El curso presenta los fundamentos y principales aplicaciones del machine learning en las ciencias sociales, abordando el aprendizaje supervisado y no supervisado, los algoritmos de clasificación y regresión, así como técnicas de clustering.

Expone cómo estas herramientas permiten analizar datos sociales, anticipar tendencias e identificar patrones para transformar información en conocimiento útil, evaluando modelos según su precisión, interpretabilidad y pertinencia.

La metodología combina teoría y práctica en formato online y sincrónico, con clases aplicadas, laboratorios en Python, análisis de casos y un proyecto final de modelado y predicción.

Este curso es conducente al Diplomado en Inteligencia de Datos en Ciencias Sociales, por lo que, al finalizarlo, podrás convalidarlo directamente para continuar con el diplomado.

El programa está dirigido a profesionales de ciencia de datos, marketing, business analytics o consultoría que necesiten extraer insights sociales y de consumo mediante modelamiento y machine learning, tanto en el ámbito público como privado. Profesionales de las ciencias sociales —como sociólogos, politólogos y antropólogos— interesados en análisis de datos, minería de texto y modelos predictivos; a economistas y especialistas en políticas públicas que buscan incorporar técnicas computacionales para la toma de decisiones basada en evidencia.

• Introducción al machine learning y sus aplicaciones en ciencias sociales. 

• Tipos de aprendizaje automático: supervisado y no supervisado. 

• Algoritmos de clasificación y regresión. 

• Técnicas de clustering y reducción de dimensionalidad. 

• Evaluación y selección de modelos de machine learning. 

• Consideraciones éticas en el uso de machine learning en ciencias sociales. 

• 10% de descuento al arancel para Alumni activos de programas regulares del ESE.
• 20% de descuento al arancel para Alumni, padres y apoderados de pregrado (excepto programas de continuidad de estudios).

*Descuentos no acumulables entre sí.
*Descuentos deben hacerse válidos solo al momento de la matrícula.