Responsable experto de data. IFCT107

Introducción: la importancia del datoIntroducciónConcienciación en relación a cómo la ciencia del dato afecta a todos los sectores y puede ser el aliado perfecto para el mundo de los negociosConocimiento de los diferentes modelos de negocio basado en datosAdquisición de conocimientos sobre los avances en Big Data e inteligencia artificial (IA)Dominio de conceptos básicosConcienciación sobre el poder de los datos en las organizaciones tanto para mejorar la toma de decisiones como para crear modelos de negocio basado en datosVisión trasversal sobre cómo Data Science se aplica en las diferentes áreas de la organización para impulsar las capacidadesResumenNociones iniciales de Python, Data Engineering y estadísticaIntroducciónDesarrollo de los fundamentos de Big DataIdentificación de los fundamentos de Machine LearningAnálisis de los fundamentos de IA: visión, NPLConocimientos avanzados de Python Crash CourseAproximación a la arquitectura de la información y al SQLIdentificación del Crash course de Python para data engineers: SQL y dataframesDiferenciación entre ETL/ELT y preproceso de datosAplicación del proceso del análisis exploratorioUtilización de herramientas de visualización exploratoria y libreríasRealización de análisis univariante y multivarianteConocimiento de la estadística descriptivaAproximación breve al álgebra linealAnálisis de correlación de variables: fundamentos de estadística y probabilidadDeducción estadística y contraste de hipótesisResumenConocimiento avanzado de Machine Learning & Artificial IntelligenceIntroducciónAproximación a la modelizaciónIdentificación de los modelos de regresiónClasificación de los distintos modelos de árbolesConocimientos de algoritmos alternativos de clasificaciónConocimientos de Eager y Lazy classifiersUtilización de clusteringAproximación al método científicoEvaluación y optimización de modelosCreación de ingeniería de variablesEnsamblado de modelosGestión del ciclo de vida de los modelosInterpretabilidadAproximación a modelos heurísticos de optimizaciónConocimiento de los algoritmos genéticosUtilización de series temporales y forecastingGestión de proyectos de Data ScienceResumenAplicaciones del Deep LearningIntroducciónAproximación a redes neuronales artificiales (ANN)Conocimiento de los campos de aplicación de ANNAproximación al Shallow & Deep neural networks. Introducción CNNComprensión del diseño de redes neuronales artificiales (ANN), redes convolucionales (CNN) y redes recurrentes (RNN)ResumenEntornos Big Data & CloudIntroducciónConocimientos de Big Data y de los principios de arquitecturas de computación distribuidas y altamente escalablesUtilización de dataframes y data pipelines en SparkCreación de modelos de Machine Learning en SparkDespliegue de pipelines de modelos con SparkDesarrollo de modelos con proveedores de Cloud Machine LearningResumenVisualización de los datosIntroducciónComprensión de las claves del storytelling a través de los datosUso del storytelling con datosComprensión de los conceptos Business Intelligence y Data VisualizationProfundización en la herramienta Power BI para poder conectar datos, prepararlos, modelarlos, explorarlos y visualizarlosAproximación a la herramienta TableauResumenHabilidades y competencias de gestión, personales y sociales, para el entorno digitalIntroducciónImpulso de habilidades digitalesComprensión de las competencias necesarias para el nuevo entorno digitalConocimiento de las herramientas imprescindibles para el trabajo colaborativo y en remoto, la gestión de proyectos y la automatización de flujos de trabajoPráctica en las claves del trabajo en equipo y de la productividad en remotoFomento del liderazgo participativo y la gestión del cambioDominio de la comunicación y la negociación en entornos digitalesPráctica del modelo de competencias para el entorno digitalElaboración y gestión de la marca personal desde la importancia del storytellingResumen