide, España.
- Especialización en Fundamentals of Deep Learning.
- Maestría en Investigación en Gestión. Universidad Pablo de Olavide, España.
- Ingeniería Técnica en Administración y Dirección de Empresas. Universidad Pablo de Olavide, España.
Experiencia
- Docente tutor en trabajos de fin de Master.
- Docente universitario.
- Con experiencia de 17 años en 5 centros de formación de todos los niveles y consultor en formación y desarrollo con 18 años de experiencia y participación en más de 200 proyectos.
- Ha realizado publicaciones en revistas como Journal of Innovation and Entrepreneurship, Social Sciences o Innovar.
- Ha participado en proyectos internacionales como Diquís o Horizonte 2020, ganado premios Mejor Tesis de Andalucía 2020, spin-off de la Universidad y coordinado proyectos para convocatorias europeas de Innovación, por ejemplo Fiware. Miembro de la Comisión de Inteligencia Artificial de Andalucía (Clúster On-Tech).
- Perfil académico: Manuel Chaves Maza – Google Acdémico
Aurelio
López Fernández
Doctor
Formación y Credenciales
- Nacionalidad: Español
Doctorado en Ingeniería Informática. Universidad Pablo de Olavide, España.
- Maestría en Ingeniería Informática. Universidad Pablo de Olavide, España.
- Maestría Universitaria en Formación del Profesorado de Educación Secundaria. (Especialidad Matemáticas e Informática).
- Grado en Ingeniería Informática en Sistemas de Información. Universidad Pablo de Olavide, España.
Experiencia
Coordinador enproyectos internacinales y de innovación docente.
Docente tutor en tesis doctorales y trabajos de fin de estudios.
- Docente universitario e investigador científico.
- Su actividad investigadora se sitúa en la convergencia entre Inteligencia Artificial, Big Data y Computación de Alto Rendimiento (HPC).
- Su investigación se especializa en el desarrollo y optimización de algoritmos de inteligencia artificial bajo arquitecturas paralelas y distribuidas, destacando el uso de múltiples dispositivos GPUs para acelerar el procesamiento de grandes volúmenes de datos complejos.
- Perfil académico: Aurelio López-Fernández (ORCID: 0000-0001-5986-5437) – Google Académico
Pastor Enmanuel
Pérez Estigarribia
Doctor
Formación y Credenciales
- Nacionalidad: Paraguayo
Doctorado en Ciencias de la Computación. Universidad Nacional de Asunción, Paraguay.
- Especialización en Data Analytics.
- Maestría en Ciencias con mención en Zoología, Universidad de Concepción, Chile.
- Pregrado en Licenciatura en Ciencias mención Biología.
Experiencia
Especializado en modelación matemática, analítica de datos e inteligencia artificial aplicadas a la salud pública y los sistemas biológicos.
- Ha desarrollado modelos epidemiológicos, sistemas de vigilancia y herramientas de pronóstico utilizados durante la pandemia de COVID‑19.
- Consultor internacional en análisis de datos de emergencias sanitarias. Actualmente es profesor de posgrado e investigador en programas de ciencia de datos e inteligencia artificial aplicados a las ciencias de la vida, con producción científica en modelado matemático, epidemiología computacional y aplicaciones de IA en ciencias de la vida.
- Perfil académico: Pastor Enmanuel Pérez-Estigarribia (ORCID: 0000-0003-3143-0751) – Google Académico
Dirigido A
Este programa está diseñado para potenciar el conocimiento y habilidades de los siguientes perfiles:
Gerentes y directores de áreas funcionales
Analista de Negocios, Ventas, Marketing y finanzas
Profesionales de TI
Administradores de Base de Datos
Ingeniero de Datos y Sistemas
Profesionales de Suministros, Logística, Recursos Humanos
Investigadores de diversas disciplinas que requieran análisis de datos
Graduados de carreras STEM (Ciencia, Tecnología, Ingeniería y Matemáticas)
Estudiantes de cuarto año en adelante de Ingeniería, Informática, Estadística, Economía, marketing y campos relacionados
Perfil del Aspirante
Requisitos específicos según tu situación académica y profesional actual
Profesionales Titulados
- Grado de técnico, licenciatura, ingeniería o equivalente.
- Experiencia en áreas relacionadas (opcional).
- Conocimientos de ofimática.
Estudiantes Universitarios
- Estudiantes universitarios inscritos en cuarto año de su carrera.
- Estar inscrito en ciclo vigente.
- Demostrar progreso académico satisfactorio (comprobante de inscripción del ciclo vigente, récord de notas o carta extendida por la institución donde estudia).
Profesionales con Experiencia
- Mínimo bachiller (si no posee estudios superiores).
- Experiencia laboral comprobable en el área.
- Visto bueno del jefe inmediato.
- Conocimientos básicos de ofimática.
Emprendedores
- Mínimo bachiller (si no posee estudios superiores).
- Propietario o socio de empresa.
- Carta de interés en participar, señalando además el rubro de su negocio y los años de experiencia en éste.
GUÍAS ÚNICAMENTE PARA APLICACIÓN
Sigue estos pasos para completar exitosamente tu aplicación al Diplomado
Comunidad UES
Estudiantes, Ex estudiantes, Empleados, Ex-Empleados de la Universidad de El Salvador
Aspirante Externo
Cualquier persona que nunca haya tenido relación con la Universidad de El Salvador.
