Al finalizar la asignatura, el alumno será capaz de entender y reconocer los conceptos básicos
de programación para análisis de datos con un lenguaje de programación, entendiendo e
identificando como llevar a cabo tareas de exploración, procesamiento y análisis estadístico
de datos, con la finalidad de desarrollar programas óptimos que resuelvan una necesidad de
información básica de un negocio, así como soluciones a problemas diversos donde tenga que
incorporar el manejo de datos.

Al concluir la asignatura, el alumno será capaz de identificar el contexto y aplicación del big
data y las técnicas de analítica, reconociendo y reflexionando sobre la naturaleza, características
y aplicación del contexto del big data de algoritmos prescriptivos enfocados en el Deep
Learning, de los algoritmos Neural Networks y de los Ensemble algorithms, para aplicarlos en
la toma de decisiones en la empresa.

Al concluir la asignatura, el alumno será capaz de entender y reconocer la importancia de la
presentación de evidencias de análisis de datos, así como de los patrones, proporciones, factores
diferenciales y relaciones espaciales en la expresión gráfica de los resultados de proyectos de
analítica, para conocer y aplicar las características de un software de aplicación específica para
visualización de datos.

Al concluir la asignatura, el alumno será capaz de comprender la importancia de los conceptos
básicos de analítica y optimización de la cadena de suministro. Asimismo, podrá explicar el rol
y las aplicaciones del análisis descriptivo, predictivo y prescriptivo en una cadena, analizando
su nivel de incertidumbre asociado con el suministro de productos y servicios a segmentos de
clientes específicos y así justificar la elección de la estrategia y su ajuste con la estrategia

Al concluir la asignatura, el alumno será capaz de dominar las herramientas de simulación de
eventos discretos, analizando la información, modelado y experimentación de los sistemas de
producción, logísticos y de servicios, con el propósito de identificar problemas y diseñar
soluciones de mejora, considerando los criterios técnicos y económicos.

Al concluir la asignatura, el alumno será capaz de entender el contexto y aplicación del big data
y las técnicas de analítica estudiadas en el curso, para la toma de decisiones en la empresa.
Asimismo, identificará las características y aplicación en el contexto del big data de algoritmos
de clasificación, así como la naturaleza, características y aplicación del algoritmo de análisis
multivariado de Mínimos Cuadrados Parciales (PLS, Partial Least Squares), para comprender

Al concluir la asignatura, el alumno será capaz de interpretar la información contable contenida
en los estados financieros, para entender a profundidad el origen y comportamiento de los
recursos de la empresa. Asimismo, podrá realizar un diagnóstico de la empresa y definir las
principales herramientas relacionadas con la administración de capital de trabajo; logrando con
ello la óptima obtención de financiamiento en los mercados nacionales.

Al concluir la asignatura, el alumno será capaz de distinguir los elementos de la estructura de
capital de una empresa y calcular su nivel óptimo con el fin de optimizar los recursos de
financiamiento.

Al concluir la asignatura, el alumno será capaz de definir qué instrumentos financieros pueden
utilizar las Pequeñas y Medianas Empresas (PYMES); también podrá explicar los términos,
condiciones y formas de registro, así como determinar su nivel óptimo de los recursos, a fin de
disminuir los riesgos de capital de una empresa.