1 1
$149.00 USD
$149.00 USD
Oferta Agotado
Tipo
Ver todos los detalles

El curso de Transformación Digital: Ciencia de Datos Avanzada cubre tecnologías, prácticas y estrategias de transformación digital y ciencia de datos, y además se amplía con exploraciones detalladas de las técnicas y los algoritmos de análisis y analítica de inteligencia artificial (IA) y Machine Learning, así como las plataformas de procesamiento y almacenamiento de Big Data. Los temas incluyen redes neuronales de IA y mecanismos de procesamiento de datos.

Complete el curso de Transformación Digital: Ciencia de Datos Avanzada y, opcionalmente, acredítese como Científico de Datos de Transformación Digital aprobando el examen de certificación. Puede comprar el curso ahora y obtener el examen más tarde, o puede obtenerlos juntos con un descuento como parte del Paquete de certificación.

Al completar el curso recibirá un certificado digital de finalización, así como una insignia digital de capacitación de Acclaim/Credly. Dado que este curso abarca varias certificaciones, al aprobar el examen también recibirá los certificados digitales de acreditación oficiales y las insignias digitales de certificación de Acclaim/Credly de Especialista en Transformación Digital, Profesional de Ciencia de Datos de Transformación Digital y Científico de Datos de Transformación Digital, junto con una cuenta que se puede utilizar para verificar el estado de su certificación.

Si ya completó los Módulos 1, 2, 9, 10 y 11 en esta ruta de certificación, puede adquirir un curso parcial (o un paquete parcial) que contiene únicamente los módulos específicos de la ruta de Científico de Datos de Transformación Digital aquí.

Descargar la guía y
los temarios (PDF)

El curso de Transformación Digital: Ciencia de Datos Avanzada está compuesto por los siguientes 8 módulos, cada uno de los cuales tiene una duración estimada de 10 horas:

  • Módulo 1: Fundamentos de Transformación Digital
  • Módulo 2: La Transformación Digital en la Práctica
  • Módulo 9: Fundamentos de Análisis y Analíticas de Big Data
  • Módulo 10.A: Fundamentos de Machine Learning
  • Módulo 10.B: Fundamentos de IA Predictiva
  • Módulo 11: Fundamentos de IA Generativa
  • Módulo 12: Análisis y Analíticas de Big Data Avanzados
  • Módulo 13.A: Machine Learning Avanzado
  • Módulo 13.B: IA Predictiva Avanzada
  • Módulo 14: IA Generativa Avanzada


Se le proporcionan los Módulos 10.A, 10.B, 13.A y 13.B, pero solo se requiere que complete uno de 10.A o 10.B y uno de 13.A o 13.B para completar este curso.

Elija el Paquete de certificación para recibir el curso completo junto con el examen de certificación supervisado en línea y un conjunto de preguntas de examen de práctica, todo con un descuento de paquete.

Información del examen

Al comprar este curso, automáticamente recibirá acceso a través de la plataforma de eLearning Interactivo en Línea. Para proporcionarle la mayor flexibilidad, también tendrá la opción de acceder a los materiales del curso a través de dos formatos adicionales de eLearning, sin costo adicional. A continuación se describen brevemente los tres formatos de eLearning. Encontrará una comparación más detallada aquí.
  1. Para el aprendizaje cotidiano: Una plataforma interactiva de aprendizaje en línea con lecciones individuales, así como preguntas de práctica y ejercicios interactivos que se califican automáticamente.
  2. Para el aprendizaje en movimiento: Una plataforma de kit de estudio con acceso a todos los documentos del curso que soportan la sincronización online/offline, anotaciones, comentarios, marcadores personalizados y búsquedas entre documentos.
  3. Para su referencia: Un conjunto de documentos PDF con marca de agua que puede imprimir y conservar (para todos los cuadernos de trabajo y posters del curso).
Las tres formas de acceso están sujetas a la * de Arcitura. Tras la compra, el acceso a la plataforma de eLearning interactivo en línea (1) se proporciona en el plazo de un día hábil. El acceso a los kits de estudio (2) y los documentos PDF (3) se proporciona sobre pedido.

El curso está compuesto por un conjunto de módulos. Cada módulo tiene un conjunto de lecciones y además se complementa con ejercicios para ayudar a reforzar su comprensión de los temas clave. A continuación se muestran los contenidos digitales y el temario de cada módulo del curso:


Módulo 1: Fundamentos de Transformación Digital

Este módulo ofrece una introducción fácil de entender a la Transformación Digital y cómo se relaciona con los negocios, la tecnología, los datos y la gente. La cobertura incluye los beneficios, riesgos y retos de la Transformación Digital, así como sus factores tecnológicos y de negocio.


Contenidos del módulo del curso

  • Lecciones del libro de trabajo (100+ páginas)
  • Lecciones en video (para todos los temas)
  • Ejercicios interactivos
  • Poster de mapa mental

  • Poster de leyenda de símbolos
  • Preguntas de examen de práctica
  • PDFs del libro de trabajo y posters (imprimible)

Temas cubiertos

  • Cómo entender la transformación digital
  • Beneficios de la transformación digital
  • Retos de la transformación digital
  • Factores tecnológicos y de negocio de la transformación digital
  • Cómo entender la centralidad del cliente
  • Relaciones centradas en el producto vs. relaciones centradas en el cliente
  • Acciones de valor de relación y calidez
  • Interacciones con el cliente a través de todos los canales (omnicanal)
  • Recorridos del cliente e inteligencia de datos del cliente
  • Fundamentos de inteligencia de datos

  • Orígenes de los datos y fuentes de los datos
  • Métodos de recopilación de datos y tipos de utilización de datos
  • Toma de decisiones inteligente
  • Toma de decisiones manual asistida por computadora y toma de decisiones automatizada condicional
  • Toma de decisiones manual inteligente vs. toma de decisiones automatizada inteligente
  • Toma de decisiones automatizada directa y toma de decisiones automatizada periódica
  • Toma de decisiones automatizada en tiempo real

Módulo 2: La Transformación Digital en la Práctica

Este módulo profundiza en los ambientes de automatización de Transformación Digital mediante la exploración de las tecnologías contemporáneas clave utilizadas para construir soluciones de automatización de Transformación Digital, incluyendo IA, RPA, IoT, Machine Learning, Blockchain, Computación en la Nube y Big Data.


Contenidos del módulo del curso

  • Lecciones del libro de trabajo (100+ páginas)
  • Lecciones en video (para todos los temas)
  • Ejercicios interactivos

  • Poster de mapa mental
  • Preguntas de examen de práctica
  • PDFs del libro de trabajo y poster (imprimible)

Temas cubiertos

  • Fundamentos del diseño de soluciones distribuidas
  • Fundamentos de la ingesta de datos, incluyendo File Pull, File Push, API Pull, API Push y Flujo de datos
  • Introducción a las tecnologías de automatización de transformación digital
  • Fundamentos de computación en la nube y la computación en la nube como parte de las soluciones de transformación digital
  • Riesgos y retos comunes de la computación en la nube
  • Fundamentos de blockchain y blockchain como parte de las soluciones de transformación digital
  • Riesgos y retos comunes de blockchain
  • Fundamentos del internet de las cosas (IoT) y IoT como parte de las soluciones de transformación digital
  • Riesgos y retos comunes de IoT
  • La automatización robótica de procesos (RPA) y RPA como parte de las soluciones de transformación digital
  • Riesgos y retos comunes de RPA

  • Introducción a las tecnologías de la ciencia de datos de transformación digital
  • Big Data y analíticas de datos, y Big Data como parte de las soluciones de transformación digital
  • Riesgos y retos comunes de Big Data
  • Fundamentos de Machine Learning y Machine Learning como parte de las soluciones de transformación digital
  • Riesgos y retos comunes de Machine Learning
  • Fundamentos de inteligencia artificial (IA) e IA como parte de las soluciones de transformación digital
  • Riesgos y retos comunes de IA
  • Dentro de una solución de transformación digital centrada en el cliente (una exploración integral, paso a paso)
  • Cómo relacionar las tecnologías individuales de transformación digital con el procesamiento de soluciones
  • Seguimiento a la manera en que se recopila y utiliza la inteligencia de datos en una solución de transformación digital

Módulo 9: Fundamentos de Análisis y Analíticas de Big Data

Este módulo de fundamentos proporciona una descripción general de los temas esenciales de la ciencia de Big Data y explora varias de las prácticas, tecnologías y herramientas contemporáneas de análisis más relevantes para los ambientes de Big Data. Los temas incluyen las funciones y características de análisis comunes ofrecidas por las soluciones de Big Data, así como una exploración del ciclo de vida del análisis de Big Data.


Contenidos del módulo del curso

  • Lecciones del libro de trabajo (100+ páginas)
  • Ejercicios interactivos
  • Poster de mapa mental
  • Poster de leyenda de símbolos

  • Poster de relaciones de análisis y analíticas
  • Preguntas de examen de práctica
  • PDFs del libro de trabajo y posters (imprimible)

Temas cubiertos

  • Cómo entender Big Data
  • Terminología y conceptos fundamentales
  • Factores tecnológicos y de negocio de Big Data
  • Características de los datos en los ambientes de Big Data
  • Tipos de conjuntos de datos en los ambientes de Big Data
  • Análisis y analíticas fundamentales
  • Inteligencia de negocios y Big Data
  • Visualización de datos y Big Data

  • El ciclo de vida del análisis de Big Data
  • Pruebas A/B, Correlación, Regresión
  • Análisis de series temporales, Mapas de calor
  • Análisis de redes, análisis espacial de datos
  • Clasificación, agrupamiento
  • Filtrado (incluyendo filtrado colaborativo y filtrado basado en contenidos)
  • Análisis de sentimientos, analítica de textos

Módulo 10.A: Fundamentos de Machine Learning

Este módulo proporciona una descripción general fácil de entender del Machine Learning para cualquier interesado en cómo funciona, qué puede y qué no puede hacer, y cómo se utiliza comúnmente en apoyo de las metas de negocio. El módulo cubre los tipos de algoritmos comunes y además explica cómo funcionan los sistemas de Machine Learning tras bambalinas. Los materiales básicos del módulo se acompañan con un suplemento informativo que cubre diversos algoritmos y prácticas comunes.


Contenidos del módulo del curso

  • Lecciones del libro de trabajo (100+ páginas)
  • Ejercicios interactivos
  • Poster de mapa mental
  • Poster de leyenda de símbolos

  • Preguntas de examen de práctica
  • PDFs del libro de trabajo y posters (imprimible)

Temas cubiertos

  • Factores tecnológicos y de negocio de Machine Learning
  • Beneficios y retos de Machine Learning
  • Escenarios de uso de Machine Learning
  • Conjuntos de datos, datos estrucutrados, no estructurados y semiestructurados
  • Modelos, algoritmos, aprendizaje y entrenamiento de modelos
  • Cómo funciona el Machine Learning
  • Recopilación y preprocesamiento de datos de entrenamiento
  • Selección de algoritmos y modelos
  • Entrenamiento de modelos y despliegue de modelos entrenados
  • Algoritmos y prácticas de Machine Learning

  • Aprendizaje supervisado, clasificación, árbol de decisiones
  • Regresión, métodos de ensamble, reducción de dimensiones
  • Aprendizaje no supervisado y agrupamiento
  • Aprendizaje semisupervisado y por refuerzo
  • Mejores prácticas de Machine Learning
  • Cómo funcionan los sistemas de Machine Learning
  • Mecanismos comunes de Machine Learning
  • Cómo se utilizan los mecanismos en el entrenamiento de modelos
  • Machine Learning y Deep Learning, Inteligencia artificial (IA)

Módulo 10.B: Fundamentos de IA Predictiva

Este módulo ilustra cómo se puede utilizar y aplicar la IA predictiva en una gama de aplicaciones empresariales y proporciona una cobertura esencial de las prácticas y los sistemas de IA predictiva. El módulo explora los enfoques de aprendizaje y las áreas funcionales más comunes para las que se utilizan los sistemas de IA. Todo el contenido está escrito en español sencillo y fácil de entender.


Contenidos del módulo del curso

  • Lecciones del libro de trabajo (100+ páginas)
  • Ejercicios interactivos
  • Poster de mapa mental
  • Poster de leyenda de símbolos

  • Preguntas de examen de práctica
  • PDFs del libro de trabajo y posters (imprimible)

Temas cubiertos

  • Factores de negocio y tecnológicos de la IA predictiva
  • Beneficios de la IA predictiva
  • Riesgos y retos comunes del uso de la IA predictiva
  • Categorías de problemas empresariales que aborda la IA
  • Tipos de IA predictiva
  • Enfoques de aprendizaje comunes de la IA predictiva
  • Cómo entender el aprendizaje y el entrenamiento de modelos de IA predictiva
  • Proceso del ciclo de entrenamiento paso a paso

  • Aprendizaje supervisado, Aprendizaje no supervisado, Aprendizaje continuo
  • Aprendizaje heurístico, Aprendizaje semisupervisado, Aprendizaje por refuerzo
  • Diseños funcionales comunes de IA predictiva, Visión computarizada, Reconocimiento de patrones
  • Robótica, Procesamiento del lenguaje natural (PLN)
  • Reconocimiento del habla, Comprensión del lenguaje natural (CLN)
  • Cómo entender los modelos de IA y las redes neuronales

Módulo 11: Fundamentos de IA Generativa

Este módulo explora la aplicación de la IA generativa en una gama de escenarios empresariales y ofrece una cobertura fundamental de los conceptos, modelos, mejores prácticas y redes neuronales de la IA generativa, incluyendo los modelos de Redes Generativas Adversariales (GANs), Autocodificadores Variacionales (VAEs) y Transformadores. Todo el contenido está escrito en español sencillo y fácil de entender.


Contenidos del módulo del curso

  • Lecciones del libro de trabajo (100+ páginas)
  • Ejercicios interactivos
  • Poster de mapa mental
  • Poster de leyenda de símbolos

  • Preguntas de examen de práctica
  • PDFs del libro de trabajo y posters (imprimible)

Temas cubiertos

  • Factores de negocio y tecnológicos de la IA generativa
  • Beneficios de la IA generativa
  • Riesgos y retos comunes del uso de la IA generativa
  • Categorías de problemas empresariales que aborda la IA generativa
  • Cómo entender los modelos, los algoritmos y las redes neuronales
  • Tipos de IA generativa

  • Entrenamiento de modelos generativos y cómo entender el ciclo de entrenamiento
  • Cómo entender las Redes Generativas Adversariales (GANs)
  • Cómo entender los Autocodificadores Variacionales (VAEs)
  • Cómo entender los Transformadores
  • Pasos para construir sistemas de IA
  • Buenas prácticas de la IA generativa

Módulo 12: Análisis y Analíticas de Big Data Avanzados

Este módulo proporciona una visión a profundidad de las áreas temáticas esenciales y avanzadas relacionadas con las técnicas de ciencia de datos y análisis relevantes y exclusivas de Big Data, con énfasis en la forma en que el análisis y las analíticas deben llevarse a cabo individual y colectivamente para apoyar las características, requerimientos y retos particulares asociados con los conjuntos de datos de Big Data.


Contenidos del módulo del curso

  • Lecciones del libro de trabajo (100+ páginas)
  • Ejercicios interactivos
  • Poster de mapa mental

  • Preguntas de examen de práctica
  • PDFs del libro de trabajo y poster (imprimible)

Temas cubiertos

  • Análisis exploratorio de datos, estadísticas esenciales, incluyendo las categorías de variables y las matemáticas relevantes
  • Análisis de estadísticas, incluyendo descriptiva, inferencial, covarianza, prueba de hipótesis, etc.
  • Medidas de variación o dispersión, rango intercuartil y valores atípicos, puntuación Z, etc.
  • Probabilidad, frecuencia, estimadores estadísticos, intervalo de confianza, etc.
  • Variables y notaciones matemáticas básicas, medidas estadísticas e inferencia estadística
  • Análisis confirmatorio de datos (CDA)
  • Discretización de datos, Binning y agrupamiento
  • Técnicas de visualización, incluyendo gráfica de barra, gráfica de línea, histrograma, polígonos de frecuencia, etc.
  • Regresión lineal de predicción, error cuadrático medio y coeficiente de determinación R2, etc.
  • Resúmenes numéricos, modelado, evaluación de modelos, ajuste de modelos y sobreajuste de modelos
  • Modelos estadísticos, medidas de evaluación de modelos

  • Validación cruzada, varianza del sesgo, matriz de confusión y puntuación F
  • Reglas de asociación y algoritmo apriori
  • Reducción de datos, selección dimensional de características
  • Extracción de características, discretización de datos (Binning y agrupamiento)
  • Paramétrico vs. no paramétrico, agrupamiento vs. no agrupamiento
  • Basado en distancia, supervisado vs. semisupervisado
  • Regresión lineal y regresión logística para Big Data
  • Regresión de logísticas, Naïve Bayes, Suavizado de Laplace, etc.
  • Árboles de decisiones para Big Data
  • Identificación de patrones, reglas de asociación, algoritmo apriori
  • Análisis de series temporales, tendencia, estacionalidad, K vecinos cercanos (kNN), K-medias
  • Analíticas de textos para Big Data y detección de atípicos para Big Data
  • Técnicas de estadísticas, basadas en distancia, supervisadas y semisupervisadas

Módulo 13.A: Machine Learning Avanzado

Este módulo profundiza en la amplia variedad de algoritmos, métodos y modelos de las prácticas contemporáneas de Machine Learning para explorar cómo se pueden resolver una serie de diferentes problemas de negocio utilizando y combinando técnicas probadas de Machine Learning.


Contenidos del módulo del curso

  • Lecciones del libro de trabajo (100+ páginas)
  • Ejercicios interactivos
  • Poster de mapa mental

  • Preguntas de examen de práctica
  • PDFs del libro de trabajo y poster (imprimible)

Temas cubiertos

  • Patrones de exploración de datos
  • Cálculo de tendencia central, cálculo de variabilidad
  • Cálculo de asociatividad, cálculo de resumen gráfico
  • Patrones de reducción de datos
  • Selección de características, extracción de características
  • Patrones de manipulación de datos
  • Imputación de características, codificación de características
  • Discretización de características, estandarización de características
  • Patrones de aprendizaje supervisado

  • Predicción numérica, predicción de categorías
  • Patrones de aprendizaje no supervisado
  • Descubrimiento de categorías, descubrimiento de patrones
  • Patrones de evaluación de modelos, modelado de referencia
  • Evaluación del desempeño de entrenamiento, evaluación del desempeño de predicción
  • Patrones de optimización de modelos
  • Aprendizaje conjunto, Reentrenamiento frecuente del modelo
  • Implementación de modelos ligeros, aprendizaje incremental del modelo

Módulo 13.B: IA Predictiva Avanzada

Este módulo profundiza en cómo funcionan los sistemas de IA predictiva mediante la exploración de técnicas comunes de aprendizaje, procesamiento y manipulación de datos, y gestión del rendimiento de los sistemas de IA. El módulo no cubre fórmulas matemáticas ni programación y está dirigido a profesionales de TI en general.


Contenidos del módulo del curso

  • Lecciones del libro de trabajo (100+ páginas)
  • Ejercicios interactivos
  • Poster de mapa mental

  • Preguntas de examen de práctica
  • PDFs del libro de trabajo y poster (imprimible)

Temas cubiertos

  • Cómo entender el aprendizaje supervisado
  • Cómo entender el aprendizaje no supervisado
  • Técnicas y procesos analíticos esenciales
  • Introducción a la Codificación de características y la Imputación de características
  • Introducción a la Reducción de la dimensionalidad

  • Introducción a la Gestión de datos
  • Introducción a la Evaluación de modelos y la Evaluación del rendimiento del entrenamiento
  • Introducción al Modelado de referencia y la Optimización de modelos
  • Introducción a la Prevención del sobreajuste
  • Introducción al Aprendizaje por transferencia

Módulo 14: IA Generativa Avanzada

Este módulo cubre una gama de redes, modelos y técnicas comunes de IA generativa, incluyendo redes neuronales especializadas y prácticas para gestionar y optimizar sistemas y procesos de entrenamiento de modelos de IA generativa. El módulo no cubre fórmulas matemáticas ni programación y está dirigido a profesionales de TI en general.


Contenidos del módulo del curso

  • Lecciones del libro de trabajo (100+ páginas)
  • Ejercicios interactivos
  • Poster de mapa mental

  • Preguntas de examen de práctica
  • PDFs del libro de trabajo y poster (imprimible)

Temas cubiertos

  • Guardianes éticos y Traductores de resultados
  • Modelos lingüísticos preentrenados (PLMs) y Aprendizaje por transferencia
  • Inyección de ruido, Ajuste de temperatura y Chispas aleatorias
  • Cómo trabajar con Redes Generativas Adversariales (GANs)
  • Cómo trabajar con Autocodificadores Variacionales (VAEs)
  • Cómo trabajar con Transformadores
  • Cómo trabajar con Redes Generativas Adversariales Condicionales (cGANs)

  • Cómo trabajar con Redes Neuronales Recurrentes (RNNs) y Memoria de corto/lago plazo (LSTM)
  • Modelos lingüísticos de gran tamaño (LLMs) y Procesamiento del lenguaje natural (PLN)
  • Evaluación de modelos y Evaluación del rendimiento del entrenamiento
  • Modelado de referencia y Optimización de modelos
  • Prevención del sobreajuste

Conozca a Arcitura: Tome el Tour en Video

Vea estos útiles videos informativos para aprender acerca de los programas, cursos y certificaciones de Arcitura.

Acerca de Arcitura

Acerca de los Cursos de Arcitura

Acerca de las Certificaciones de Arcitura

Qué Hay en un Curso de Arcitura

Cobertura
integral

Cada curso ofrece un plan de estudios integral con 2-3 módulos y 20-40 horas de capacitación.

Más que sólo
lecciones en video

Además de lecciones en video estándar, los cursos incluyen cuadernos de trabajo y posters de referencia a todo color para todas las lecciones.

Retos interactivos
que se califican

Los cursos también incluyen ejercicios interactivos que se califican, exámenes de prueba interactivos que se califican y otros suplementos.

La Diferencia Arcitura

CADA CURSO

  • es elaborado por un equipo especializado de desarrollo de cursos
  • tiene un examen de prueba, un examen de acreditación y una certificación profesional
  • está disponible a través de dos plataformas de eLearning distintas

TODOS LOS CURSOS

  • pasan por un proceso de desarrollo común
  • son elaborados para ser consistentes en cuanto a calidad, estructura y estilo
  • comparten un vocabulario y una notación de símbolos comunes
  • son elaborados en colaboración con expertos en la materia

Lleve sus Herramientas a Cualquier Parte

Tanto si es un individuo que busca impulsar su carrera profesional o una organización que busca mejorar las competencias de su equipo, los cursos y certificaciones de Arcitura son una sólida inversión.

Ya que tanto los cursos como las acreditaciones son independientes de proveedor, lo empoderan con herramientas y credenciales que puede llevar a donde sea que tenga que ir.

Capacitación y Coaching Profesionales con Instructor

 

Garantía de acceso de por vida

El acceso a la plataforma de eLearning interactivo (1) y a la plataforma de kit de estudio (2) depende de proveedores de plataformas externos. Por lo tanto, Arcitura no puede ofrecer ninguna garantía respecto al comportamiento o la disponibilidad de la plataforma, ni puede garantizar una duración específica durante la cual estas plataformas permanecerán disponibles. Cuando se habilite su curso, su acceso no tendrá fecha de expiración y se proporcionará por un periodo mínimo de un año y de manera indefinida después de eso, durante el tiempo en que las plataformas permanezcan disponibles bajo las condiciones en las que fueron contratadas por Arcitura. Los documentos PDF (3) que se le proporcionarán para su descarga los podrá conservar para siempre.

¿Preguntas?

Contacte a info@arcitura.com o llame a +1 604-904-4100 durante el horario laboral del Tiempo del Pacífico (PT).