IFCD112

Resolución de problemas multisectoriales: modelos de Machine Learning, Deep Learning y uso masivo de datos

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

Diseñado y producido por Smartmind

Disponibilidad:

Licencias disponibles

Contenidos

IFCD112 — Resolución de problemas multisectoriales: modelos de Machine Learning, Deep Learning y uso masivo de datos

Módulo 1

Introducción a la ciencia del dato

Objetivo. Implantar Data Science en la organización a efecto de mejorar los procesos de toma de decisiones.

Contenidos: 2

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.

Módulo 2

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.

Contenidos: 4

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

Módulo 3

Arquitectura de datos

Objetivo. Identificar y manejar los diferentes modelos, tecnologías y procesos en sistemas Big Data.

Contenidos: 4

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.

Módulo 4

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.

Contenidos: 4

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.