Transformación Digital con Machine Learning: De los Datos a la Experiencia del Cliente XI Ciclo de Cursos Especiales

Este curso estará equipado con varios marcos metodológicos y métodos prácticos para desarrollar experiencias de clientes y colaboradores diferenciales y competitivas en todo tipo de organizaciones, las cuales pueden ser implementadas de manera consistente en diferentes canales de interacción. Se explorarán diferentes tecnologías y ejemplos de la industria, con el uso de la Inteligencia Artificial (IA) en servicios digitales y no digitales, y se revisará cómo una organización puede ir más allá de las herramientas tradicionales al adoptar nuevas ideas en torno a las interacciones con los clientes (incluidas las interacciones entre humanos y humanos, entre humanos y digitales y entre humanos y ecosistemas) para crear experiencias altamente personalizadas, consistentes e integradas.

Justificación

Curso 1. Taller sobre métodos no supervisados de Machine Learning en RStudio.

En este curso, aprenderemos a implementar métodos no supervisados en Machine Learning como componentes principales, conglomeración de K-promedios y conglomeración jerárquica para el análisis descriptivo de datos usando el programa RStudio. También aprenderemos a importar y preparar datos en RStudio para ser analizados usando los métodos mencionados.

 

Curso 2. Inteligencia Artificial (IA) en la Experiencia de Cliente (CX)

La experiencia del cliente (CX) ha evolucionado exponencialmente durante la última década a medida que entramos en una nueva era de la economía de la experiencia y no se espera que estos cambios se desaceleren. Para mantenerse al día con los rápidos desarrollos y las nuevas oportunidades, las organizaciones deben desarrollar un marco integral que conecte los canales digitales, físicos y sociales para ofrecer una experiencia omnicanal óptima al cliente.

 

Este curso estará equipado con varios marcos metodológicos y métodos prácticos para desarrollar experiencias de clientes y colaboradores diferenciales y competitivas en todo tipo de organizaciones, las cuales pueden ser implementadas de manera consistente en diferentes canales de interacción.

Se explorarán diferentes tecnologías y ejemplos de la industria, con el uso de la Inteligencia Artificial (IA) en servicios digitales y no digitales, y se revisará cómo una organización puede ir más allá de las herramientas tradicionales al adoptar nuevas ideas en torno a las interacciones con los clientes (incluidas las interacciones entre humanos y humanos, entre humanos y digitales y entre humanos y ecosistemas) para crear experiencias altamente personalizadas, consistentes e integradas.

Los asistentes aprenderán a utilizar los datos de diferentes sistemas y servicios para su beneficio y a desarrollar nuevos modelos de negocio, utilizando los datos como un recurso crítico para impulsar nuevas fuentes de ingresos.

Fechas y Costos

  • Tipo de programa: Curso
  • Fecha de Inicio: 25 de noviembre de 2024
  • Fecha de Finalización: 06 de diciembre de 2024
  • Horario Semana 1: lunes a jueves de 6:00 p.m. a 9:00 p.m.
  • Horario Semana 2: lunes a jueves de 6:00 p.m. a 7:30 p.m.
  • Intensidad horaria: 24 horas
  • Modalidad:  Sincrónico remoto
  • Precio Full (hasta el 21 de noviembre): $160.000 COP
  • Descuento por pronto pago (hasta el 31 de octubre): $144.000 COP
  • Comunidad Konradista (hasta el 21 de noviembre): $136.000 COP

Objetivos

Objetivo General

Proporcionar formación teórica y práctica en Machine Learning de manera autocontenida que ofrezca las herramientas fundamentales necesarias para profundizar en un tema de aplicación específico en la segunda semana, ya sea en el análisis de datos o en la Experiencia de Cliente, según sus intereses individuales.

¿Para que sirve el curso?

Curso 1. Taller sobre métodos no supervisados de Machine Learning en RStudio.

El participante podrá usar los métodos aprendidos para el análisis descriptivo y reducción de dimensión de un conjunto de datos numéricos. También, podrá crear documentos pdf mediante el uso de la herramienta Rmarkdown.

 

Curso 2. Inteligencia Artificial (IA) en la Experiencia de Cliente (CX)

El objetivo es educar a estudiantes sobre cómo las tecnologías de IA pueden utilizarse para mejorar las interacciones entre las empresas y sus clientes. Su meta es proporcionar a los participantes el conocimiento y las habilidades necesarias para implementar soluciones de IA que mejoren el servicio al cliente, la satisfacción y el compromiso.

Metodología

El Ciclo de Cursos Especiales es un curso autocontenido que se realizará de manera sincrónica remota vía Microsoft Teams. 

La primera semana del curso se abordarán los fundamentos teóricos desde el curso «Fundamentos de Machine Learning» y fundamentos prácticos desde el curso «Python para Machine Learning».  Esta semana tendrá sesiones de lunes a jueves desde las 6:00 pm hasta las 9:00pm. 

En la segunda semana, se profundizará en un tema de aplicación que sea de interés de los participantes, eligiendo uno de los cursos de profundización disponibles. Esta semana se trabajará de lunes a jueves desde las 6:00 pm hasta las 7:30pm. 

Contenido del curso

Curso 1. Fundamentos de Machine Learning.

  • Regresión lineal simple y múltiple.
  • Regresión logística.
  • Análisis discriminante.
  • Regresión ridge y Regresión Lasso.

 

Curso 2. Python para Machine Learning.

  • Machine learning: Definiciones, aplicaciones.
  • Estructuras de Datos.
  • Numpy.
  • Ejemplos prácticos.

 

Cursos Avanzados – Segunda Semana:

Opción 1: Taller sobre métodos no supervisados de Machine Learning en RStudio.

  • Taller sobre métodos no supervisados de Machine Learning en RStudio.
  • ​Componentes principales.
  • ​Conglomeración jerárquica para el análisis descriptivo de datos usando el programa RStudio.
  • ​Importación y preparación de datos en RStudio para ser analizados usando los métodos mencionados.

 

  • Métodos no supervisados en Machine Learning

Opción 2: Inteligencia Artificial (IA) en la Experiencia de Cliente (CX).

  • Introducción a los conceptos de experiencia de cliente y colaborador.
  • Métodos de Medición de la Experiencia.
  • ​Métodos de Análisis de la Experiencia.
  • ​Métodos de Acción y Mejora continua de la Experiencia.
  • ​Experiencia, Investigación de Mercados y Marketing, diferencias y complementos.
  • ​​Experiencia de Cliente (CX), Experiencia de Usuario (UX), Servicio al ​cliente (CS), conceptos, diferencias, aplicaciones, casos de uso.
  • Experiencia Digital, Física y Omnicanal, diseño, construcción y optimización del camino del cliente (customer journeys).

 

  • Introducción a los conceptos de Inteligencia Artificial aplicada a la experiencia.
  • Inteligencia Artificial para Analítica.
  • ​Análisis del camino del cliente.
  • Análisis de lenguaje natural (datos no estructurados).
  • ​Análisis de sentimientos, emociones, intención y predicción.
  • ​Inteligencia Artificial para Acción.
  • Evolución y métodos de la IA.
  • ​Chatbots, Asistentes virtuales.
  • IA generativa, introducción, conceptos y aplicaciones
  • ​IA generativa: experiencias personalizadas y casos de uso.
  • ​Automatización de tareas repetitivas (RPA).

 

  • Medición de la experiencia del cliente, software de inteligencia artificial, tecnología y mejores prácticas organizativas

 

  • Ética de la IA en CX (manejo de información personal y tendencias actuales)

Perfiles de Docentes

Jorge Camargo, Ph. D.

Ingeniero de Sistemas de la Universidad Nacional de Colombia, Magíster en Ingeniería de Sistemas y Computación por la Universidad de los Andes, y PhD en Ingeniería de Sistemas y Computación por la Universidad Nacional de Colombia.

Experto en Machine Learning, Inteligencia Artificial y Big Data, con una sólida trayectoria en analítica de datos. Cuenta con más de 100 publicaciones científicas en revistas, congresos y capítulos de libros, tanto a nivel nacional como internacional.

Además, es un activo colaborador en redes, blogs y materiales de apoyo de la Sociedad Colombiana de Computación y la Asociación Colombiana de Ingenieros de Sistemas.

Leandro Pájaro, M. Sc.

Ingeniero de Sistemas de la Universidad Tecnológica de Bolívar, Especialista en Gerencia de Sistemas de Información de la Universidad del Norte, y Magíster en Ingeniería Informática por la Universidad Oberta de Catalunya.

Cuenta con más de 15 años de experiencia en docencia y 20 años como profesional en roles de desarrollo, administración de bases de datos, consultoría en tecnología e interventoría para proyectos del sector gubernamental.

Su énfasis de trabajo incluye bases de datos, ingeniería de datos, desarrollo de aplicaciones y machine learning. Está certificado en Databricks Datalakehouse y es un activo colaborador en diversas redes y blogs, donde comparte materiales de apoyo.

 

Camilo Valero, M. Sc.

Ingeniero Industrial por la Escuela Colombiana de Ingeniería Julio Garavito y M. Sc. en Gerencia de Operaciones por la Universidad de Nottingham en el Reino Unido. Es experto en CX, marketing y tecnologías de innovación y transformación.

Cuenta con una carrera profesional de más de 20 años, principalmente en el mundo de la tecnología y el software de aplicaciones de negocio. Ha tenido la fortuna de participar y liderar equipos de preventa, ventas y customer success en diferentes compañías como IBM, Acoustic, Medallia y Qualtrics en América Latina, así como de ser speaker en múltiples eventos.

Su énfasis de trabajo ha sido en ventas, implementación y soporte de tecnologías de información empresariales: analítica de datos, e-commerce, gestión de marketing, voz del cliente, gestión de experiencia de cliente y empleado.

Cuenta con certificaciones en:

Customer XM Expert Certification Exam – Qualtrics

XM Fundamentals – Qualtrics

Cultivating a Growth Mindset – LinkedIn

Platform Essentials Certification – Qualtrics

EXMA Certified Speaker – EXMA Global A Marketing Education Platform

Cloud and Cognitive Patterns – IBM

Design Thinking Practitioner – IBM

Selling Professional Certification – Level 1 Experienced, IBM

Project Management Professional – IBM

CoreXM Expert Certification – Qualtrics

 

​José Vélez-Marulanda, Ph. D.

Matemático por la Universidad Nacional de Colombia, M. Sc. en Matemáticas por la Universidad de Puerto Rico en Mayagüez y la University of Iowa, y Ph. D. en Matemáticas por la University of Iowa. Se especializa en análisis topológico de datos, ciencias actuariales, teoría de representaciones de álgebras asociadas y teoría de deformaciones de módulos.

Adicionalmente, sus líneas de trabajo incluyen matemáticas actuariales de largo plazo, modelos estadísticos de riesgo, análisis predictivo y descriptivo de datos, teoría de persistencia, y categorías trianguladas y singulares.

Cuenta con 15 publicaciones en revistas académicas indexadas en Publindex, al menos 10 de ellas de tipo A. Ha completado satisfactoriamente tres exámenes de la Sociedad de Actuarios de los Estados Unidos. Ha recibido el Premio Presidencial de Valdosta State University por excelencia en investigación y ha codirigido 4 tesis de doctorado en la Universidad de Antioquia.

Quiero Inscribirme en Línea

¿Decidiste tomar este curso? ¡Felicitaciones! puedes realizar tu inscripción y pago en línea, a través de nuestra Plataforma de Servicios Financieros. Por favor, ten en cuenta que al realizar el proceso, aceptas los términos y condiciones del programa. Luego de la inscripción, recibirás la orientación necesaria por parte de uno de nuestros asesores sobre la documentación necesaria (si el curso lo requiere) y sobre el inicio de clases.

La Fundación Universitaria Konrad Lorenz se reserva el derecho de aplazar o cancelar los programas de Educación Continua, cuando no cuente con el número de personas matriculadas requeridas para su realización. Cuando esto suceda, se informará con debida antelación.

Tel: (+57 1) 347 23 11
Carrera 9 Bis Nº 62-43 Bogotá -Colombia
info@konradlorenz.edu.co