Data Scientist

Módulo 1: Sistemas de soporte en la toma de decisiones y gestión de datos

• Caracterización de la aplicación del lenguaje Python
• Interpretación la aplicación de protocolos APIO
• 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 Fecha 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 realizadas
• 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

Módulo 2: Gestión y procesamiento de dato

• 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
• Demostración de una actitud crítica de un pensamiento estratégico, presentando esquemas de tratamiento de los datos y permitiendo la discusión con grupos de interés internos y externos a la empresa para formular actuaciones orientadas al futuro
• Desarrollo de las actividades de diseño y análisis de datos con responsabilidad social, honestidad intelectual e integridad científica
• Concienciación de la necesidad de una actitud responsable y comprometida con los resultados y la limitación de los recursos disponibles a la toma de decisiones en entornos profesionales complejos
• Valoración de la importancia de la adaptación a las restricciones de coste, disponibilidad, tiempo de desarrollo o implantación en la revisión de un diseño inicial de gestión de datos

Módulo 3: Aprendizaje automática y visualización

• Identificación de los cimientos 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 varias 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
• Uso de habilidades de comunicación con los grupos de interés para mostrar los aspectos más relevantes de los resultados obtenidos en los resultados del proceso y su adaptación a las necesidades del proyecto
• Aplicación de soluciones innovadoras y adaptación a los entornos cambiantes
• Capacidad de desarrollo continuo de proyectos y comunicación de los resultados y decisiones con técnicas y herramientas de visualización
• Coordinación y comunicación con especialistas, no especialistas, supervisores y clientes con el uso de las herramientas de comunicación para el diseño de información relevante sobre los aspectos claves de la aplicación