Programa de Formación Docente 2026

Ciencia de Datos y Business Intelligence para Ciencias Sociales

Facultad de Ciencias Económicas y Sociales (FACES) — UCAB

17 de marzo – 14 de mayo 2026  |  Virtual  |  6:00 – 8:00 p.m. (Venezuela)
Programa de 32 horas para docentes universitarios: Python, SQL, Power BI y modelos predictivos aplicados a la docencia, investigación y gestión en FACES-UCAB.

Explorar el programa
32h
Horas de formación
4
Módulos progresivos
5
Especialistas
32
Notebooks + laboratorios

Sobre el Programa

Este programa está diseñado para docentes universitarios de las escuelas de Economía, Administración Comercial y Ciencias Sociales de la Facultad de Ciencias Económicas y Sociales (FACES) de la Universidad Católica Andrés Bello (UCAB).

Su objetivo es desarrollar competencias prácticas en ciencia de datos y Business Intelligence que puedan aplicarse directamente en la docencia, la investigación académica y la gestión universitaria, utilizando herramientas modernas y datos contextualizados al entorno venezolano y latinoamericano.

No se requiere experiencia previa en programación. El programa parte desde fundamentos y avanza progresivamente hasta la construcción de proyectos aplicados por carrera.

4
Carreras atendidas
10
Datasets contextualizados
19
Notebooks de contenido
13
Laboratorios prácticos

Módulos del Programa

Un módulo preparatorio opcional, cuatro módulos progresivos impartidos por especialistas y un módulo complementario de IA — desde el pensamiento analítico hasta la aplicación profesional.

Opcional · Asincrónico

Módulo 00 — Preparación del entorno

Git, GitHub, Google Colab y Markdown — lo esencial para llegar listo al programa. Videos curados, guías paso a paso y un checklist de verificación. ~2 horas a tu ritmo.

Ver contenido
01

Pensar con datos en ciencias sociales y economía

6 horas — 24, 26 marzo & 6 abril
Ulises González
  • El ciclo de valor de los datos en FACES: de la pregunta a la decisión
  • Datos estructurados y no estructurados en ciencias sociales
  • Sesgos frecuentes: muestras, correlación vs causalidad
  • Tipos de análisis: descriptivo, exploratorio, inferencial, predictivo
  • Formulación de preguntas analíticas para la docencia

Presentaciones:

01 Ciencia de datos 02 Sesgos y análisis 03 Casos y proyecto

Laboratorio:

▶ Traduce tu asignatura a datos
Ver contenido en GitHub
02

Data Wrangling accesible (Python + SQL)

8 horas — 7, 9, 13, 14 abril
Gabriel Gómez
  • Python para ciencias sociales: Google Colab y Jupyter
  • Pandas y NumPy: carga, limpieza y transformación
  • Tratamiento de datos faltantes y outliers socioeconómicos
  • SQL básico: SELECT, WHERE, GROUP BY, JOIN
  • Entregable: dataset limpio y documentado para su curso

Presentación:

▼ Diapositivas del módulo (PPTX)

Clases:

01 Limpieza de datos 02 Gráficos y EDA 03 Outliers 04 Consultas SQL

Actividad integradora:

▶ Datos desde PDF (Panamá)
Ver contenido en GitHub
03

Business Intelligence aplicado a decisiones

10 horas — 16, 21, 23, 28, 30 abril
Ilda Rojas
  • Principios de visualización eficaz y narrativa con datos
  • Power BI / Tableau: conexión a datos, medidas y filtros
  • KPIs para FACES: deserción, rendimiento, empleo, desigualdad
  • Rediseño de dashboards: de lo incorrecto a lo efectivo
  • Entregable: dashboard prototipo para un curso o problema institucional

Sesiones:

01 Fundamentos de Power BI
Ver contenido en GitHub
04

Modelos predictivos simples y proyecto integrador

8 horas — 5, 7, 12, 14 mayo
Ricardo Navarro
  • Regresión lineal simple y múltiple: interpretación práctica
  • Clasificación binaria: deserción, morosidad, aprobación
  • Métricas: accuracy, precision, recall, bondad de ajuste
  • Flujo completo: importar → limpiar → modelar → comunicar
  • Proyecto integrador: diseño de proyecto final para su curso
Ver contenido
Opcional · Asincrónico · ~3 horas

Módulo Complementario — IA aplicada al análisis de datos

Cómo usar ChatGPT, Claude, Gemini y Copilot como asistentes en el flujo de datos: generar código, explorar datos, interpretar resultados y comunicar hallazgos — sin perder el pensamiento crítico. Incluye prompts aplicados, límites de la IA y marco ético para la academia.

Ver contenido

Herramientas

Stack tecnológico del programa, seleccionado por su relevancia profesional y accesibilidad.

Python Pandas NumPy SQL Power BI Tableau Scikit-learn Jupyter Google Colab

Evaluación

Sistema de evaluación continua con énfasis en la aplicación práctica y el trabajo colaborativo.

Componente Descripción Peso
Portafolio de análisis de datos Dataset limpio y documentado + script o notebook con proceso de limpieza y análisis básico
40%
Dashboard de BI Dashboard funcional con al menos 3 visualizaciones correctas y explicación de uso en su curso
30%
Proyecto de curso con modelo Descripción del proyecto, modelo aplicado (regresión o clasificación) y rúbrica de evaluación
30%

Especialistas

Cinco profesionales con experiencia aplicada en ciencia de datos, BI y educación.

Ulises González

Ulises González

Módulo 1 — Pensar con datos (con Fabiola De Benedectis)

6 h  |  24, 26 mar & 6 abr

LinkedIn
Fabiola De Benedectis

Fabiola De Benedectis

Módulo 1 — Pensar con datos (con Ulises González)

Experiencia Estudiantil  |  Acompañamiento transversal

LinkedIn
Gabriel Gómez

Gabriel Gómez

Módulo 2 — Data Wrangling

8 h  |  7, 9, 13, 14 abr

LinkedIn
Ilda Rojas

Ilda Rojas

Módulo 3 — Business Intelligence

10 h  |  16, 21, 23, 28, 30 abr

LinkedIn
Ricardo Navarro

Ricardo Navarro

Módulo 4 — Modelos predictivos

8 h  |  5, 7, 12, 14 may

LinkedIn