Especialidad formativa
Resolución de problemas multisectoriales: modelos de Machine Learning, Deep Learning y uso masivo de datos
Tipo de acción formativa: Especialidades formativas del SEPEFormato: Curso SCORM en formato licenciaTítulo: Resolución de problemas multisectoriales: modelos de Machine Learning, Deep Learning y uso masivo de datosCódigo: IFCD112Duración: 100 horasFamilia profesional: Informática y comunicaciones Disponibilidad: Curso en desarrollo para las convocatorias 2022Convocatoria: Convocatoria de formación ocupados estatal 2022
Qué aprenderás
Obtener los conocimientos imprescindibles para el desarrollo en un entorno empresarial de cualquier proyecto Big Data, así como para el manejo de herramientas de definición de proyectos I+D+I y para la construcción de modelos predictivos
Contenido del curso
01
Introducción a la ciencia del dato
- OBJETIVO
- Implantar Data Science en la organización a efecto de mejorar los procesos de toma de decisiones.
- CONOCIMIENTO / CAPACIDADES COGNITIVAS Y PRÁCTICAS
- Introducción a los conceptos básicos de la Ciencia de Datos
- Aspectos históricos.
- Conceptos clave y nomenclatura.
- Data Science en la actualidad.
- Comprensión de la importancia del Data Science en la gestión de proyectos. Agentes del desarrollo sostenible.
- Fases.
- Roles.
- Creación de modelos de negocio basado en datos.
- HABILIDADES DE GESTIÓN, PERSONALES Y SOCIALES
- Trabajo en equipo.
- Colaboración ante el cambio organizacional.
- Creación de valor añadido en un entorno organizativo público y privado.
- Transversalidad en el desempeño.
02
Conceptos básicos: Big Data, Machine Learning y Deep Learning
- OBJETIVO
- Comprender los conceptos clave a efectos de un manejo productivo en materia de Machine Learning y Deep Learning.
- CONOCIMIENTO / CAPACIDADES COGNITIVAS Y PRÁCTICAS
- Identificación de aspectos clave en la gestión de Big Data. Objetivo
- Manejo conceptual respecto a Machine Learning.
- Objetivo
- Conceptos básicos: Datos, algoritmos, modelos
- Identificación productiva de algoritmos
- Clasificación
- Aproximación a la modelización. Objetivo
- Regresión, árboles
- Indicadores.
- HABILIDADES DE GESTIÓN, PERSONALES Y SOCIALES
- Flexibilidad ante el cambio de paradigma.
- Responsabilidad y autonomía en las tomas de decisiones.
- Confiabilidad, coherencia y fidelidad en la transmisión de información
03
Arquitectura de datos
- OBJETIVO
- Identificar y manejar los diferentes modelos, tecnologías y procesos en sistemas Big Data.
- CONOCIMIENTO / CAPACIDADES COGNITIVAS Y PRÁCTICAS
- Conocimiento de Batch Processing.
- Implementación de un sistema Streaming Processing.
- Administración de sistemas Big Data.
- Visualización de datos.
- Herramientas
- Librerías.
- HABILIDADES DE GESTIÓN, PERSONALES Y SOCIALES
- Mejora continua.
- Innovación productiva.
- Iniciativa en el desempeño.
- Compromiso.
04
Machine Learning: modelización
- OBJETIVO
- Manejar los principales aspectos prácticos de esta rama de la IA a efectos de introducir en la organización modelos predictivos, entendiendo el Machine Learning como uno de los pilares de la transformación digital.
- CONOCIMIENTO / CAPACIDADES COGNITIVAS Y PRÁCTICAS
- Conocimiento práctico y global en materia de Inteligencia Artificial.
- Fundamentos históricos
- Ramas
- Manejo de algoritmos.
- Conceptos básicos
- Gestión de modelos
- Supervisados
- No supervisados
- Aplicación práctica en la organización.
- HABILIDADES DE GESTIÓN, PERSONALES Y SOCIALES
- Mejora continua.
- Gestión óptima del tiempo.
- Comunicación eficaz.
- Habilidades en la resolución de conflictos.
- Proactividad.
- Compromiso con los valores de la organización.
Especialidad formativa