Diplomado en Data Science
- Fecha de inicio: 04 de septiembre de 2026
- Modalidad a distancia: Google Meet y Plataforma Moodle
Presentación
El crecimiento exponencial en la generación y complejidad de los datos está transformando la manera en que las organizaciones toman decisiones. En la actualidad, toda actividad humana produce información valiosa, y las nuevas tecnologías de captura y procesamiento amplían las posibilidades de análisis, aprendizaje y mejora continua. En este contexto, Data Science se consolida como una disciplina esencial para comprender, interpretar y aprovechar el valor oculto en los datos, promoviendo un uso ético y responsable de la información.
El Diplomado en Data Science de la Universidad Católica San Pablo responde a esta necesidad, ofreciendo una formación sólida y aplicada en los principales componentes de la ciencia de datos: estadística, machine learning y visualización. Es el único programa en la región Arequipa que brinda una formación integral y práctica en esta área, respaldado por el Departamento de Ciencia de la Computación, pionero en el país en la enseñanza bajo los estándares internacionales de la ACM. La enseñanza está a cargo de una plana docente nacional, con formación en universidades de prestigio de Brasil y Estados Unidos, e invitados del extranjero con amplia experiencia en el campo.
A lo largo del programa, los participantes desarrollarán habilidades para resolver problemas complejos mediante el análisis y modelamiento de grandes volúmenes de datos (Big Data), aplicando herramientas modernas y metodologías de vanguardia. Esta formación les permitirá acceder a un mercado laboral en crecimiento, impulsar su desarrollo dentro de sus organizaciones y liderar proyectos de innovación basados en datos. Es una oportunidad para fortalecer su perfil profesional y convertirse en protagonistas del cambio tecnológico y científico en el país.
Objetivos
- Formación sólida en métodos modernos para el análisis de datos.
- Acceso a un mercado laboral en franco crecimiento para profesionales con estas habilidades.
- Oportunidad de crecimiento profesional dentro de su organización.
- Posibilidad de desarrollar proyectos de análisis de datos a gran escala (Big Data).
Dirigido principalmente a
¿A quién está dirigido?
- Profesionales de Ciencia de la Computación, Ingeniería, Matemática, Estadística, Educación, Finanzas, Administración, Ventas, Manufactura, Minería y áreas biomédicas.
- Personas con conocimientos básicos de programación interesadas en analizar datos y convertirlos en información útil para la toma de decisiones.
- Quienes buscan crecer profesionalmente aplicando técnicas de Data Science en su organización.
- Abierto a participantes de cualquier ciudad del Perú.
Metodología
Nuestra metodología es dinámica e integra la teoría con tu experiencia profesional para potenciar tus competencias. No solo escucharás a expertos: también reflexionarás, debatirás y aplicarás lo aprendido mediante lecturas, ensayos y actividades prácticas cuidadosamente diseñadas para fortalecer tu crecimiento profesional.
Creditaje
25 créditos.
Plan de estudios
SEMESTRE I
- Python para Data Science: Este curso tiene como objetivo realizar un estudio profundo del lenguaje de programación Python en tareas de análisis de datos. En ese sentido, se estudiarán: conceptos avanzados de Python. Asimismo, se utilizarán funciones de Numpy, Dataframes y librerías de Python para la construcción de aplicaciones de Data Science.
- Aprendizaje Estadístico: Entre los tópicos que serán estudiados están: la simulación computacional de fenómenos aleatorios, muestreo de Monte Carlo, la generación de variables aleatorias, análisis exploratorio de datos y el reconocimiento de patrones estadísticos. Asimismo, a través del uso de lenguaje R, se estudiarán ejemplos aplicados a casos reales y conjuntos de datos en varias áreas de negocios, incluyendo marketing, recursos humanos, finanzas y operaciones.
SEMESTRE II
- Big Data y Data Science: Este curso tiene como objetivo presentar un panorama general de un proyecto de Data Science. Asimismo, se introducirán tópicos avanzados de Big Data tales como: MapReduce, Hadoop, procesamiento en memoria con Spark y análisis distribuido. Todo esto con el fin de llevar a cabo un proyecto de análisis masivo y escalable en las organizaciones.
- Machine Learning y Deep Learning: Para poder tomar decisiones informadas basadas en datos, es importante la definición de modelos. Este curso presenta herramientas, algoritmos y técnicas para construir modelos predictivos que se utilizan en el área de Machine Learning y Deep Learning. Desde métodos no supervisados (clustering, reducción de dimensionalidad), redes neuronales (convolucionales, recurrentes), hasta IA generativa.
- Visualización de datos: En este curso de visualización de datos, se tiene como objetivo aprender cómo diseñar herramientas interactivas gráficas para extraer información mediante un análisis exploratorio, explotando la combinación entre percepción humana y analíticas visuales. La aplicación de estos gráficos estará enfocada en el análisis de datos multidimensionales, temporales, espaciales y de otras naturalezas, que son generadas cada minuto del día, por medio de herramientas como Tableau y librerías como Matplotlib, Seaborn, Plotly, Folium, OSMNx y más.
Proceso de evaluación
Virtual asincrónico.
Metodología de evaluación: Participación en aula, desarrollo de casos de estudio, exposiciones, exámenes, trabajo integrador.
Plana docente
Erick Gómez Nieto
Doctor en Ciencia de la Computación y Matemática Computacional por la Universidad de São Paulo. Profesor asociado del Departamento de Ciencia de la Computación de la Universidad Católica San Pablo (UCSP). Ha sido investigador visitante en la Universidad de New York, investigador en el grupo de Visual Analytics de IBM Research en Brasil y postdoctorado en el Center for Study of Violence en Brasil. Su experiencia se centra en visualización de datos, visual analytics y data science, campos en los que ha desarrollado una reconocida trayectoria académica y profesional.
José Eduardo Ochoa Luna
Doctor en Ciencia de la Computación por la Universidad de São Paulo. Coordinador de la Maestría en Ciencia de Datos de la UCSP. Especialista en Inteligencia Artificial y análisis de datos en redes sociales, con amplia experiencia en procesamiento de lenguaje natural y Deep Learning. Ha liderado diversos proyectos de análisis de datos aplicados al estudio del comportamiento digital y cuenta con más de 40 publicaciones indexadas en revistas y conferencias internacionales.
Daniel Alexis Gutierrez Pachas
Doctor en Ciencia de la Computación y Matemática Computacional por la Universidad de São Paulo. Director del Departamento de Ciencia de la Computación de la UCSP y miembro del Comité Latinoamericano de Matemática Aplicada Computacional e Industrial (CLAMACI) e IEEE-Perú. Ha sido responsable técnico del proyecto ganador de la convocatoria PROCIENCIA en investigación básica (2025) y es investigador reconocido por Concytec. Su labor combina liderazgo académico, investigación aplicada y gestión institucional orientada al fortalecimiento de la ciencia computacional en el país.
Rosa Paccotacya Yanque
Magíster en Ciencia de la Computación por la Universidad de Campinas. Su investigación se enfoca en Inteligencia Artificial explicable aplicada al diagnóstico del cáncer de piel, con el propósito de generar modelos confiables y éticos. Ha participado en diversos proyectos de investigación aplicada en AI for Social Good, Responsible AI, Explainable AI y Computer Vision. Actualmente, es docente de la UCSP y promotora del desarrollo de una inteligencia artificial responsable y transparente.
Gina Muñoz Salas
Magíster en Ciencia de la Computación por la Universidad Católica San Pablo. Posee experiencia en Visual Analytics, Machine Learning y Big Data, con énfasis en el análisis de grandes volúmenes de datos y desarrollo de software en entornos de computación en la nube. Es profesora del Departamento de Ciencia de la Computación de la UCSP y contribuye activamente al fortalecimiento de la formación aplicada en ciencia de datos.
* La Escuela de Postgrado UCSP podrá realizar cambios en la plana docente designada al dictado de los respectivos cursos al tratarse de casos fortuitos o de fuerza mayor.
Calendario
| Calendario | |
| Fecha de Inicio | 4 de septiembre de 2026 |
| Fecha de Fin | 3 de abril de 2027 |
| Duración | 7 meses |
| Horario |
|
| Lugar | Plataforma Moodle y Google Meet |
* La Escuela de Postgrado se reserva el derecho de cambiar la plataforma virtual.
* La Escuela de Postgrado UCSP se reserva el derecho de cancelar o postergar el programa si no alcanza el mínimo de alumnos matriculados hasta 7 (siete) días hábiles anteriores a la fecha indicada para el inicio del programa.
Tiempo de dedicación al programa
| Horas teóricas: | 200 |
| Horas prácticas: | 400 |
| Horas presenciales: | 0 |
| Horas no presenciales: | 600 |
* Horas lectivas: 200, Horas no lectivas: 400
Inversión
- Preventa: S/ 4,700 hasta el 03 de julio de 2026 (cupos limitados).
- Precio al contado: S/ 5,200.
- Precio total: S/ 5,700 fraccionado en cuotas de:
- Cuota Inicial de S/ 712.50
- 7 cuotas de S/ 712.50
Descargar cuadro de pagos
- Descuentos:
- Pregunta por tu descuento a la comunidad UCSP y antiguos alumnos.
- Pregunta por tu descuento corporativo (3 o más personas).
* Para mayor información consulta con nuestra asesora educativa.
* Para ver las orientaciones para devolución de pagos darle clic aquí.
* Aceptamos pagos con todas las tarjetas.
* Los descuentos no son acumulables.
* Los descuentos a la comunidad UCSP, antiguos alumnos y corporativo no aplican en precio de preventa.
* El monto de matrícula es de S/ 200 y está incluida en todas las modalidades de pago y es única al momento de la admisión.
Certificación
Diploma de Postgrado en Data Science otorgado por la Universidad Católica San Pablo.* Diploma de postgrado con firmas emitidas en medios digitales. * Para obtener el diploma de Postgrado, el estudiante debe acreditar el grado académico de bachiller, cumplir con 25 créditos académicos aprobados en el programa de estudios, aprobar todos los cursos con nota mayor o igual a 12 y no tener obligaciones económicas pendientes de pago con la universidad.
Organiza
Requisitos de admisión
INSCRIPCIÓN
- Ficha de inscripción correctamente llenada.
- Documento de identidad:
- Peruanos: Copia simple de DNI.
- Extranjeros: Copia simple del carné de extranjería, pasaporte o documento de identidad oficial de su país de origen.
- Documento académico:
- Peruanos: Reporte SUNEDU, en caso de no contar con el reporte, copia legalizada del diploma de bachiller.
- Extranjeros: Copia legalizada del diploma de bachiller por la autoridad competente en el país de origen.
MATRÍCULA
- Compromiso de honor firmado.
- Contrato de prestación de servicios firmado.
* La información que el postulante ingrese en la inscripción es su responsabilidad, la UCSP presume su veracidad.
* Se considera apto para matrícula al postulante que cumpla con todos los requisitos de admisión.
* Si el postulante realiza el pago con anterioridad al proceso de admisión y se comprueba el no cumplimiento de algún requisito de admisión, no se considerará la matrícula.
Condiciones de permanencia y culminación
- Reglamento de Admisión para la Escuela de Postgrado: https://ucsp.edu.pe/transparencia/reglamento-de-admision-para-la-escuela-de-postgrado/
- Reglamento de Estudiantes de la Escuela de Postgrado: https://ucsp.edu.pe/transparencia/reglamento-de-estudiantes-de-la-escuela-de-postgrado/
- Reglamento General de Grados y Títulos: https://ucsp.edu.pe/archivos/transparencia/R-VICE-08-Reglamento-General-de-Grados-y-Titulos.pdf
- Disposiciones particulares de Grados y Títulos de la Escuela de Postgrado: https://ucsp.edu.pe/transparencia/disposiciones-particulares-de-grados-y-titulos-de-la-escuela-de-postgrado/
Requerimientos tecnológicos
- Contar con PC o Laptop.
- Cámara web (interna o externa) con mínimo de 720p de resolución.
- Micrófono (interno o externo).
- Acceso a internet – la velocidad recomendada es de 4 Mbps para descarga y 1 Mbps para subida o superior.
- Navegador Google Chrome o Firefox actualizado.
Solicita información
Para inscripciones comunicarse con:
Para consultas sobre el contenido técnico de los temas del diplomado:
Programas relacionados
Fecha de Inicio: 07 de octubre de 2026 Al final del curso, los estudiantes serán capaces de comprender, evaluar y aplicar modelos de visión computacional para resolver problemas reales, con una visión crítica de sus capacidades, sus limitaciones y las implicancias éticas de su uso.
Fecha de Inicio: 17 de septiembre de 2026 Este curso se presenta como una continuación del curso Forecasting con IA que presenta los conceptos básicos de Forecasting, modelos Estadísticos clásicos, y modelos que aplican IA.
Fecha de Inicio: 27 de agosto del 2026 Proveer a los alumnos conocimientos teórico, técnico y de implementación de las arquitecturas basadas en la red neuronal Transformer. Así también como proveer habilidades de pre-procesamiento de datos, construcción de arquitecturas de modelos de lenguaje basadas en Transformer tales como BERT y...
