NOSOTROS
Misión
Para nosotros la misión es generar un espacio para la capacitación de científicos de datos que -gracias a las competencias que adquieran- no solo se beneficien individualmente, sino que agreguen valor a las organizaciones que integran con el consecuente enriquecimiento cualitativo de la sociedad.
Visión
Ser líderes en la educación en línea de ciencia de datos, proporcionando habilidades de vanguardia y oportunidades de carrera a nuestros estudiantes, contribuyendo al avance de la industria.
Valores
Excelencia, innovación, colaboración, accesibilidad y continuo aprendizaje.
Acerca de nosotros

Javier Ona
Director Institucional
Ingeniero Industrial UTN
Ex Vicepresidente del Consejo Profesional de Ingeniería Industrial. Ex Secretario de Extensión UTN BA. Ex Profesor UTN BA. Consultor en el ámbito público y privado. Fundador del Instituto Data Science Argentina

Ignacio Urteaga
Director Académico
MBA en Dirección de Sistemas de Información. Físico, (Tesis en física nuclear) Investigador, Premiado en 2001 por sus trabajos en Ciencia de Datos. Más de 30 años de experiencia docente en Universidades y en la aplicación de Datos y BI como Director, Gerente o Consultor en el ámbito público y privado. Fundador del Instituto Data Science Argentina
Nuestro equipo docente
Licenciada en Comunicación UBA. Docente en el área de impacto de los Datos en la Sociedad en UBA y en cursos sobre Ciencia de Datos en UTN. Investigadora en el proyecto de aplicación de ciencia de datos a problemáticas de educación a distancia.
Licenciada en Ciencias Físicas de la Universidad de Buenos Aires. Maestría en gestión de la energía en la Universidad Nacional de Lanús. Maestría de energías renovables Universidad Nacional de Salta. Desarrolladora Python.

Ing. en Sistemas de Información. Experta en Project Management. (UTN Regional Bs.As). International Big Data Certification. (Massachusetts Institute of Technology). Máster en Big Data y Business Intelligence. Especialista en Gerencia de Sistemas y Tecnologías de la Información. Maestrando Explotación de Datos y Gestión del Conocimiento. (Universidad Austral)

Docente en Ciencia de Datos en UTN BA. Profesor de Historia. Investigador en el proyecto de aplicación de ciencia de datos a problemáticas de educación a distancia.

Ingeniero Electrónico especializado en Telecomunicaciones (FI-UNLP). PM y Program Manager en Google, para proyectos de USA. Mas de 20 años de experiencia laboral, en empresas como Ericsson, MCI-Verizon, Telecom Personal, Avaya, ZTE y TelecentroExperiencia en programación y educación con C/C++, Visual Basic, VBA, Delphi y Python.

Ingeniero en Sistemas de Información (UTN- FRBA). Profesional con 10 años de experiencia en Tecnologías de Información Geográfica, Business Intelligence e Ingeniería de datos . Maestrando “Maestría en Ciencia de datos e Innovación Empresarial” (Universidad CAECE)
Licenciatura en Comercio Internacional y Licenciatura en Comercialización en UADE.
Amplios conocimientos en las áreas de Marketing Digital y Community Managment. Especializado en Tecnologías de la Información en UTN y otras universidades en el exterior.
Full Stack Developer desde hace 11 años, Actualmente integrantes del equipo de Frontend Developers en BallastLane Software Factory. Estudiante de Ing en Sistemas, UTN.

Ingeniería industrial UNLP 2005 a 2011.
BI UTN 2019, UTN p.web 2019. DS en py & R 2020.

Ingeniero en Sistemas UTN y titulado en la Universidad de Barcelona en Master de International Business Management. Actualmente se desempeña como Revenue Innovation Manager en Despegar, liderando un equipo de explotación de datos aplicada a la industria del turismo online.

Actuario en Administración
(UBA) Licenciado en Administración.
Maestría en Finanzas (Orientación Cuantitativa, Universidad de San Andrés). Maestría en Data Mining

Lic. en Economía (UNCUYO).
Microsoft Power Platform Fundamentals. Analista de datos – Desarrollador Power BI.
Investigadores y colaboradores del Instituto
Ingeniero Industrial UTN.
Candidato a Magister en Ciencia de Datos, Universidad San Andrés.
Account Strategist, Account Manager en Google Argentina, Analytical Lead en Google Irlanda.

Licenciado en Sistemas UB. Master en Ingeniería en la Calidad UTN. Especialista en Conducción en Sistemas de Información UB. Profesor Universitario con una amplia experiencia en análisis funcional y desarrollo de sistemas.
Relaciones Públicas
Community Manager experto en diseño de proyectos de comunicación digital y search engine optimization

Ingeniero Industrial (UBA) Diploma de Honor – MBA en Administración de Empresas (U. Deusto España-Univ del Salvador) – Diplomado en EDP for Management Activities, Tokyo, Japón – Doctor en Educación Superior – Magna cum Laude- Univ de Palermo. Profesor UBA, USAL, UTN – Investigador de USAL – Director de la Carrera: Master en Administración de empresas con orientación en Dirección de Proyectos digitales.
II. Marco Jurídico
Nuestra propuesta se encuadra dentro de los principios establecidos por la Ley de Educación Nacional 26.206 que en su artículo 104 establece que “La Educación a Distancia es una opción pedagógica y didáctica aplicable a distintos niveles y modalidades del sistema educativo nacional, que coadyuva al logro de los objetivos de la política educativa y puede integrarse tanto a la educación formal como a la educación no formal.”
Asimismo en el Art. 48 de la mencionada Ley se fijan los objetivos y criterios a seguir en la formación permanente de jóvenes y adultos, y que asumimos como propios, a saber:
Inc. b- Desarrollar la capacidad de participación en la vida social, cultural, política y económica y hacer efectivo su derecho a la ciudadanía democrática. Inc.
c- Mejorar su formación profesional y/o adquirir una preparación que facilite su inserción laboral. Inc.
f- Diseñar una estructura curricular modular basada en criterios de flexibilidad y apertura. Inc.
k- Promover el acceso al conocimiento y manejo de nuevas tecnologías.
El segundo fundamento jurídico es la Resolución CFE N°346/18 la cual señala en sus considerandos que “la educación a distancia puede contribuir a asegurar el acceso a la educación a los jóvenes y adultos del país, independientemente de su procedencia geográfica y situación personal y social”. Dicha Resolución establece el Acuerdo Marco de Educación a Distancia para los niveles primario, secundario y superior en las diferentes modalidades reguladas y reconocidas por la Ley de Educación Nacional N° 26.206.
III. Objetivos
En función de nosotros, de nuestra misión y nuestra visión, nos proponemos los siguientes objetivos:
Objetivo general:
- Formar científicos de datos que sepan:
1. extraer, procesar, analizar y comunicar datos
2. aplicar competencias digitales, estadístico-matemáticas y de conocimiento del negocio
3. desenvolverse tanto en el ámbito público como en el privado
4. elaborar modelos predictivos para la toma estratégica de decisiones
Objetivos específicos:
- Proveer los conocimientos y aptitudes necesarios para acceder a los empleos del futuro.
- Favorecer trayectos didácticos personalizados según las diversas necesidades de capacitación de modo expeditivo, útil y pertinente.
- Buscar la generación de conocimientos del área de datos científicamente válidos.
- Favorecer la actualización permanente y el intercambio de experiencias.
- Aportar una formación avanzada que permita la adaptación a distintos contextos.
- Capacitar para la comunicación de la información tanto hacia dentro de las organizaciones como hacia afuera (área TI , de negocios y stakeholders)
- Cooperar en la transferencia tecnológica con las empresas para que puedan sumar a sus activos la aplicación de la Data Science.
- Cooperar académicamente con Universidades para ayudar a potenciar y distribuir el conocimiento de la Ciencia de Datos a la sociedad.
IV. Oferta Académica
El Instituto Data Science Argentina ofrece diferentes tipos de cursos y diplomaturas adaptables a las características y necesidades de cada estudiante:
- De nivelación: Programación lógica: SQL (lenguaje de consulta estructurada para manejo y control de bases de datos)
- De introducción: Estadística (Descriptiva e Inferencia). Diplomatura en Ciencia de Datos: Modelos predictivos (R y Python).
- De consolidación profesional (desarrolla las competencias núcleo del campo): Diplomatura en Machine learning, curso de Big data, Text mining, otras diplomaturas de ciencia de datos.
- De complementos: Análisis de negocios, Gestión de proyectos, Estrategia, Finanzas.
- De especialización (aplicaciones a un campo específico): Chatbots, Series temporales.
- De actualización
V. Estilo Pedagógico
Nuestra metodología de enseñanza se desarrolla sobre la base de cuatro pilares:
1) “Learning by doing”.
Los entrenamientos en Data Science tienen un fuerte componente práctico para aprender haciendo.
En tal sentido nos basamos en el pensamiento de John Dewey quien “adhirió al instrumentalismo, una versión particular del pragmatismo, que otorgaba centralidad al valor instrumental del conocimiento (y del pensamiento en general) para resolver las situaciones problemáticas reales que experimentan los individuos. El instrumentalismo sustentaba el concepto de comunidad de investigación y planteaba un continuo de la experiencia, como alternativa a las concepciones racionalistas y trascendentales del hombre. Para Dewey la validez de una teoría debía ser determinada mediante un examen práctico de las consecuencias que surgen de su empleo. Por ende, las ideas generales y los conceptos son instrumentos para la reconstrucción de situaciones problemáticas. Las ideas sólo tienen importancia en la medida en que sirven de instrumentos para la resolución de problemas reales”1.
Por esta razón, durante la cursada se realizan ejercicios basados en proyectos reales complementados con el componente teórico de los conocimientos.
2) Enseñanza personalizada.
Aplicamos un programa de aprendizaje flexible, no lineal, que permite avanzar a cada estudiante a distinta velocidad en la cursada según su disponibilidad de tiempo y de avance en los aprendizajes con las posibilidades de volver a repetir las clases en vivo hasta que adquiera dominio de la temática.
Grupos pequeños de alumnos que permiten mantener un trato y seguimiento personalizado durante la cursada. El alumno puede compartir su pantalla para recibir orientación que le ayude a resolver cualquier dificultad en la resolución de un problema.
La oferta académica permite elaborar trayectos personalizados decididos por el propio estudiante según su formación de base, sus inquietudes y sus necesidades laborales.
Asimismo, se toman en cuenta las circunstancias y los ritmos de aprendizaje individuales para lo cual se implementan una serie de recursos tales como:
- flexibilización del momento de inscripción e inicio del curso.
- clase introductoria nivelatoria con la guía de un tutor que diseña según el punto de partida inicial del alumno un trayecto formativo individualizado.
- acceso a materiales grabados.
- trayectos formativos independientes y correlacionables, con orientación de un tutor.
3) Enfoque de enseñanza por competencias.
Al implementar una capacitación con entrenamiento variado, complejo e intensivo, nuestro propósito es formar científicos de datos que adquieran competencias estables y aplicables en escenarios cambiantes y desafiantes con especialización en el uso del método cuantitativo de investigación orientado a la predicción.
Es el propio alumno el constructor de su propia competencia a partir de la herramientas, conocimientos y procedimientos provistos por el cuerpo docente.
En este campo, se trabaja en la adquisición de competencias cognitivas y procedimentales que habiliten principalmente a la apropiación de las habilidades propiamente decisionales que conciernen especialmente a esta disciplina.
En el apartado VII, se describen las competencias inherentes al científico de datos.
4) Educación STEM:
Busca articular las habilidades creativas con la educación STEM (CIENCIAS, TECNOLOGÍA, INGENIERÍA, MATEMÁTICA) para desarrollar la innovación y el diseño, la curiosidad y la imaginación, la búsqueda de soluciones diversas a un único problema, etc.
Su característica principal es la formación práctica, donde los alumnos trabajan de manera real a través de la experimentación.
Por eso, el científico de datos integra las tres competencias necesarias para el procesamiento de datos, que le permitan tomar decisiones orientadas a la elaboración de modelos predictivos:
- Conoce el negocio u organización que integra y la forma de generar valor dentro de ella.
- Maneja los fundamentos matemáticos y estadísticos de los algoritmos que genera.
- Tiene las habilidades digitales de programación, implementación de algoritmos, manejo de bases de datos.
La integración de estas tres competencias permite ir más allá del aprendizaje automático (en el que no hay interpretación de datos), de la investigación tradicional (en la que no entran en juego las competencias digitales) y del conocimiento probabilístico (sin fundamento matemático).
Como enfoque integrador y multidisciplinario, promueve el trabajo colaborativo entre los educadores a la hora de plantear proyectos o desafíos en los que los estudiantes deben utilizar datos para abordar problemas del mundo real habilitándolos a diseñar e innovar, aplicando habilidades de pensamiento de orden superior a cuestiones abiertas.
VI. Recursos Didácticos
Los cursos se proporcionan a través de videoconferencias participativas en línea.
También se brindan actividades de soporte para reforzar lo aprendido en clase.
Se facilita el acceso a material de lectura, videos tutoriales, ejercicios resueltos y autoevaluaciones; así como casos prácticos para resolver.
Se provee de soporte didáctico con clases grabadas y corrección de ejercicios.
VII. Perfil del Científico de Datos
El Científico de Datos es experto en la aplicación del método científico a los datos que la organización tiene o recibe para explicar el pasado y predecir el futuro con vistas a tomar decisiones orientadas a lograr mejores resultados, alcanzar objetivos y aumentar la eficiencia. Por lo tanto, será capaz de:
- Tener una visión contextualizada de la organización, de las partes que la componen y de las necesidades de cada parte.
- Aplicar técnicas de carácter analítico a problemas empresariales.
- Interesarse en generar un impacto positivo dentro de su organización para aumentar sus beneficios, mitigar los riesgos, mejorar el servicio o la eficiencia, reducir costos e impactar favorablemente en el mercado o en la opinión pública.
- Interactuar con las áreas de TI (inteligencia artificial), de Sistemas y con la organización que integra, a diferentes niveles: bases, mandos medios y gerencia.
- Generar nuevos conocimientos científicos a partir de la propia investigación y del dominio avanzado de distintas disciplinas con especial motivación por aprender, involucrarse y aportar valor a su organización.
- Comunicar con claridad y precisión la información que obtiene.
- Manejar las técnicas de reconocimiento de patrones.
- Trabajar algoritmos de aprendizaje automático.
Anexo: Roles y funciones (Nosotros)
- Autoridades:
- Director Institucional. Asume la responsabilidad técnica en lo jurídico y administrativo respecto de:
-Gestionar el relacionamiento con unidades académicas.
-Supervisar el esfuerzo comercial, realizando la gestión económica.
-Supervisar el trabajo administrativo.
-Resguardar la adecuación a la normativa vigente.
-Resguardar el Sistema de Gestión de Calidad.
- Director Académico. Asume la responsabilidad pedagógica de:
-Armar los programas de los cursos en colaboración con los docentes en perspectiva y en función de la búsqueda de temas relevantes.
-Seleccionar los docentes.
-Atender las consultas de los alumnos.
-Aprobar los cursos.
-Vincular a los docentes con el área comercial.
-Participar en la creación de contenidos para la difusión de la oferta académica.
- Equipo docente: son los profesionales responsables de la enseñanza de los contenidos teórico/prácticos por medio de los cuales cada estudiante desarrollará las habilidades que componen las competencias propias del científico de datos. Asimismo, se ocupan de la acción tutorial, orientando, asesorando y acompañando las trayectorias de los estudiantes.
- Equipo de investigadores y colaboradores: son los profesionales responsables de identificar problemáticas pertinentes y relacionadas tanto con el ámbito de la ciencia de datos como con la educación a distancia, con el fin de contribuir a la mejora y actualización permanente de la propuesta académica.
Comenzamos a transitar el camino hacia la Certificación ISO 21001:2018
0. Introducción
0.1. Generalidades
Este documento proporciona una herramienta de gestión común para el Instituto de Data Science, que provee servicios educativos capaces de cumplir con los requisitos de los estudiantes y otros beneficiarios
0.2. Pertinencia
Es una necesidad crítica y continua que el Instituto evalúe el grado de cumplimiento de los requisitos de los estudiantes y otros beneficiarios, así como de otras partes interesadas pertinentes y que mejoren su capacidad para continuar haciéndolo.
Beneficios potenciales para el Instituto en la implementar de un sistema de gestión de calidad
Beneficios de implementar SGOE en el Instituto Data Science
- Mayor responsabilidad social al proporcionar una educación de calidad inclusiva y equitativa para todos.
- Aprendizaje más personalizado y una respuesta eficaz para todos los estudiantes a distancia y oportunidades de formación continua.
- Procesos y herramientas de evaluación coherentes para demostrar e incrementar la eficacia y la eficiencia.
- Mayor credibilidad.
- Demostrar nuestro compromiso con prácticas de gestión educativa eficaces.
- Instalar una cultura para la mejora organizativa.
- Armonización de las normas regionales, nacionales, abiertas, particulares y de otro tipo de normas dentro de un marco de referencia internacional.
- Mayor participación de las partes interesadas.
- Estimulación de la excelencia y la innovación.
0.3. Relación entre este documento y otras Normas Internacionales
Este documento es una norma de sistema de gestión independiente, alineado con la Norma ISO 9001
0.4. Principios del Sistema de Gestión de Calidad
Principios de Gestión
- Enfoque a los estudiantes y otros beneficiarios.
- Liderazgo visionario.
- Compromiso de las personas.
- Enfoque a procesos.
- Mejora continua.
- Toma de decisiones basada en la evidencia.
- Gestión de las relaciones.
- Responsabilidad social.
- Accesibilidad y equidad.
- Conducta ética en educación.
- Seguridad y protección de datos.
0.5. Enfoque a procesos
0.5.1. Generalidades
Este documento promueve la adopción de un enfoque a procesos al desarrollar, implementar y mejorar la eficacia del Sistema de Gestión, para aumentar la satisfacción del estudiante y de otros beneficiarios mediante el cumplimiento de los requisitos del estudiante y otros beneficiarios.
La comprensión y gestión de los procesos interrelacionados como un sistema contribuye a la eficacia y eficiencia de la organización en el logro de sus resultados previstos.
Este enfoque permite al Instituto controlar las interrelaciones e interdependencias entre los procesos del sistema, de modo que se pueda mejorar el desempeño global de la organización.
El enfoque a procesos implica la definición y gestión sistemática de los procesos y sus interacciones, con el fin de alcanzar los resultados previstos de acuerdo con la política, los objetivos y el plan estratégico de la organización.
La gestión de los procesos y el sistema en su conjunto puede alcanzarse utilizando el ciclo de PHVA con un enfoque global de pensamiento basado en riesgos dirigido a aprovechar las oportunidades y prevenir los resultados no deseados.
La aplicación del enfoque a procesos nos permite:
- La comprensión y la coherencia en el cumplimiento de los requisitos.
- La consideración de los procesos en términos de valor agregado.
- El logro del desempeño eficaz del proceso.
- La mejora de procesos con base en la evaluación de los datos y la información.
Evaluación del proceso de eficacia educativa

0.5.2. Ciclo Planificar-Hacer-Verificar-Actuar
El ciclo Planificar-Hacer-Verificar-Actuar (PHVA) puede aplicarse al sistema de gestión.
Representación de la estructura de este documento con el ciclo de PHVA

NOTA Los números entre paréntesis hacen referencia a los capítulos de este documento.El ciclo de PHVA puede describirse brevemente como sigue:
- Planificar: establecer los objetivos del sistema y sus procesos, y los recursos necesarios para proporcionar resultados de acuerdo con los requisitos de los estudiantes y otros beneficiarios y las políticas del Instituto, e identificar y abordar los riesgos y las oportunidades
- Hacer: implementar lo planificado
- Verificar: realizar el seguimiento y la medición de los procesos y los servicios resultantes respecto a las políticas, los objetivos, los requisitos y las actividades planificadas, e informar sobre los resultados
- Actuar: tomar acciones para mejorar el desempeño, cuando sea necesario.
0.5.3. Pensamiento basado en riesgos
El pensamiento basado en riesgos es esencial para lograr un Sistema de Gestión eficaz.
Abordar tanto los riesgos como las oportunidades establece una base para aumentar la eficacia del sistema de gestión de calidad, alcanzar mejores resultados y prevenir los efectos negativos.
Las oportunidades pueden surgir como resultado de una situación favorable para lograr un resultado previsto.
Las acciones para abordar las oportunidades también pueden incluyen la consideración de los riesgos asociados.
El riesgo es el efecto de la incertidumbre y dicha incertidumbre puede tener efectos positivos o negativos Una desviación positiva que surge de un riesgo puede proporcionar una oportunidad, pero no todos los efectos positivos del riesgo tienen como resultado oportunidades.
0.6. Misión, visión y estrategia de la organización

Las declaraciones de política del SGOE están enmarcadas por la cultura de la organización (el conjunto completo de creencias y valores que condicionan su comportamiento) y por los principios del SGOE.
A su vez, las declaraciones de política del SGOE proporcionan el marco de referencia para el establecimiento de los objetivos del SGOE, que se revisan periódicamente para asegurar que la misión de la organización se realice de manera eficaz y eficiente mientras se avanza continuamente hacia el logro de la visión de la organización.
La articulación de estos elementos generalmente se llama estrategia.