• Diferencias temporarias imponibles y deducibles
• Combinaciones de negocios
• Plusvalía
• Inversiones
• Pérdidas y créditos fiscales
• Información a revelar
• Diferencias entre NIC 12 y Sección 35 de NIIF para Pyme

• Generalidades
• ESF – Patrimonio
• ERI – Renta líquida
• Impuesto diferido
• Ingresos y facturación
• Activos fijos
• Diferencias entre residentes y no residentes
• Reportes

• Qué es el Machine Learning
• Tipos de Machine Learning: supervisado, no supervisado, y por refuerzo
• Preparación del entorno de trabajo (instalación de Python y las bibliotecas necesarias)
• Conceptos básicos de Python (sintaxis, variables, estructuras de datos)

• Carga de datos en Python
• Análisis exploratorio de datos
• Visualización de datos con Matplotlib y Seaborn
• Preprocesamiento de datos para el Machine Learning

• Regresión lineal
• Regresión logística
• Árboles de decisión
• Evaluación de modelos de Machine Learning

• Clustering
• K-means
• Agrupamiento jerárquico
• Reducción de dimensionalidad con PCA

• Introducción a las redes neuronales
• Perceptrón
• Redes neuronales multicapa
• Entrenamiento de redes neuronales

• Support Vector Machines (SVM)
• Gradient Boosting
• Random Forests
• Uso de GridSearchCV para la optimización de modelos

• Elección de un conjunto de datos
• Preprocesamiento de datos
• Selección de modelo
• Entrenamiento y evaluación del modelo
• Presentación de resultados

• Introducción a la visión por computadora y procesamiento de imágenes
• Introducción al procesamiento del lenguaje natural
• Aplicaciones de Machine Learning en el mundo real
• Consejos y trucos para el éxito en el Machine Learning

El estudiante aprenderá conceptos sobre el ambiente, las relaciones entre la sociedad - naturaleza y retroalimentación de dudas sobre el concepto.

Se interpretará mediante la experiencia personal del estudiante el cómo se dinamiza el pensamiento ambiental en todo aspecto cotidiano desde la analogía y la introspección.

Se retroalimentarán conceptos asociados al cambio climático, la realidad del impacto en la actualidad y como se dinamiza el debate desde la sobre información hasta falta de la misma

Se hablará la dinámica de la basura como paradigma social, las clases de residuos presentes en la vida diaria y prácticas de separación.

Continuando con la sesión anterior se hablará continuando la sesión anterior los tipos de residuos de mayor manejo y cuales son las políticas y prácticas posconsumo.

Donde los estudiantes tendrán la posibilidad de aprender sobre las generalidades del agua, como concepto, presencia en el territorio y como debemos cuidar y preservar el recurso como fuente de vida.

La vida en el territorio: Acercamiento general a la flora y fauna de la ciudad.
los estudiantes aprenderán de las principales especies de fauna y flora que comprenden la ciudad con un enfoque dinámico y especial. Esta practica busca que la persona comprenda que existe biodiversidad significativa e importante en el territorio.

Los estudiantes aprenderán de las dinámicas sociales que han llevado a buscar una solución equilibrada en la relación sociedad – naturaleza en el sentido del como administrar los recursos naturales.

En esta sesión se articularán las sesiones anteriores de manera aplicativa, como cada aspecto se comporta de manera sistémica. Generando recursos útiles para la última sesión.

Sesión de pensamiento crítico. Donde cada persona utilizará cada recurso aprendido para generar de manera objetiva una iniciativa para generar un hábito ambientalmente correcto, sea desde su cotidianidad en su vida personal o como actor social.

• Desarrollo de competencias docentes para la enseñanza de las ciencias sociales más allá de las disciplinas y en atención a la diversidad en el aula.
• Análisis y reflexión sobre las prácticas pedagógicas en el aula de ciencias sociales.
• Innovación educativa y aprendizaje basado en problemas en el aula de ciencias sociales: problematización a partir de la formulación de preguntas.

• Fundamentos del pensamiento sistémico y conceptos clave.
• Aplicación del enfoque sistémico en ciencias sociales.
• Ejemplos prácticos del pensamiento sistémico aplicado en contextos sociales concretos y de manera multiescalar.

• Identificación de problemas sociales y su aplicación didáctica desde una perspectiva sistémica.
• Implicaciones pedagógicas de la adaptación del pensamiento sistémico en el aula de ciencias sociales.
• Diseño de trayectos y secuencias didácticas desde una perspectiva sistémica.

• Desafíos en la Innovación y adaptación: cómo utilizar el pensamiento sistémico en el aula de Ciencias Sociales.
• Formulación de proyectos de aprendizaje basado en problemas a partir de las herramientas de la perspectiva sistémica trabajadas en el diplomado.

• Fundamentos de la enseñanza de las matemáticas.
• Importancia de la tecnología en la educación matemática.
• Principales herramientas y recursos tecnológicos para la enseñanza de las matemáticas.

• Principios del diseño instruccional para la enseñanza de las matemáticas.
• Estrategias para integrar tecnologías en la planificación de clases.
• Creación de actividades y recursos digitales para el aprendizaje de conceptos matemáticos.

• Conceptos básicos de la gamificación y su aplicación en el aula.
• Diseño de elementos de juego para motivar y comprometer a los estudiantes en el aprendizaje de matemáticas.
• Ejemplos prácticos de cómo utilizar juegos, competiciones y recompensas en el contexto de la enseñanza de las matemáticas.

• Uso de software educativo avanzado para matemáticas (por ejemplo, GeoGebra, WolframAlpha).
• Exploración de herramientas de realidad virtual y aumentada para enseñar conceptos matemáticos de manera interactiva.
• Incorporación de plataformas de aprendizaje en línea y sistemas de gestión del aprendizaje para apoyar la instrucción matemática.

• Experimentación corporal 
• Juguemos para aprender 
• Comunicación no verbal
• Técnicas de respiración y manejo de voz

• Lenguaje, comunicación y discurso
• Comunicar, conectar e influenciar

• Elevator Pitch
• Storytelling
• Presentaciones efectivas
• Cierres efectivos