DATA SCIENTIST: MACHINE LEARNING, ANÁLISIS AVANZADO Y TOMA DE DECISIONES

Unidad 1. Sistema de soporte a la toma de decisión y gestión de datos.
– Caracterización de la aplicación del lenguaje Python.
– Interpretación la aplicación de protocolos API.
– Programación de un algoritmo modular en lenguaje Python.
– Distinción de los conceptos Cloud básicos.
– Uso de BBDD NoSQL y nuevos modelos de datos (estructurados y no estructurados).
– Conocimiento del almacenamiento Big Data y las herramientas de procesamiento masivo.
– Evaluación de las metodologías y técnicas aplicadas en la resolución de problemas y justificación de los planteamientos, decisiones y propuestas realizada.
– Identificación de los factores clave de un problema complejo en el contexto de un proyecto de analítica.
– Distinción y aplicación de los nuevos modelos de datos.
– Identificación y análisis de problemas complejos en el área de análisis de datos y planteamiento de soluciones.
– Planificación y ejecución de un trabajo de análisis de datos con una propuesta metodológica.
– Elección de un repositorio adecuado para los datos del problema y definición de una estrategia de almacenamiento.

Unidad 2. Gestión y procesamiento de datos.
– Evaluación crítica de las metodologías y técnicas a aplicar en la resolución de problemas y justificación de los planteamientos, decisiones y propuestas realizadas.
– Identificación de los flujos de datos y ETL (Extract Transform Load).
– Diseño de un proceso ETL y un modelo de análisis multidimensional.
– Diseño de una carga de datos a un repositorio NoSQL y análisis de los datos básico utilizando Spark.
– Identificación de los factores clave de un problema complejo en el contexto de un proyecto de analítica.

Unidad 3. Aprendizaje automático y visualización.
– Identificación de los fundamentos de análisis de datos y aprendizaje automático (Machine Learning).
– Distinción de los métodos clasificadores.
– Aplicación de las técnicas de aprendizaje automático y la integración de diversas fuentes de datos.
– Diseño, desarrollo y evaluación de los métodos de aprendizaje automático.
– Diseño y desarrollo de dashboards.
– Utilización de una herramienta de visualización de datos para el diseño y carga de datos a un panel de control.
– Elección, aplicación y evaluación de la calidad de un algoritmo de aprendizaje automático para un problema dado a partir de un conjunto de datos.