Responsable experto de data

Objetivo general:

Dominar el dato para entenderlo, transformarlo y capturar su máximo potencial con inteligencia artificial para optimizar procesos y simplificar el desarrollo de los proyectos y, comenzar con la creación de modelos de machine learning.

Relación de módulos de formación:

Módulo 1 Introducción: la importancia del dato (6 horas).

– Concienciación en relación a cómo la ciencia del dato afecta a todos los sectores y puede ser el aliado perfecto para el mundo de los negocios.
– Conocimiento de los diferentes modelos de negocio basado en datos:
– Nuevos modelos de negocio en torno al dato.
– Tipología de datos y cómo se obtienen.
– Maneras de rentabilizar el dato.
– Data Business Model Canvas.
– Adquisición de conocimientos sobre los avances en Big Data & Inteligencia Artificial (IA).
– Estado actual.
– Posible evolución futura.
– Dominio de Conceptos básicos:
– Qué es Big Data.
– Qué es Machine Learning.
– Qué es Deep Learning.
– Concienciación sobre el poder de los datos en las organizaciones tanto para mejorar la toma de decisiones como para crear modelos de negocio basado en datos.
– Visión trasversal sobre cómo Data Science se aplica en las diferentes áreas de la organización para impulsar las capacidades.

Módulo 2 Nociones iniciales de python, data engineering y estadística (24 horas).

– Desarrollo de los fundamentos de Big Data.
– Qué es el Big Data.
– Perfiles técnicos: Data Analyst, Engineer, Arquitect, QA…
– El proceso de construir un proyecto de Big Data.
– Arquitecturas de Big Data.
– Las claves del éxito del big data.
– Identificación de los fundamentos de Machine Learning.
– Introducción al Machine Learning: Datos, algoritmos, modelos, producción…
– Aproximación a los algoritmos: clasificación, predicción y clustering.
– Creación de modelos de Machine Learning.
– Las claves del aprendizaje automático.
– La productivización de modelos.
– Análisis de los fundamentos de IA: Visión, NPL…
– Introducción al Deep Learning y sus aplicaciones.
– Tipos de redes neuronales y su entrenamiento.
– Funcionamiento y retos del Data Science aplicado al Computer Vision y al NPL.
– Conocimientos avanzados de Python Crash Course.
– Uso de pycharm como entorno de trabajo.
– Uso de notebooks.
– Conocimiento de la sintaxis del lenguaje: bucles, variables.
– Librerías.
– Funciones.
– Programación orientada a objetos en Python.
– Aproximación a la arquitectura de la información y al SQL.
– Qué es la arquitectura de datos.
– Modelo relacional tradicional.
– Modelo estrella.
– Modelo copo de nieve.
– Bases de la normalización de datos.
– Definiciones esenciales: base de datos, tablespace, tabla, vista, vista materializada, clave primaria, índice y partición.
– SQL.
– Sintaxis del lenguaje.
– Identificación del Crash course de python para data engineers: SQL y dataframes.
– Consulta de datos.
– Cruce de tablas.
– Inserción y borrado.
– Dataframes:
– Qué es una serie.
– Qué es un dataframe.
– Cruces con dataframe.
– Funciones lambda con columnas.
– Leer y salvar datos desde y a dataframe desde distintos formatos.
– Diferenciación entre ETL/ELT y preproceso de datos.
– ELT o ETL.
– Pipelines de datos.
– ¿Cómo estructurar los distintos pasos del workflow de datos?
– Automatización de procesos.
– Aplicación del proceso del análisis exploratorio.
– Arranque de un proceso exploratorio.
– Los objetivos de un análisis exploratorio.
– Uso del proceso exploratorio para validación de hipótesis.
– Naturaleza iterativa del proceso.
– Utilización de herramientas de visualización exploratoria y librerías.
– Análisis descriptivo gráfico.
– Análisis descriptivo basado en estadísticos.
– Realización de análisis univariante y multivariante.
– Análisis multivariante.
– Análisis univariante.
– Conocimiento de la Estadística descriptiva.
– Media, mediana, momentos, etc.
– Desviación, varianza.
– Sesgos y medidas de homogeneidad de la información.
– Aproximación breve al algebra lineal.
– Operaciones matriz-escalar.
– Operaciones matriz-matriz.
– Propiedades de las matrices: no conmutativa, asociativa, distributiva, matriz identidad.
– Trasposición e inversa de una matriz.
– Análisis de correlación de variables: fundamentos de estadística y probabilidad.
– Ingeniería de características: descarte y selección de características.
– Cómo analizar la correlación entre variables.
– Efecto de las correlaciones.
– Eliminación de la correlación.
– Deducción estadística y contraste de hipótesis.
– Definición de una distribución una variable aleatoria.
– Definición de una función de probabilidad.

Módulo 3 Conocimiento avanzado de machine learning & artificial intelligence (100 horas).

– Aproximación a la modelización.
– Introducción a la modelización.
– Tipos de modelos.
– Identificación de los Modelos de regresión.
– Modelos de regresión simple.
– Modelos de regresión múltiple.
– Modelos de regresión generalizado.
– Clasificación de los distintos modelos de Árboles: .
– Modelos de inferencia de árboles de decisión y regresión:
– Clasificadores binarios.
– Regresión.
– Modelos de inferencia de árboles de decisión: clasificadores multiclase.
– Modelos avanzados de árboles:
– Boosting.
– Random forest.
– Conocimientos de Algoritmos alternativos de clasificación.
– Conocimientos de Eager y Lazy classifiers
– Utilización de Clustering.
– Introducción a los modelos no supervisados.
– Análisis clúster.
– Aproximación al método científico:
– Evaluación de modelos.
– Evaluación y optimización de modelos:
– Control de outliers y análisis de residuos.
– Modelos no supervisados.
– Modelos supervisados.
– Creación de Ingeniería de variables:
– Principios de la ingeniería de variables en la creación de variables.
– La dimensionalidad.
– Técnicas: PCA y SVD.
– Ensamblado de modelos:
– Definición de model ensembles.
– Modelos débiles y modelos fuertes.
– Creación de pipelines para crear modelos ensamblados.
– Gestión del ciclo de vida de los modelos.
– Interpretabilidad.
– Aproximación a modelos heurísticos de optimización
– Conocimiento de los algoritmos genéticos.
– Principios de optimización basado en heurísticos.
– Gradiente descendente.
– Modelos basados en comportamientos animales.
– El algoritmo genético.
– Aplicaciones de los algoritmos genéticos.
– Cromosoma y función de fitness.
– Resolución de un problema usando algoritmos genéticos.
– Utilización de series temporales y forecasting.
– Bases sobre componentes de las series temporales: tendencia, ciclo y estacionalidad.
– Series estacionarias y no estacionarias.
– Análisis de anomalías.
– Suavizado exponencial.
– Modelos autoregresivos.
– Modelos univariantes y multivariantes.
– Modelos arima.
– Modelos con parametrización automática.
– Gestión de proyectos de Data Science.

Módulo 4 Aplicaciones del deep learning (36 horas).

– Aproximación a redes neuronales artificiales (ANN).
– ¿Qué es una red neuronal artificial?
– Tipos de redes: profundas y superficiales (shallow).
– Técnica del gradiente descendiente.
– Conocimiento de los campos de aplicación de ANN.
– Visión por computador.
– Análisis y síntesis del lenguaje.
– Análisis de secuencias.
– GAN y deepfake.
– Aproximación al Shallow & Deep neural networks. Introducción CNN.
– Perceptrón simple.
– Topologías de redes neuronales.
– MNIST.
– Regularización: L1, L2, dropout y otros.
– Creación de una CNN con keras.
– Comprensión del diseño de redes neuronales artificiales (ANN), redes convolucionales (CNN) y redes recurrentes (RNN).

Módulo 5 Entornos big data & cloud (14 horas).

– Conocimientos de Big Data y de los principios de arquitecturas de computación distribuidas y altamente escalables.
– Comprender el papel del Big data en la ciencia de datos.
– Apache Spark.
– Spark en modo batch y en semi-tiempo real (microbatches).
– Lazy evaluation.
– Utilización de Dataframes y Data pipelines en Spark.
– Operaciones sobre dataframes (SQL o pyspark).
– Creación de data pipelines con spark.
– Transformación de dataframes.
– Creación de modelos de Machine Learning en Spark.
– Entrenamiento de modelos e integración en pipelines.
– Aplicación de la inferencia de modelos en Spark.
– Despliegue de pipelines de modelos con Spark.
– Desarrollo de modelos con proveedores de Cloud Machine Learning.

Módulo 6 Visualización de los datos (30 horas).

– Comprensión de las claves del storytelling a través de los datos.
– La ciencia de la visualización de datos y el storytelling: su valor en el mundo profesional.
– Uso del storytelling con datos.
– Principios de la comunicación visual de los datos.
– Uso de los distintos controles visuales.
– Comprensión de los conceptos Business Intelligence y Data Visualization.
– Entender el proceso para trabajar en la herramienta de visualización en un contexto de Business Intelligence.
– Fuentes de datos, tratamiento y preparación de datos, modelaje de datos (relaciones), análisis exploratorio y específicos, visualización y reporting.
– Profundización en la herramienta PowerBI para poder conectar datos, prepararlos, modelarlos, explorarlos y visualizarlos.
– Entorno de PowerBI: organización y componentes.
– Importación de datos.
– Visualizaciones básicas realizando agrupaciones y aplicando filtros.
– Trabajar y preparar los datos: columnas calculadas, medidas, fórmulas con DAX, tablas calculadas…
– Trabajar con tablas matrices para aumentar la granularidad de los informes.
– Filtrar los datos de manera dinámica con la segmentación de datos.
– Aproximación a la herramienta Tableau.

Módulo 7 Habilidades y competencias de gestión, personales y sociales, para el entorno digital (30 horas).

– Impulso de habilidades digitales:
– Liderazgo participativo.
– Gestión del cambio.
– Inteligencia emocional.
– Storytelling.
– Creación de marca personal.
– Comunicación y negociación en entornos digitales.
– Comprensión de las competencias necesarias para el nuevo entorno digital:
– La influencia digital.
– La colaboración en el entorno.
– La integración de la diversidad.
– La gestión emocional.
– La agilidad en toma de decisiones.
– La anticipación en contextos digitales.
– La flexibilidad para la transformación.
– La asunción de incertidumbre y riesgos.
– La elaboración, gestión y difusión de contenidos.
– Conocimiento de las herramientas imprescindibles para:
– El trabajo colaborativo.
– El trabajo en remoto.
– La gestión de proyectos.
– Automatización de flujos de trabajo.
– Práctica en las claves del trabajo en equipo y de la productividad en remoto.
– Fomento del liderazgo participativo y la gestión del cambio.
– Dominio de la comunicación y la negociación en entornos digitales.
– Práctica del modelo de competencias para el entorno digital.
– Elaboración y gestión de la marca personal desde la importancia del storytelling.