Data Scientist (TLG)

Explicar las medidas estadísticas para un analísis descriptivo y el nivel de confianza y pruebas de hipótesis para un análisis inferencial. Utilizar las medidas estadísticas; nivel de confianza; y pruebas de hipóstesis en el análisis descriptivo e inferencial en un conjunto de datos.

Interpretar scripts de Shell en UNIX para realizar operaciones sobre el sistema de archivos, manipulación del contenido de archivos y procesos, para navegar sobre el sistema de archivos y para automatización de tareas. Diseñar scripts de Shell en UNIX para realizar operaciones sobre el sistema de archivos, manipulación del contenido de archivos y procesos, para navegar sobre el sistema de archivos y para automatización de tareas.

Interpretar programas en lenguaje de programación Python desarrollados sobre el ambiente de programación Google Colab, para que se cumpla con los requerimientos de la aplicación de Ciencia de Datos Diseñar programas en lenguaje de programación Python desarrollados sobre el ambiente de programación Google Colab, para que se cumpla con los requerimientos de la aplicación de Ciencia de Datos

Interpretar programas que realicen operaciones utilizando las bibliotecas de Pandas y NumPy de Python, para familiarizarse con la estructura de datos de dataframe y de arreglos utilizadas por estas bibliotecas. Crear programas en Python que realicen operaciones en dataframes de Pandas y arreglos de NumPy, para conocer los beneficios de cada una de las bibliotecas.

Interpretar programas que utilicen la biblioteca Pandas de lenguaje Python que manipulen conjuntos de datos utilizando las operaciones de concatenar, agregar o unir renglones y/o columnas o inclusive para unir conjuntos de datos de diferentes dataframes para preparalos con el formato requerido por las bibliotecas de Inteligencia Artificial de Python o para que den valor a la hora de visualizarlos. Desarrollar programas que utilicen la biblioteca Pandas de lenguaje Python que manipulen conjuntos de datos utilizando las operaciones de concatenar, agregar o unir renglones y/o columnas o inclusive para unir conjuntos de datos de diferentes dataframes para preparalos con el formato requerido por las bibliotecas de Inteligencia Artificial de Python o para que den valor a la hora de visualizarlos.

Desarrollar la capacidad de analizar situaciones del mundo real para diseñar un modelo de datos, crear y poblar bases de datos en un sistema gestor de bases de datos relacional, demás de permitir a los participantes formular consultas relacionando información y aplicando operaciones y funciones para obtener información resumida y depurada que facilite la toma de decisiones. Crear y manipular una base de datos usando SQL para llamar a datos simples o complejas, usar diferentes tipos de uniones a conjuntos de datos, aplicar filtros y condiciones a los datos, así como aplicar diferentes operaciones y funciones.

Aprender el uso de MongoDB como almacén y motor de manipulación de información no estructurada Acceder y manipular información contenida en MongoDB a través del cliente nativo y del lenguaje de programación Python.

Escribir programas en el lenguaje de programación Python desarrollados sobre un ambiente de programación basado en Jupyter notebook para que se realice la extracción de datos tanto de de sitios WEB, como de documentos pdf, para su posterior manipulaciòn de manera que cumpla con los requerimientos de la aplicación de ciencia de datos. Escribir e interpretar programas en el lenguaje de programación Python desarrollados en un ambiente de programación basado en Jupiter notebook para que se realice la extracción datos de sitios WEB y documentos PDF, y su transformación que cumpla con los requerimientos de la aplicación de ciencia de datos.

Implementar pipelines de datos en Python, utilizando Kedro como plataforma base, diseñando arquitecturas de datos efectivas y eficientes, asegurando que los datos sean corectamente ingresados, transformados y liberados para soportar aplicaciones desde analítica en tiempo real hasta aplicaciones de ML. Desarrollar programas de Python que utilicen pipelines, para diseñar arquitecturas de datos efectivas y eficientes, asegurando que los datos sean corectamente ingresados, transformados y liberados para soportar aplicaciones desde analítica en tiempo real hasta aplicaciones de ML.

Compara algunas de las plataformas de visualización más relevantes de Python para la creación de gráficos estáticos, identificando sus ventajas y enfoques de implementación. Utiliza plataformas de visualización en Python para crear y personalizar diversos tipos de gráficos estáticos, optimizando el análisis y la interpretación de datos.

Analizar visualizaciones geograficas generadas a través de la librería geopandas en lenguaje Python, para reconocer la distribución espacial, las relaciones entre diferentes localizaciones y el cambio que ocurre con el tiempo. Experimentar con diferentes técnicas de visualización de acuerdo con los requerimientos para la presentación de datos geográficos

Desarrollando esta habilidad podrás diseñar un tablero (dashboard) que cumpla con las características de un buen diseño de UX/UI. Contenido. Identificar las características de un buen diseño de UX/UI para desplegar los indicadores en un tablero (Dashboard) eficiente que faciliten la toma de decisiones. Diseñar un Dashboard que cumpla con las características de un buen diseño de UX/UI para desplegar indicadores al que faciliten la toma de decisiones.

Diseño Básico de Dashboard Utilizando Tableau Describir los servicios y productos de Tableu para tomar datos de un repositorio, analizarlo y visualizarlo. Crear reportes sencillos y visualizaciones eficaces utilizando la plataforma Tableau que tomen datos de un repositorio, los analicen y los visualicen para faciitar el trabajo de tomar de decisiones. Diseño Básico de Dashboard Utilizando PowerBI Describir los servicios y productos de Power BI para tomar datos de un repositorio, analizarlo y visualizarlo. Crear reportes sencillos y visualizaciones eficaces utilizando la plataforma Power BI que tomen datos de un repositorio, los analicen y los visualicen para faciitar el trabajo de tomar de decisiones.

Identificar los elementos de la biblioteca Streamlit de Python para el desarrollo de aplicaciones de front-end de Web ya sea tableros para monitorear, medir y analizar datos relevantes o aplicaciones que utilicen IA. Crear aplicaciones de front-end utilizando la biblioteca Streamlit de Python para el desarrollo detableros para monitorear, medir y analizar datos relevantes o aplicaciones que utilicen IA.

Interpretar programas enfocados en la exploración de datos para optimizar el análisis o modelado, mediante enfoques univariados y bivariados, permitiendo la identificación de patrones, anomalías, desbalance de datos y, en general, favoreciendo un entendimiento más profundo del conjunto. Aplicar técnicas de exploración de datos, utilizando enfoques univariados y bivariados, para detectar anomalías, identificar patrones, desbalance y posibles estrategias de transformación, que optimicen en el análisis y la modelación.

Interpretar herramientas visuales con medidas estadísticas; nivel de confianza; pruebas de hipótesis de un conjunto de datos unidemensionales y bidimensionales con el propósito de inferir el comportamiento de un población y el nivel de dependencia de las variables. Utilizar herramientas para visualizar medidas estadísticas; nivel de confianza; pruebas de hipótesis de un conjunto de datos unidimensionales y bidimensionales con el propósito de inferir el comportamiento de un población y el nivel de dependencia de las variables.

Interpretar visualizaciones en lenguaje Python de un modelo de regresión de un conjunto de datos unidimensionales y bidimensionales con el propósito de hacer predicciones futuras y encontrar las variables que causan el mayor impacto en la variable de estudio. Utilizar herramientas visuales del lenguaje Python para generar un modelo de regresión de un conjunto de datos unidimensionales y bidimensionales con el propósito de hacer predicciones futuras y encontrar las variables que causan el mayor impacto en la variable de estudio.

Evaluar mediante un proyecto que el conjunto de competencias adquiridas en el programa de entrenamiento generé en la organización y/o persona, un impacto de mejora medible, claramente estructurado y autogestionado por parte del participante.