SUBDIRECCIÓN DE APRENDIZAJE. FORMACIÓN EN TECNOLOGÍAS

EXPLOTACIÓN DE LOS DATOS POR LAS ADMINISTRACIONES PÚBLICAS

¿Qué voy a aprender?

1. Identificar problemas susceptibles de ser afrontados mediante técnicas de Data Science
2. Identificar los tipos de información que se pueden explotar a partir de un conjunto de datos
3. Conocer técnicas disponibles de análisis de datos
4. Describir una determinada técnica o modelo de análisis de datos
5. Asociar problemas de análisis de datos con las técnicas de Data Science que permitan su evaluación
6. Identificar la técnica o modelo más adecuado para un determinado escenario caracterizado por el tipo de datos disponibles y el tipo de información que se desea explotar de los mismos.
7. Evaluar la idoneidad de una determinada técnica o modelo de análisis de datos para un determinado escenario
8. Realizar un análisis completo de un conjunto de datos aplicando técnicas de Data Science, desde la fase de planteamiento de los objetivos de explotación hasta la comunicación de los resultados del análisis

 

Dirigido a:

Pertenecer al subgrupo A1 y personal laboral equivalente. Perfil técnico avanzado, con necesidad de conocer tecnologías de análisis y explotación de datos.

Inscripción:

• Esta acción formativa no se encuentra en periodo de inscripción.

• El número máximo de alumnos será de 15.

Contenidos:

- Bloque 0. Presentación del curso. Ficha docente. Objetivos, organización, metodología, planificación, equipo docente. 

- Bloque 1. Introducción a las tecnologías de almacenamiento y análisis de información. Motivación, contexto, objetivos, conceptos y fundamentos generales de Data Science. Herramientas del analista de datos. Almacenes de datos (datawarehouses): definiciones, procesos y modelo multidimensional.

- Bloque 2. Ciencia de los Datos (Data Science). Definiciones, algoritmos de aprendizaje, proceso de minería de datos (CRISP-DM). Visualización y análisis exploratorio de datos. Técnicas predictivas y de clasificación (análisis supervisado). Técnicas de descubrimiento de patrones (análisis no supervisado). Casos de estudio. Conclusiones.

Docentes:

	Dª. RAQUEL MARÍA CRESPO GARCIA ANALISTA APLICACIONES INDUSTRIALES (DEPTO. CERES)
	D. JULIO VILLENA ROMÁN PRINCIPAL SOFTWARE ENGINEER EN REDDIT, INC.