Analítica para los Negocios II
Universidad Técnica Federico Santa María. De las redes neuronales a los modelos de lenguaje (LLMs): cómo convertir texto de clientes en decisiones de negocio con embeddings, transformers y asistentes que responden con los documentos de la empresa.
🗓️ Revisa el detalle semana a semana en Calendario, el material de cada cápsula en Clases lo que hay que entregar en Sprints y buzón y dónde subirlo en Buzones de entrega.
📌 ¿De qué se trata?
En Analítica para los Negocios I aprendiste a predecir con datos en tablas: regresión, clasificación, árboles y una primera mirada a las redes neuronales. Pero gran parte de la información de una empresa no está en tablas, sino en texto: reclamos, reseñas, correos, conversaciones con clientes y manuales internos.
En este curso construirás, paso a paso, un sistema que lee lo que escriben los clientes y ayuda a decidir qué hacer, y en cada etapa usarás una herramienta más poderosa:
1 · Redes neuronales
Del modelo lineal a la red que aprende patrones no lineales.
2 · Embeddings
El significado de una frase convertido en un vector.
3 · Transformers y LLMs
Clasificar y extraer información con un prompt.
4 · RAG
Un asistente que responde con tus documentos y los cita.
5 · Decisión
¿Cuál conviene en producción, cuánto vale y qué riesgos tiene?
La pregunta que cruza todo el curso no es "¿cuál es el modelo más moderno?" sino "¿cuál conviene para este problema, con estos datos y este presupuesto?".
🧩 ¿Cómo funciona el curso?
📖 Cápsulas de autoestudio
Cada semana se publica una cápsula: una página didáctica con explicaciones, simuladores interactivos, código Python que se ejecuta en el navegador y preguntas de autoevaluación, más un notebook de Colab para aplicar todo a tu caso.
🧑🏫 Tutoría — jueves 18:30
Una hora a la semana (18:30 a 19:30) para revisar el avance de cada equipo: dudas de la cápsula, revisión del notebook y retroalimentación con semáforo 🟢🟡🔴. No es una clase expositiva: llega con la cápsula estudiada y tus preguntas.
📬 Sprints por buzón
El proyecto avanza en tres sprints que se entregan por buzón hasta el domingo a las 23:59 y suman nota. La entrega final integra todo y se presenta el jueves 3 de diciembre.
📝 Evaluación
La nota del curso es la nota del proyecto final, que se construye en etapas:
| Componente | Ponderación | Fecha |
|---|---|---|
| Sprint 1 · Datos y primeros modelos | 10 % | Domingo 8 de noviembre, 23:59 |
| Sprint 2 · Embeddings | 10 % | Domingo 15 de noviembre, 23:59 |
| Sprint 3 · LLM | 10 % | Domingo 22 de noviembre, 23:59 |
| Entrega final · notebook y asistente RAG | 40 % | Domingo 29 de noviembre, 23:59 |
| Presentación final | 30 % | Jueves 3 de diciembre |
Rúbricas y detalles en Enunciado y rúbrica y Sprints y buzón.
👤 Equipo docente
Sebastián Azócar
Profesor · Data Scientist @ LATAM Airlines Group
Ingeniero Matemático (USACH) y Magíster en Data Science (UDD), con más de 5 años aplicando estadística y Machine Learning en la industria —Caja Los Andes, Walmart Chile y LATAM Airlines Group— y más de una década formando nuevas generaciones en ciencia de datos y estadística.
📚 Revisa el Programa para conocer resultados de aprendizaje, contenidos, metodología y bibliografía, o entra directo a la Clase 1.