Identificar el valor estratégico del dato en una organización y las nuevas fuentes de datos emergentes. Conocer los conceptos básicos de Machine Learning y Data Science. Obtener una visión general y aprender a desenvolverse en los distintos entornos y lenguajes de programación. Conocer las bases del lenguaje de consultas SQL. Introducir al alumno en las principales herramientas de visualización de datos.
Introducir a los alumnos en las labores de análisis exploratorio de datos. Conocer las bases conceptuales de la Ingeniería de Datos. Conocer las distintas tecnologías, ecosistemas y herramientas que se emplean en la ingeniería de datos. Obtener los conocimientos necesarios sobre el nuevo tipo de datos NoSQL.
Comprender el cambio de paradigma que supone la combinación de Big Data e Inteligencia Artificial. Descubrir los pilares de la transformación AI-Driven.
Identificar el valor estratégico del dato en una organización. Tener una visión general de los conceptos básicos de estadística necesarios en proyectos de Machine Learning y Data Science. Aprender a desenvolverse en entornos Linux. Ofrecer a los alumnos conocimientos prácticos sobre aprendizaje supervisado y no supervisado. Practicar con las herramientas y lenguajes de programación aprendidos.
Entender la importancia de la visualización dentro de un proyecto de Big Data. Introducir al alumno en las principales herramientas de visualización de datos categorizadas según su tipología y dificultad. Introducir al alumno en las técnicas del Storytelling y los principios básicos que lo engloban.
Conocer las herramientas de visualización de datos. Introducir a los alumnos en las herramientas de tecnologías GIS (Geographic Information System). Aprender a trabajar con tablas y cuadros de mando en Power BI.
Desarrollar las capacidades analíticas de los alumnos.Reconversión y mejora de las competencias para hacer frente a la digitalización y los nuevos negocios. Conseguir organizaciones ‘Data Driven’, donde a partir de los datos y su análisis se puedan tomar mejores decisiones.
Asimilar una metodología de desarrollo de modelos predictivos que guíe el proceso desde la identificación del problema de negocio hasta el despliegue del modelo. Describir la principal algoritmia de Aprendizaje Supervisado. Conocer los principios básicos y funcionales del lenguaje Python. Gestión de información basada en tablas. Familiarización con la visualización de datos en Python.
Analizar los diversos métodos y mejores prácticas que están en línea con los requisitos comerciales y técnicos para modelar, visualizar y analizar datos con Power BI. Mostrar cómo acceder y procesar datos de una variedad de fuentes de datos, incluidos los datos relacionales y no relacionales. Aprender cómo implementar estándares y políticas de seguridad adecuados en todo el espectro de Power BI, incluidos conjuntos de datos y grupos. Aprender a administrar e implementar informes y paneles para compartir y distribuir contenido
Adquirir un conocimiento de la IA y su impacto en las empresas, saber qué se puede hacer (y que no) con la IA. Aprender a cómo empezar a crear métodos de IA.
Conocer las tecnologías y las herramientas de IA disponibles que capacitan a los usuarios profesionales para mejorar la productividad. Cómo definir la estrategia de IA para crear valor en las organizaciones. Entender los elementos clave para que una organización esté preparada culturalmente para la IA. Uso responsable de la IA.
Crear soluciones de extremo a extremo en Microsoft Azure. Implementar soluciones informáticas de Azure, crear funciones de Azure, implementar y administrar aplicaciones web, desarrollar soluciones que utilicen el almacenamiento de Azure, implementar autenticación y autorización, y asegurar sus soluciones mediante KeyVault e Identidades administradas.