Esta revolución es un proceso de desarrollo tecnológico e industrial, igual que las anteriores. Pero hay una gran diferencia en este cambio y es que esta vez, debido a la mejora de los sistemas y tecnologías, serán respaldados por datos. Estudiarán cómo esta transformación debe ser guiada para maximizar los resultados y cuáles son los pilares que debemos fijar para afianzar esta transformación.

Conocerán como, tanto con R como con Python, permiten importar, limpiar, manipular y visualizar datos. A través de ejercicios interactivos, se familiarizarán con algunas de las bibliotecas de Python más populares. También aprenderán a realizar consultas con SQL, lo que resulta fundamental para comunicarte con los datos de negocio.

Conocerán cómo representar los datos de forma atractiva para facilitar la toma de decisiones. Realizaremos casos prácticos, utilizando como software principal Power BI una herramienta de Business Intelligence que ofrece muchas posibilidades para la representación y visualización de datos.

Conocerán las herramientas que necesitarán para limpiar y validar datos, realizar representaciones gráficas que muestren información relevante sobre los datos y entender las relaciones estadísticas entre variables. Conocimientos y ejercicios prácticos para resolver cualquier pregunta a la hora de conocer en profundidad cualquier conjunto de datos que se te presente.

Conocerán lo necesario sobre análisis de datos mediante el uso de herramientas estadísticas. Trabajarán distintos casos comerciales haciendo uso de estas técnicas analíticas. Les va a permitir comprender los siguientes conceptos: test estadísticos, análisis avanzados (de componentes principales, de correspondencias y de discriminantes), clusterización, regresiones y series temporales.

Aprenderán a entrenar la vista en el reconocimiento de escenarios de datos válidos para negocios, análisis o fuentes de datos. Esta visión entrenada será clave para identificar situaciones que necesitan nuestra intervención para ser digitalizadas. Adicionalmente explorarán aquellas fuentes de datos de acceso libre (OpenData) que pueden servir de apoyo para nuestros casos de negocio.

Aprenderán sobre el diseño de experiencias y el design thinking para crear experiencias ganadoras. También a descubrir las diferentes metodologías para extraer información que buscamos de los usuarios, así como a validar productos y servicios. Verán ejemplos de usabilidad y buenas prácticas en el diseño digital y de presentaciones.

Aprenderán Data Management, cuáles son los principios necesarios para construir un flujo correcto de la información a nivel organizativo, revisando temas como Data Quality, Data Governance, Data Lineage. A la hora de diseñar una empresa dirigida por datos, ésta no se puede centrar solo en el diseño de escenarios,, también necesita tener una mentalidad correcta en la gestión, definición, y mantenimiento de datos.

Aprenderán a usar Python para realizar aprendizaje supervisado, a crear modelos predictivos, ajustar sus parámetros y determinar cómo funcionarán con datos nuevos. También a usar scikit-learn, una de las bibliotecas de aprendizaje automático más populares, y conocerán los principales tipos de modelos que resuelven los problemas de clasificación y regresión de los negocios.

Aprenderán a resolver problemas profundizando en el uso de Python para el desarrollo de modelos de IA útiles para la mayoría de los negocios. En Inteligencia Artificial nos encontramos con problemas más complejos que la clasificación y la regresión, porque no tenemos una única respuesta sino muchas, o porque no tenemos una respuesta clara frente a la que medir la calidad de nuestras predicciones.

Conocerán esquemas de trabajo como prototipos, pruebas, iteraciones y como las metodologías ágiles juegan un papel crucial en el éxito del desarrollo de soluciones. Estudiarán cuáles son las principales tecnologías en este ámbito laboral y cómo sería el día a día de grupos de expertos que trabajan explotando datos.

Verán que cada vez dejamos más decisiones que la IA tome con más o menos autonomía y que pueden ser relevantes para las personas. Por eso es necesaria la regulación sobre cuáles son las decisiones adecuadas que los, como los sistemas de IA puedan tener que tomar.

Conocerán el diseño e implementación de arquitecturas de datos, para ello conocerán las herramientas y tecnologías necesaria para el proyecto. De las principales técnicas de extracción de información, transformación y procesamiento de la información, a la gestión, orquestación de data-pipelines, el análisis y la visualización de los insights generados desde una óptica de negocio

Aprenderán con el apoyo de casos de uso reales, qué niveles de interacción con los datos necesitan nuestros usuarios, partiendo desde un reporte, cuadro de mando, hasta análisis predictivo, y cómo cada escenario necesita un nivel de detalle adecuado. El análisis de datos, debe ser un reflejo de las necesidades de Negocio y deben servir como instrumento de trabajo para la toma de decisiones