Inteligencia competitiva y vigilancia tecnol贸gica
SIGLA
|
: INP3420
|
CAR脕CTER
|
: OPTATIVO
|
CR脡DITOS
|
: 10
|
PROFESOR
|
: Jocelyn Patterson, Elvira Saurina.
|
MODULOS
|
: 2
|
I. DESCRIPCI脫N
En este curso, se entregar谩n los conocimientos e instrumentos caracter铆sticos para desarrollar servicios de inteligencia competitiva (IC) y vigilancia tecnol贸gica (VT) en ambientes orientados a promover actividades de I+D+i. La inteligencia competitiva y la vigilancia tecnol贸gica, por medio de la captaci贸n, selecci贸n, an谩lisis, difusi贸n y comunicaci贸n de informaci贸n relevante de la propia organizaci贸n y del entorno cient铆fico-tecnol贸gico, ayudan a generar nuevos conocimientos para tomar decisiones estrat茅gicas con menor riesgo y anticiparse a los cambios. Se desarrollar谩n habilidades para la b煤squeda, interpretaci贸n y difusi贸n de informaci贸n de utilidad para la toma de decisiones de una empresa.
II. OBJETIVOS
- Dise帽ar, implementar y evaluar servicios de inteligencia competitiva y vigilancia tecnol贸gica para fomentar la innovaci贸n en organizaciones.
- Distinguir y aplicar los procesos principales de la IC/VT.
- Identificar necesidades de informaci贸n en una organizaci贸n.
- Seleccionar y usar las fuentes de informaci贸n m谩s apropiadas seg煤n tipo de necesidad o proyecto de investigaci贸n.
- Definir y elaborar un plan de recogida de informaci贸n.
- Analizar, sintetizar y comunicar informaci贸n y conocimientos en una amplia variedad de formatos.
- Analizar problemas de informaci贸n y desarrollar soluciones, bas谩ndose en diversas herramientas tecnol贸gicas y las mejores pr谩cticas.
III. CONTENIDOS
- Introducci贸n a la Inteligencia Competitiva (IC) y a la Vigilancia Tecnol贸gica (VT).
- Definici贸n y conceptos.
- Enfoques de la Inteligencia Competitiva.
- Rol de la Innovaci贸n
- Estudio de las necesidades de IC y VT.
- Definici贸n de necesidades.
- T茅cnicas, m茅todos e instrumentos.
- Fases del proceso de VT.
- C铆rculo de Inteligencia.
- Actividades IC/VT.
- B煤squeda de informaci贸n
- Clasificaci贸n de las fuentes: primarias y secundarias.
- Patentes y marcas: bases de datos y directorios
- An谩lisis, tratamiento y difusi贸n de la informaci贸n
- Modelos de an谩lisis
- An谩lisis de patentes y an谩lisis bibliom茅tricos
- Tratamiento de la informaci贸n: rol de los expertos y validaci贸n de la informaci贸n
- Difusi贸n de la informaci贸n: herramientas.
- Dise帽o de un sistema de VT en una empresa
IV. METODOLOG脥A
- Clases expositivas
- Lecturas
- Estudio de casos
- Presentaciones
V. EVALUACI脫N
- Proyecto
- Presentaciones
- Tareas sobre an谩lisis de casos
- Participaci贸n en clase
VI. BIBLIOGRAF脥A
- Escorza, P. ,La inteligencia competitiva: factor clave para la toma de decisiones estrat茅gicas en las organizaciones. Madrid, Espa帽a, 2008. Disponible en: http://www.madrimasd.org/informacionidi/biblioteca/publicacion/d oc/35_INTEC.pdf
- Garc铆a Alsina, M. y Ortoll Espinell, Eva. Inteligencia competitiva: corpus te贸rico y pr谩cticas. Ibersid. Madrid, Espa帽a. 6(2012), p.77-88.
- Hohhof, B. Competitive intelligence anthology. San Antonio, USA: SCIP, 2010.
- Sharp, S. Competitive intelligence advantage: how to minimize risk, avoid surprises, and grow your business in a changing world. Hoboken, New Jersey: Wiley, 2009.
Recuperaci贸n de informaci贸n
SIGLA
|
: INP3420
|
CAR脕CTER
|
: M脥NIMO
|
CR脡DITOS
|
: 10
|
PROFESOR
|
: Olga Acosta
|
MODULOS
|
: 2
|
I. DESCRIPCI脫N
En este curso se tratar谩n los temas la recuperaci贸n y extracci贸n de la informaci贸n. La recuperaci贸n se refiere a aquellos procesos que permiten obtener y enlistar conjuntos de documentos relevantes obtenidos de grandes repositorios, principalmente de Internet, usando palabras claves o descriptores referidos a alg煤n rasgo particular de tales documentos. La extracci贸n de informaci贸n se enfoca en aquellos procesos dirigidos a la identificaci贸n y obtenci贸n de patrones espec铆ficos de informaci贸n insertos en textos, considerando para ello la combinaci贸n de reglas ling眉铆sticas con m茅todos probabil铆sticos.
II. OBJETIVOS
- Distinguir las diferencias entre recuperaci贸n y extracci贸n de informaci贸n.
- Localizar informaci贸n dentro de bases de datos referenciales y textuales, as铆 como otros repositorios similares.
- Comprender el funcionamiento de los sistemas de recuperaci贸n y extracci贸n de informaci贸n en repositorios electr贸nicos tanto comerciales como institucionales.
- Utilizar m茅todos de recuperaci贸n y extracci贸n en buscadores web.
- Evaluar la calidad de los resultados obtenidos, ponderando especialmente la calidad en la precisi贸n y cobertura de los patrones considerados.
- Aplicar las estrategias de posicionamiento en motores de b煤squeda para organizar la informaci贸n y lograr una b煤squeda efectiva.
III. CONTENIDOS
- Teor铆as y modelos de recuperaci贸n y extracci贸n de informaci贸n.
- M茅tricas de rendimiento en la recuperaci贸n y extracci贸n de informaci贸n: precision & recall (precisi贸n y cobertura).
- Estrategias y lenguajes de b煤squeda.
- Representaci贸n de textos: metadatos y lenguajes de marcaci贸n.
- Recuperaci贸n de informaci贸n en la web: motores, spiders y crawlers, an谩lisis de enlaces (pagerank).
- Buscadores, metabuscadores y visualizaci贸n de documentos.
- Extracci贸n e integraci贸n de informaci贸n: extracci贸n de datos desde textos en
formato XML.
- Recuperaci贸n de informaci贸n de datos semi-estructurados.
- Etiquetado social (tagging).
IV. METODOLOG脥A
- Clases expositivas
- Discusi贸n interactiva sobre los temas revisados
- Pr谩cticas con m贸dulos de Python (NLTK, BeautifulSoup, Gensim, Scipy, etc.) y el sistema Sketch Engine.
V. EVALUACI脫N
- Controles
- Exposici贸n
- Proyecto final
VI. BIBLIOGRAF脥A
- Baeza-Yates, R., et al. Modern information retrieval: The concepts and technology behind search. 2nd Edition. ACM Press Books. Addison-Wesley Professional, 2011.
- Barnbrook, Geoff, et al. Meaningful Texts: The Extraction of Semantic Information from Monolingual and Multilingual Corpora. London/New York, Continuum, 2005.
- Chowdhury, G. ntroduction to modern information retrieval. 2nd ed. Oxford, Oxford University Press, 2003.
- Frakes, W.B., et al. Information retrieval: data structures and algorithms. Englewood Cliffs, NJ., Prentice-Hall, 1992.
- Jackson, Peter, et al. Natural Language Processing for Online Applications: Text Retrieval, Extraction and Categorization. Amsterdam/Philadelphia, John Benjamins, 2002.
Miner铆a de Datos
SIGLA
|
: INP3430
|
CAR脕CTER
|
: OPTATIVO
|
CR脡DITOS
|
: 10
|
PROFESOR
|
: Denis Parra
|
MODULOS
|
: 2
|
I. DESCRIPCI脫N
El objetivo de este curso es proporcionar al alumno elementos que le permitan entender las principales teor铆as y pr谩cticas de la emergente 谩rea de Miner铆a de Datos. Al final del curso el alumno deber谩 tener un conocimiento te贸rico y pr谩ctico de las principales t茅cnicas utilizadas actualmente en la creaci贸n de programas capaces de extraer conocimiento relevante desde bases de datos y conocer algunas de las principales aplicaciones donde en la actualidad este tipo de t茅cnicas est谩n teniendo una amplia aceptaci贸n, comprendiendo sus potencialidades y limitaciones.
II. OBJETIVOS
- Aprender t茅cnicas de clustering para procesamiento de informaci贸n
- Comprender y aplicar algoritmos de clasificaci贸n
- Aplicar reglas de asociaci贸n
III. CONTENIDOS
- Introducci贸n El concepto y proceso de Miner铆a de Datos, tipos de problemas en que la Miner铆a de Datos es relevante.
- Data Warehouse y OLAP
- Arquitecturas
- implementaciones
- aplicaciones en Miner铆a de Datos.
- Preparaci贸n de la informaci贸n
- Datos ruidosos,
- datos faltantes,
- reducci贸n de la dimensionalidad y transformaciones, integraci贸n e inconsistencias.
- Reducci贸n de la Informaci贸n
- An谩lisis de las Componentes principales
- Clasificaci贸n
- 脕rboles de Decisi贸n
- NaiveBayes
- Razonamiento en Base a casos.
- Clustering y medidas de similaridad en distintos tipos de datos.
- Clustering particional: K-Means, Mean Shift.
- Medidas de similaridad para distintos tipos de datos.
- Clustering aglomerativo.
- Selecci贸n de Modelos (Hold Out, Cross Validation.).
- Conceptos B谩sicos en Miner铆a de Texto.
IV. METODOLOG脥A
- Clases expositivas
- Actividades en clases
- Trabajos grupales
V. EVALUACI脫N
- Tareas
- Controles
- Trabajo final
VI. BIBLIOGRAF脥A
- Data Mining: Practical Machine Learning Tools and Techniques, Ian H. Witten, Eibe Frank
- Data Mining: Concepts and Techniques, Jiawei Han and Micheline Kamber.
- Machine Learning, Tom M. Mitchell
- Kimball, R. 鈥漈he data warehouse toolkit : the complete guide to dimensional modeling鈥, John Wiley and Sons, 2002.
- Inmon, W.H., 鈥滲uilding the DataWarehouse鈥, John Wiley and Sons; 3th edition, 2002.
- T. Hastie, R. Tibshirani, and J. Friedman, 鈥漈he Elements of Statistical Learning: Data Mining, Infe- rence, and Prediction鈥, Springer, 2001.
- Berry, M. and Linoff, G., 鈥滵ata Mining Techniques for Marketing, Sales and Customer Support鈥, Wiley, 1997.
- Berson, A., Thearling, K., and Smith, S. 鈥滲uilding Data Mining Applications for CRM鈥, McGraw Hill, 1999.
- Dyche, J., .e-Data: Turning Data into Information with Data Warehousing鈥, Addisson Wesley, 2000.
Procesamiento del lenguaje natural
SIGLA
|
: LET3320
|
CAR脕CTER
|
: M脥NIMO
|
CR脡DITOS
|
: 10
|
PROFESOR
|
: C茅sar Aguilar
|
MODULOS
|
: 2
|
I. DESCRIPCI脫N
Este curso presenta una introducci贸n general al procesamiento del lenguaje natural (o PLN), la cual es un 谩rea de investigaci贸n emergente orientada hacia la generaci贸n y uso de herramientas computacionales en el estudio de una lengua. El curso se enfoca en: 鈥 el manejo (semi) automatizado de enormes repositorios de documentos, conocidos como corpus ling眉铆sticos; -el empleo de t茅cnicas estad铆sticas para determinar comportamientos regulares y/o irregulares en fen贸menos observables en corpus; y 鈥 la implementaci贸n de herramientas computacionales para procesar eficientemente palabras y/o frases.
II. OBJETIVOS
Brindar a los estudiantes una panor谩mica general sobre lo que es el PLN, ponderando tanto una descripci贸n te贸rica de sus conceptos y m茅todos principales, as铆 como el aprendizaje de t茅cnicas de programaci贸n para desarrollar herramientas de an谩lisis.
- Definir en qu茅 consiste el PLN.
- Definir sus conceptos y m茅todos b谩sicos.
- Aprender a usar la librer铆a NLTK, programada en lenguaje Python.
- Identificar sus principales l铆neas de investigaci贸n.
- Desarrollar un proyecto basado en alguna de las l铆neas de investigaci贸n revisadas.
III. CONTENIDOS
- Nociones b谩sicas: definici贸n del PLN, gram谩ticas formales, gram谩ticas libres de contexto, n-gramas, corpus ling眉铆sticos, etiquetado ling眉铆stico, chunking y parsing, bases de conocimiento l茅xicas.
- Herramientas de an谩lisis: m贸dulos de procesamiento textual de NLTK.
- T茅cnicas de an谩lisis: probabilidades condicionales, informaci贸n mutua y entrop铆a, precisi贸n & recall.
- L铆neas de investigaci贸n: recuperaci贸n y extracci贸n de informaci贸n, reconocimiento de entidades nombradas, clasificaci贸n de textos, miner铆a de textos, desarrollo de ontolog铆as.
IV. METODOLOG脥A
- Clases expositivas.
- Sesiones de taller con computadores para el aprendizaje en el manejo de herramientas.
- Entrega de evaluaciones parciales.
- Trabajo final.
V. EVALUACI脫N
- Controles
- Trabajos parciales
- Trabajo final
VI. BIBLIOGRAF脥A
- Bird, Steven, Klein, Ewan y Loper, Edward (2010): Natural Language Processing with Python. Analyzing Text with the Natural Language Toolkit, Sebastropol, Cal., O'Reilly Media.
- Clark, Alexander, Fox, Chris and Lappin, Shalom (Eds.) (2010): The Handbook of Computational Linguistics and Natural Language Processing, Oxford, UK, Wiley-Blackwell.
- Jurafsky, Daniel y Martin, James (2009): Speech and Language Processing, Second Edtion, New Jersey, Prentice Hall.
An谩lisis de redes y medios sociales
SIGLA
|
: INP3460
|
CAR脕CTER
|
: M脥NIMO
|
CR脡DITOS
|
: 10
|
PROFESOR
|
: Jorge Gana
|
MODULOS
|
: 2
|
I. DESCRIPCI脫N
En este curso se entregar谩n herramientas para comprender las interacciones que emergen de la convergencia entre redes sociales y tecnol贸gicas y c贸mo estas redes impactan las necesidades de comunicaci贸n, la diseminaci贸n de la informaci贸n, la interacci贸n social, la formaci贸n de comunidades y los nuevos tipos de mercados. Se estudiar谩n los mecanismos de an谩lisis de las redes y su comportamiento estructural, incluyendo m茅todos de an谩lisis de grafos, modelos de difusi贸n y propagaci贸n de la informaci贸n en el web, blogs, micro blogs, wikis, entre otros. Las t茅cnicas anal铆ticas incluyen la miner铆a de texto y datos, recuperaci贸n de la informaci贸n, algoritmos de enlaces, de clasificaci贸n y agrupamiento (clustering), an谩lisis de sentimientos y recomendaciones, entre otros.
II. OBJETIVOS
- Identificar los procesos de difusi贸n y los comportamientos de las cascadas de informaci贸n en las redes.
- Comprender y analizar los recientes trabajos cient铆ficos para explicar las estructuras sociales, econ贸micas y t茅cnicas y sus interacciones.
- Analizar los aspectos computacionales y de ciencias sociales de las redes.
- Interpretar ideas y m茅todos de diferentes disciplinas para entender los desaf铆os y enfoques en el an谩lisis y dise帽o de las redes y sus mecanismos asociados.
- Aplicar y dise帽ar algoritmos para analizar redes, extraer informaci贸n y hacer recomendaciones.
III. CONTENIDOS
- Introducci贸n.
- Seis grados de separaci贸n 鈥 experimento del mundo peque帽o.
- Teor铆a de grafos y redes sociales.
- Redes de informaci贸n y el web.
- Redes de interacci贸n, teor铆a de juegos y dise帽o de mecanismos.
- Mercados e internet.
- Efectos de red y cascadas de informaci贸n.
- Clasificaci贸n, an谩lisis de sentimiento y polarizaci贸n.
- Estudios sobre difusi贸n y propagaci贸n en redes.
- Estudios sobre detecci贸n de brotes (epidemias) en redes.
IV. METODOLOG脥A
- Clases expositivas
- Lecturas guiadas
- Tareas
- Trabajos grupales
V. EVALUACI脫N
- Interrogaci贸n
- Tareas
- Controles de lectura
- Examen
VI. BIBLIOGRAF脥A
- Easley D., Kleinberg. Networks, Crowds, and Markets: Reasoning about a Highly Connected World. Cambridge University Press, 2010.
- Watts, Duncan J. Six Degrees: The Science of a Connected Age,W.W. Norton, 2003.
- Gladwell, Malcom The Tipping Point: How Little Things Can Make a Big Difference. Little, Brownand Company, 2002.
- Jackson, Mathew Social and Economic Networks.Princeton University Press, 2010.
- M. E. J. Newman Networks, An Introduction. Oxford University Press, 2010.
- Christakis N.A., Fowler J.H. Connected, Back Bay Books (reprinted), 2011.
Servicios y mercados electr贸nicos
SIGLA
|
: INP3550
|
CAR脕CTER
|
: OPTATIVO
|
CR脡DITOS
|
: 10
|
PROFESOR
|
: Mauricio Arriagada
|
MODULOS
|
: 2
|
I. DESCRIPCI脫N
Este curso se focaliza en el estudio de los fundamentos y el impacto del comercio y de los servicios electr贸nicos, basados en transacciones sustentadas por medios digitales. Se analizar谩 la forma de hacer negocios en las empresas, industrias, mercados y sociedad, de modo de comprender mejor sus estrategias y la competitividad en los mercados electr贸nicos. El curso examinar谩 las principales tendencias tecnol贸gicas en comercio electr贸nico, incluyendo aspectos de su econom铆a, marketing y los efectos de las emergentes redes sociales.
II. OBJETIVOS
- Aprender los fundamentos de comercio elerctr贸nico.
- Entender la importancia de los servicios electr贸nicos.
- Comprender los fundamentos posicionamiento del comercio electr铆nico en Internet.
- Comprender el impacto del comercio electr贸nico en las empresas, industrias, mercados y sociedad,
III. CONTENIDOS
- ECONOMIA DE LA INFORMACION
- El Precio de la Informaci贸n
- Diferenciaci贸n de Producto y Precio
- 鈥淏undling鈥 o empaquetamiento
- 鈥淟ock-in鈥 y su Gesti贸n
- Redes y Realimentaci贸n Positiva
- ESTRATEGIAS Y MODELOS DE NEGOCIO
- Comercio Electr贸nico B2C
- Comercio Electr贸nico C2C
- Comercio Electr贸nico B2B
- Casos Emblem谩ticos
- MECANISMOS PARA EL COMERCIO ELECTRONICO
- Motores de B煤squeda
- Infraestructura para el e-Business
- Sistemas de Pago Electr贸nico
- MARKETING EN INTERNET
- Personalizaci贸n, diferenciaci贸n, segmentaci贸n
- SEO (Search Engine Optimization)
- Publicidad Patrocinada
- Web Analytics
- PRIVACIDAD Y PROPIEDAD INTELECTUAL
- FUNDAMENTOS DE SUBASTAS
- Primer Precio Oferta Sellada
- Segundo Precio Oferta Sellada
- Ascendente (Inglesa)
- Descendente (Holandesa)
- COMERCIO MOVIL
- Negocio de Contenidos
- Resumen tecnolog铆a
IV. METODOLOG脥A
- Clases expositivas
- Actividades en clases
- Trabajos grupales
V. EVALUACI脫N
- Controles
- Participaci贸n
- Trabajo final
VI. BIBLIOGRAF脥A
- C. Shapiro, H. Varian, 鈥淚nformation Rules鈥, Harvard Business School Press, 1999.
- K. C. Laudon, C. G.Traver 鈥淓-Commerce: business, technology, society鈥, 12th Edition, Addison-Wesley/Pearson, 2016.
- David Easley and Jon Kleinberg 鈥淣etworks, Crowds, and Markets: Reasoning about a Highly Connected World鈥. Cambridge University Press, 2010.
- Varian, Hal R; Farrell, Joseph and Shapiro, Carl 鈥淭he economics of Information Technology. An Introduction鈥 Raffaele Mattioli Lectures, Cambridge Univ. Press, 2005.
- Chris Anderson 鈥淭he Long Tail鈥, Hyperion, NY, 2008.
John Battelle 鈥淭he Search鈥 How Google ant its Rivals Rewrote the Rules of
- Business and Transformed our Culture, Portfolio (Penguin Group), 2005
Archivistica
SIGLA
|
: INP3250
|
CAR脕CTER
|
: OPTATIVO
|
CR脡DITOS
|
: 10
|
PROFESOR
|
: Rodrigo Sandoval
|
MODULOS
|
: 2
|
I. DESCRIPCI脫N
Este curso entrega conceptos, herramientas y estrategias para la gesti贸n efectiva y eficiente de documentos y archivos. Se analiza y debate la disciplina archiv铆stica y su aplicaci贸n en la gesti贸n de la informaci贸n.
II. OBJETIVOS
Al finalizar el curso el estudiante alumno ser谩 capaz de:
- Analizar los servicios y normas asociadas a la gesti贸n de documentos y archivos.
- tilizar las herramientas que permitan una adecuada gesti贸n de documentos y la administraci贸n de sistemas de archivos.
- Manejar las t茅cnicas utilizadas para analizar problemas complejos en archivos y crear las soluciones apropiadas.
- Comprender y problematizar la historia de los archivos y las funciones que cumplen en la sociedad.
III. CONTENIDOS
- Fundamentos de archiv铆stica.
- Tipolog铆a de fondos p煤blicos y privados.
- Historia de los Archivos y la Archiv铆stica. Funciones.
- Los Archivos y la Archiv铆stica en Chile.
- Normas internacionales de descripci贸n archiv铆stica. ISAD(G), ISAAR (CPF), ISDIAH, ISDF.
- El tratamiento Archiv铆stico. Clasificaci贸n, ordenaci贸n, descripci贸n y recuperaci贸n.
- Prevenci贸n, conservaci贸n y restauraci贸n.
- Gesti贸n de documentos.
- ISO 15489 / ISO 30300.
- Documentos electr贸nicos.
- Documentaci贸n empresarial.
- Archivos digitales.
IV. METODOLOG脥A
El curso se desarrolla en forma de seminario con lecturas por sesi贸n que deber谩n ser le铆das, analizadas y debatidas en clase. Los estudiantes realizar谩n un ensayo a partir de una selecci贸n de bibliograf铆a de los contenidos presentados en clases, asimismo preparar谩n una investigaci贸n monogr谩fica analizando un caso de gesti贸n de documentos y archivos de instituci贸n de inter茅s.
V. EVALUACI脫N
- Ensayo.
- Participaci贸n en clases.
- Trabajo Final.
VI. BIBLIOGRAF脥A
El proceso de innovaci贸n
Este curso analiza el proceso de innovaci贸n a trav茅s de cinco niveles de an谩lisis: individual, de equipo, de red, organizacional, e industrial. En cada nivel de an谩lisis, se presta especial atenci贸n a las condiciones bajo las cuales los procesos de innovaci贸n pueden tener 茅xito o fracasar. Al exponer a los estudiantes a una variedad de perspectivas sobre la innovaci贸n, se fomentar谩n sus experiencias en trabajos anteriores y se preparar谩n para diversas actividades creativas laborales. Profesor: Fernando Barraza.
Estudios de usuarios y desarrollo de competencias informacionales
Este curso entregar谩 los conceptos y t茅cnicas b谩sicas para desarrollar y gestionar estudios de usuarios que permitan detectar en forma eficiente necesidades emergentes de ellos y de las comunidades, como tambi茅n su nivel de satisfacci贸n. Adem谩s se entregar谩n los conocimientos, habilidades y valores necesarios para el dise帽o, implementaci贸n, evaluaci贸n y gesti贸n de programas de desarrollo de competencias informacionales (DCI) para diversas comunidades.
Profesores: Elvira Saurina, Viena Covarrubias.
|
|