MÓDULO 1: SISTEMAS DE SOPORTE A LA TOMA DE DECISIONES Y GESTIÓN DE DATOS.

1. Caracterización de la aplicación del lenguaje Python.
2. Interpretación la aplicación de protocolos APIO.
3. Programación de un algoritmo modular en lenguaje Python.
4. Distinción de los conceptos Cloud básicos.
5. Uso de BBDD NoSQL y nuevos modelos de datos (estructurados y no estructurados).
6. Conocimiento del almacenamiento Big Fecha y las herramientas de procesamiento masivo.
7. Evaluación de las metodologías y técnicas aplicadas en la resolución de problemas y justificación de los planteamientos, decisiones y propuestas realizadas.
8. Identificación de los factores clave de un problema complejo en el contexto de un proyecto de analítica.
9. Distinción y aplicación de los nuevos modelos de datos.
10. Identificación y análisis de problemas complejos en el área de análisis de datos y planteamiento de soluciones.
11. Planificación y ejecución de un trabajo de análisis de datos con una propuesta metodológica.
12. Elección de un repositorio adecuado para los datos del problema y definición de una estrategia de almacenamiento.
MÓDULO 2: GESTIÓN Y PROCESAMIENTO DE DATOS.
1. Evaluación crítica de las metodologías y técnicas a aplicar en la resolución de problemas y justificación de los planteamientos, decisiones y propuestas realizadas.
2. Identificación de los flujos de datos y ETL (Extract Transform Load).
3. Diseño de un proceso ETL y un modelo de análisis multidimensional.
4. Diseño de una carga de datos a un repositorio NoSQL y análisis de los datos básico utilizando Spark.
5. Identificación de los factores clave de un problema complejo en el contexto de un proyecto de analítica.
MÓDULO 3: APRENDIZAJE AUTOMÁTICO Y VISUALIZACIÓN.
1. Identificación de los cimientos de análisis de datos y aprendizaje automático (Machine Learning).
2. Distinción de los métodos clasificadores.
Aplicación de las técnicas de aprendizaje automático y la integración de varias fuentes de datos.
3 Diseño, desarrollo y evaluación de los métodos de aprendizaje automático.
4. Diseño y desarrollo de dashboards.
5. Utilización de una herramienta de visualización de datos para el diseño y carga de datos a un panel de control.
6. Elección, aplicación y evaluación de la calidad de un algoritmo de aprendizaje automático para un problema dado a partir de un conjunto de datos.