Pēcdiploma programmaDizains, HMI un produkts Pieteikumi ir atvērti

Diploma en Experimentación y Toma de Decisiones Basada en Datos

Diplomatura de postgrado en línea de 800 horas en experimentación y decisiones basadas en datos, estructurada en 8 módulos que abarcan estadística para experimentos, diseño de pruebas A/B, análisis avanzado, inferencia causal, experimentación en movilidad y toma de decisiones con ISO 3534-3, el RGPD y Python (statsmodels), con un tutor técnico asignado.

Ilgums6–8 meses
RežīmsEn línea
ValodaInglés
Uzsākšanas datumiEstablecido por el profesorado
KvalifikācijaSEIUM Institute diploms

Diploma en Experimentación y Toma de Decisiones Basada en Datos — studijas no Latvijas

Produktu dizains un lietotāja saskarnes ir svarīgas jomas Latvijas radošajās industrijās, IT sektorā un ražošanā. Rīgas dizaina studijas, digitālās aģentūras un industriālo produktu uzņēmumi strādā pie lietotāju pieredzes, vizuālās identitātes un funkcionālā dizaina projektiem. Pieprasījums pēc UX/UI speciālistiem aug, jo digitālie pakalpojumi kļūst arvien svarīgāki. Inženieri ar dizaina zināšanām palīdz izstrādāt produktus, kas ir gan tehniski pamatoti, gan lietotājiem pievilcīgi.

Maksa Latvijā: 1 290 € (eiro), pieejami maksājumi pa daļām un darba devēja finansējums.

Kompetentās iestādes Latvijā

  • Latvijas Dizaina centrs
  • Latvijas Radošo industriju asociācija
  • Latvijas Mākslinieku savienība

Tipiskas lomas

  • UX/UI dizainers
  • Produktu dizainers
  • HMI inženieris
  • Lietotāju pētījumu speciālists

Jautājumi no Latvijas

Vai Latvijā ir profesionāla institūcija, kas atzīst dizaina vai HMI inženieru kvalifikāciju?

Latvijā nav obligātas valsts licences produktu dizaineriem vai HMI speciālistiem. Dizaina un radošo nozaru profesionālās asociācijas, piemēram, Latvijas Dizaineru asociācija, var sniegt viedokli par profesionālajiem standartiem. Privātas kvalifikācijas atzīšanu izlemj darba devējs, un SEIUM kvalifikācija nav valsts diploms.

Kādi darba devēji Latvijā novērtē produktu dizaina un lietotāja saskarnes zināšanas?

Pieprasījums pastāv IT uzņēmumos, mobilo lietotņu izstrādē, e-komercijā, ražošanas uzņēmumos ar produktu attīstību un digitālajās aģentūrās. Vērtīgas ir prasmes lietotāja pētījumos, prototipēšanā un saskarņu dizainā. Konkrētas vakances pārbaudiet darba portālos.

Vai var studēt, strādājot, un kāda angļu valodas prasme ir nepieciešama?

Programmas ir tiešsaistē, angļu valodā, ar tehnisko mentoru, un var plānot elastīgi. Laika josla ir Latvijas. Nepieciešams brīvi lasīt un rakstīt tehniskus un projektu dokumentus. Maksu var maksāt pa daļām, un darba devējs var to finansēt. Pilna programma ir 1900 stundas, tāpēc izvērtējiet savu laiku.

Virtuālā laboratorija · izmēģiniet pirms pieteikšanās

Uzņemieties vadību.

Veiciet reālu inženiertehnisko kompromisu šajā jomā. Pārvietojiet slīdņus, vērojiet, kā modelis reaģē reāllaikā, un pārspējiet uzdevumu.

SIM · TIEŠRAIDE ●
Mācīšanās rezultāti

Ko jūs varēsiet darīt

01

Formular hipótesis comprobables y alinearlas con las decisiones de negocio.

02

Aplicar los fundamentos estadísticos al diseño de experimentos.

03

Diseñar pruebas A/B robustas frente a sesgos y errores habituales.

04

Analizar experimentos con técnicas avanzadas de reducción de varianza.

05

Estimar efectos causales cuando no es posible experimentar.

06

Adaptar la experimentación a vehículos y servicios de movilidad.

07

Traducir los resultados experimentales en decisiones documentadas.

Profils

Kam tas paredzēts

  • Científicos de datos especializados en experimentación.
  • Analistas de producto que diseñan y leen pruebas A/B.
  • Gestores de producto que quieren decisiones basadas en evidencia.
  • Investigadores cuantitativos que trabajan con datos observacionales.
  • Analistas de decisiones que apoyan a los equipos directivos.
  • Ingenieros que desarrollan plataformas de experimentación.
  • Titulados en ingeniería o ciencias que buscan incorporarse a equipos de productos digitales.
Standarti un rīki

Ar ko jūs strādāsiet

  • ISO 3534-3 (estadística: vocabulario del diseño de experimentos)
  • Reglamento (UE) 2016/679 (Reglamento General de Protección de Datos)
  • ISO 3534-1 (estadística: términos estadísticos generales y probabilidad)
  • ISO 5725-2 (repetibilidad y reproducibilidad de métodos de medición)
  • ISO/IEC 25012 (modelo de calidad de datos)
  • Reglamento (UE) 2024/1689 (Ley de Inteligencia Artificial)
  • Directiva 2005/29/CE (prácticas comerciales desleales)
  • Python (statsmodels)
  • R
  • GrowthBook
  • Optimizely
  • Eppo
Mācību saturs

8 moduļi

  1. 1.1Decisiones basadas en evidencia
  2. 1.2Sesgos cognitivos en la toma de decisiones
  3. 1.3Hipótesis y el método científico
  4. 1.4Jerarquía de la evidencia
  5. 1.5Experimentación en empresas digitales líderes
  6. 1.6Madurez en experimentación
  7. 1.7Ética de experimentar con usuarios
  8. 1.8Comunicación de la incertidumbre
  9. 1.9Decisiones con datos incompletos
  10. 1.10Taller: formulación de hipótesis comprobables
  1. 2.1Distribuciones y variabilidad
  2. 2.2Contraste de hipótesis
  3. 2.3Interpretación del valor p
  4. 2.4Intervalos de confianza
  5. 2.5Potencia estadística y tamaño muestral
  6. 2.6Efecto mínimo detectable
  7. 2.7Errores de tipo I y de tipo II
  8. 2.8El enfoque bayesiano en la inferencia
  9. 2.9Comparaciones múltiples y corrección
  10. 2.10Práctica: cálculo del tamaño muestral
  1. 3.1Unidad de aleatorización
  2. 3.2Métricas principales y de salvaguarda
  3. 3.3Duración y estacionalidad
  4. 3.4Pruebas de calibración A/A
  5. 3.5Desequilibrio en la proporción de muestra
  6. 3.6Efectos de novedad y de aprendizaje
  7. 3.7Interferencia y efectos de red
  8. 3.8Pruebas multivariantes y factoriales
  9. 3.9Plataformas de experimentación
  10. 3.10Laboratorio: diseño de una prueba A/B de incorporación
  1. 4.1Reducción de varianza con CUPED
  2. 4.2Análisis secuencial con parada temprana
  3. 4.3Heterogeneidad de los efectos del tratamiento
  4. 4.4Métricas de razón y el método delta
  5. 4.5Remuestreo bootstrap de métricas
  6. 4.6Análisis por segmentos
  7. 4.7Efectos a largo plazo
  8. 4.8Algoritmos de bandidos multibrazo
  9. 4.9Metaanálisis de experimentos
  10. 4.10Caso práctico: análisis de una prueba con desequilibrio en la proporción de muestra
  1. 5.1Datos observacionales y confusión
  2. 5.2Diferencias en diferencias
  3. 5.3Diseños de discontinuidad de regresión
  4. 5.4Estimación por variables instrumentales
  5. 5.5Emparejamiento por puntuación de propensión
  6. 5.6Método del control sintético
  7. 5.7Series temporales estructurales bayesianas
  8. 5.8Grafos causales acíclicos dirigidos
  9. 5.9Supuestos y limitaciones
  10. 5.10Práctica: diferencias en diferencias con Python
  1. 6.1Experimentos en vehículos conectados
  2. 6.2Pruebas de funcionalidades mediante OTA
  3. 6.3Experimentos en flotas
  4. 6.4Límites de seguridad en la experimentación
  5. 6.5Experimentos en estudios de HMI
  6. 6.6Experimentos de precios
  7. 6.7Experimentos geográficos por zona
  8. 6.8Experimentos con muestras pequeñas
  9. 6.9Pruebas con usuarios en laboratorio
  10. 6.10Caso práctico: prueba de una función de asistencia en una flota
  1. 7.1Marcos de decisión
  2. 7.2Revisión de experimentos
  3. 7.3Repositorio de aprendizajes
  4. 7.4Comunicación a las partes interesadas
  5. 7.5Visualización de resultados
  6. 7.6Coste de oportunidad
  7. 7.7Priorización de experimentos
  8. 7.8Gobernanza de la experimentación
  9. 7.9Errores típicos en la toma de decisiones
  10. 7.10Taller: comité de decisión simulado
  1. 8.1Problema de negocio
  2. 8.2Hipótesis y métricas
  3. 8.3Diseño experimental detallado
  4. 8.4Cálculo de potencia
  5. 8.5Análisis de resultados
  6. 8.6Inferencia causal complementaria
  7. 8.7Recomendación de decisión
  8. 8.8Plan de seguimiento
  9. 8.9Informe y presentación
  10. 8.10Proyecto final: revisión final con el tutor
Metodika, programmatūra un laboratorijas

Kā jūs mācīsieties

El programa es 100% en línea en el campus de SEIUM, con material descargable, clases grabadas y un tutor técnico asignado. No hay horarios fijos: avanzas a tu propio ritmo dentro de cada convocatoria, de modo que se adapta a tu trabajo.

Cada módulo combina teoría, lectura guiada de la norma original y ejercicios aplicados. Trabajas con Python (statsmodels), R, GrowthBook, Optimizely y Eppo, en versiones gratuitas, académicas o de evaluación. Los ejercicios se basan en procedimientos reales: diseño y análisis de pruebas A/B en productos digitales, estudios de inferencia causal con datos observacionales y experimentos de funcionalidades en flotas conectadas. La evaluación es continua por módulo, más el proyecto integrador final.

Normas abordadas: ISO 3534-3, Reglamento (UE) 2016/679, ISO 3534-1, ISO 5725-2, ISO/IEC 25012, Reglamento (UE) 2024/1689, Directiva 2005/29/CE.

Piešķirtais tehniskais tūtors:cada módulo termina con un entregable que tu tutor evalúa de forma individual.
Uz standartiem balstīta mācīšanās:vadīta ISO 3534-3, ISO 3534-1 un VDAR (GDPR) lasīšana, piemērojot to reāliem gadījumiem, nevis kā teorētisku pielikumu.
Nozares programmatūra:Python (statsmodels), R, GrowthBook, Optimizely un Eppo bezmaksas, akadēmiskās vai izmēģinājuma versijās.
Noslēguma projekts:pilnīgs eksperimentu pētījums reālai uzņēmējdarbības problēmai, sākot ar hipotēzēm un jaudas aprēķinu, līdz analīzei, cēloņsakarību secinājumiem un lēmuma ieteikumam, ko pārskata tavs tūtors.
Elastīgs formāts:100% tiešsaistē, bez fiksēta grafika, saderīga ar pilnas slodzes darbu.
Noslēdzošais projekts

Izveidojiet no sākuma līdz beigām

Jūsu noslēdzošais projekts seko reālai inženierijas darba plūsmai soli pa solim un tiek pārskatīts jūsu tutora.

Uzņēmējdarbības problēma un hipotēzes
Formulēt uzņēmējdarbības problēmu un pārvērst to pārbaudāmās hipotēzēs un metrikās.
Eksperimenta dizains un jauda
Izstrādāt detalizētu eksperimenta dizainu ar tā jaudas aprēķinu.
Rezultātu analīze
Analizēt rezultātus un papildināt tos ar cēloņsakarību secināšanas metodēm.
Lēmuma ieteikums
Pārvērst pierādījumus dokumentētā lēmumā un turpmākās darbības plānā.
Noslēguma projekts
Prezentēt pilnīgu eksperimentu pētījumu pārskatā un prezentācijā, ko pārskata tavs tūtors.
Karjeras iespējas

Kurp tas jūs ved

Eksperimentu datu zinātnieksProduktu analītiķisUz datiem balstīts produktu vadītājsInvestigador/a cuantitativo/aLēmumu analītiķisEksperimentu platformas inženieris
Uzņemšana un stipendijas

Prasības

  • Formación técnica previa o experiencia profesional en el sector. No se requiere titulación universitaria.
  • Conexión a internet y un ordenador capaz de ejecutar el software del programa.
  • Nivel de inglés suficiente para leer normas técnicas.

Gatavi sākt?

Iesniedziet pieteikumu jau šodien. Mūsu uzņemšanas komanda 72 stundu laikā atbildēs ar jūsu studiju plānu un finansējuma iespējām.

BUJ

Biežāk uzdotie jautājumi

El programa suma 800 horas en 6–8 meses. Tú fijas tu ritmo dentro de cada convocatoria, y tu tutor te ayuda a planificar la carga de trabajo en función de tu empleo.

Darbā izmantosi Python (statsmodels), R, GrowthBook, Optimizely un Eppo bezmaksas, akadēmiskās vai izmēģinājuma versijās. Tavs tūtors norādīs bezmaksas alternatīvu visur, kur tāda pastāv.

SEIUM Institute diplomu, ko piešķir pēc nepārtrauktās novērtēšanas un noslēguma projekta nokārtošanas. Tā ir SEIUM pašu kvalifikācija, nevis oficiāls valsts grāds; tās atzīšana ir atkarīga no pabeigtās programmas un katras valsts normatīvajiem aktiem.

Jā. Nokārtotie moduļi tiek atzīti augstākas pakāpes programmā tajā pašā jomā (pēcdiploma programmā vai maģistrantūrā). Iepriekš, reģistrējoties, jautā par atzīšanas politiku.

Iepriekšēja tehniskā izglītība vai profesionāla pieredze nozarē (augstākās izglītības diploms nav nepieciešams), dators, kas spēj darbināt programmas programmatūru, un pietiekamas angļu valodas zināšanas, lai lasītu tehniskos standartus.

Sākuma datumus katrai uzņemšanas kārtai nosaka SEIUM pasniedzēju sastāvs. Uzņemšanas komanda, pieteikoties, apstiprinās nākamo pieejamo datumu.

Diploma en Experimentación y Toma de Decisiones Basada en DatosPieteikties
Atgriezties augšā
SEIUM – Advancētās inženierijas institūts
Privātuma pārskats

Šī vietne izmanto sīkdatnes, lai nodrošinātu jums iespējami labāko lietotāja pieredzi. Sīkdatņu informācija tiek saglabāta jūsu pārlūkprogrammā un veic tādas funkcijas kā jūs atpazīšana, kad atgriežaties mūsu vietnē, un palīdz mūsu komandai saprast, kuras vietnes sadaļas jums šķiet visinteresantākās un noderīgākās.