Hoy en día, no sólo contamos con mayor disponibilidad de datos espaciales, sino que también existen las herramientas para explotar el potencial productivo de los mismos. El uso intensivo de éstos nos puede permitir tomar mejores decisiones estratégicas. ¿Cómo nos preparamos para incorporar datos para apoyar la gestión interna de nuestras organizaciones y mantenernos competitivos?
Hay muchas preguntas prácticas que pueden ser informadas y apoyadas por procesos computacionales basados en data. ¿Dónde debiese localizar mi firma? ¿Cuánto vale una propiedad? Estos son algunos ejemplos del tipo de preguntas que los alumnos serán capaces de responder utilizando los contenidos del programa.
Este programa busca introducir a los estudiantes al uso de data y técnicas de machine learning para generar predicciones, y cómo incorporar este proceso estratégico en la gestión interna de las empresas. En particular, nos enfocaremos en geo-data, es decir, data referente a ciudades, la que tiene una componente de geo referenciación asociada.
El programa mostrará fuentes de información disponibles para Chile, cómo desplegar estos datos en mapas, y finalmente, cómo utilizar la naturaleza de esta información para generar predicciones, y así apoyar la toma de decisiones.
Busca desarrollar las capacidades básicas que permitan a los alumnos sentirse cómodos en el ambiente R.
Aborda cuál es la estructura de data necesaria para poder predecir dentro de las empresas. Revisa fuentes públicas de datos, cómo estructurar las bases, y cómo desplegar la información obtenida en mapas.
Revisa diversos modelos predictivos, y cómo ocupar nuestra data para entrenar estos modelos para resolver problemas concretos. En base a métodos los participantes serán capaces de incorporar a su análisis la metodología que ellos deseen sin un mayor costo para ellos.
Métodos para evaluar cuándo un modelo funciona correctamente y cuándo no. Cuáles son los factores a analizar antes de incorporar estos modelos en la toma de decisión de las empresas, y ver cómo diversas herramientas cumplen roles complementarios entre ellas.
Prepara a los participantes a desarrollar un Modelo de Valorización Automática (AVMs) de propiedades, utilizando data geo-referenciada. Trabaja con datos reales para la ciudad de Santiago.
Todo profesional que quiera introducirse en utilizar data geo-localizada para apoyar procesos de análisis y toma de decisiones, tanto de inversión inmobiliaria como de manejo de activos inmobiliarios. Todos aquellos que trabajan en organizaciones que manejan grandes volúmenes de datos, y desean hacer un uso intensivo de éstos. En particular a personas que trabajan en el mundo de desarrollos inmobiliarios, fondos de inversión, inversionistas, analistas inmobiliarios y tasadores.
Este programa resulta particularmente atractivo para profesionales jóvenes, que están acostumbrados a trabajar con grandes volúmenes de datos, tanto desde start-ups tecnológicas, como de empresas consolidadas, y que están haciendo importantes esfuerzos por incorporar nuevas tecnologías en sus procesos productivos.
- Desarrollar desde cero habilidades en programación en R
- Revisión teórica y práctica del manejo de bases de datos espaciales
- Desarrollo de capacidades para proyectar datos en mapas
- Desarrollo teórico y práctico de herramientas predictivas en machine learning
- Análisis conceptual de cómo incorporar estos conocimientos a la gestión interna y estratégica de las empresas en ámbitos inmobiliarios
Enfocado en transmitir los conocimientos específicos que permitan a los participantes implementar en sus empresas modelos predictivos de machine learning, además de entregar los conceptos teóricos que permitan un uso crítico de dichos modelos.
El programa combina lecturas, tareas prácticas y trabajos en equipo. Busca que los alumnos puedan desarrollar una tarea final que sea una aplicación concreta de estas herramientas.
POR PARTICIPANTE
