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

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: Fundamentos de Machine Learning
  • Módulo 11: Fundamentos de Inteligencia Artificial
  • Módulo 12: Análisis y Analíticas de Big Data Avanzados
  • Módulo 13: Machine Learning Avanzado
  • Módulo 14: Inteligencia Artificial Avanzada

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.

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 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.

A continuación se muestran los contenidos digitales y el temario de cada módulo del curso:


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.

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)
  • 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)
  • 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)
  • 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: 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)
  • 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 11: Fundamentos de Inteligencia Artificial

Este módulo proporciona una cobertura esencial de la inteligencia artificial (IA) y las redes neuronales en español sencillo y fácil de comprender. El módulo proporciona una cobertura concreta de las partes principales de la IA, incluyendo enfoques de aprendizaje, áreas funcionales para las que se usan los sistemas de IA y una introducción detallada a las redes neuronales, cómo existen, cómo funcionan y cómo pueden ser usadas para procesar información.


Contenidos del módulo del curso

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

  • Poster de mapeo de redes neuronales y tipos de neuronas
  • Preguntas de examen de práctica
  • PDFs del libro de trabajo y posters (imprimible)

Temas cubiertos

  • Factores tecnológicos y de negocio de IA
  • Beneficios y retos de IA
  • Categorías de problemas de negocio que aborda la IA
  • Tipos de IA (angosta, general, simbólica, no simbólica, etc.)
  • Enfoques y algoritmos comunes de aprendizaje de la IA
  • Aprendizaje supervisado, aprendizaje no supervisado, aprendizaje continuo
  • Aprendizaje heurístico, aprendizaje semisupervisado, aprendizaje por refuerzo
  • Diseños funcionales comunes de IA
  • Visión por computadora, reconocimiento de patrones
  • Robóticas, procesamiento del lenguaje natural (NLP)
  • Reconocimiento del habla, comprensión del lenguaje natural (NLU)
  • Integración sin fricción, integración del modelo de tolerancia a fallas
  • Redes neuronales, neuronas, capas, enlaces, pesos
  • Cómo entender los modelos de IA, modelos de entrenamiento y redes neuronales

  • Cómo entender la manera en que existen los modelos y las redes neuronales
  • Pérdida, hiperparámetros, tasa de aprendizaje, sesgo, época
  • Funciones de activación (Sigmoide, Tanh, ReLU, Leaky ReLU, Softmax, Softplus)
  • Tipos de células neuronales (de entrada, retroalimentada, ruidosa, escondida, probabilística, en espiga, recurrente, de memoria, de núcleo, convolucional, de grupo, de salida, de coincidencia de entrada, etc.)
  • Arquitecturas fundamentales y especializadas de redes neuronales
  • Perceptrón, compensación, compensación profunda, autocodificador, recurrente, memoria de corto/largo plazo
  • Red convolucional profunda, máquina de aprendizaje extremo, red residual profunda
  • Máquina de vector de soporte, red de Kohonen, red de Hopfield
  • Red generativa adversarial, Máquina en estado líquido
  • Cómo construir un sistema de IA (paso a paso)

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)
  • 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: 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)
  • 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 14: Inteligencia Artificial Avanzada

Este módulo cubre una serie de prácticas para preparar y trabajar con datos para entrenar y correr sistemas y redes neuronales contemporáneas de inteligencia artificial (IA). También proporciona técnicas para diseñar y optimizar redes neuronales, incluyendo enfoques para medir y ajusta el desempeño de los modelos de redes neuronales. Las prácticas y técnicas están documentadas como patrones de diseño que pueden ser aplicados individualmente o en diferentes combinaciones para abordar una variedad de problemas y requerimientos comunes de los sistemas de IA. Además, los patrones son mapeados a los enfoques de aprendizaje, las áreas funcionales y los tipos de redes neuronales que se presentaron en el Módulo 11: Fundamentos de Inteligencia Artificial.


Contenidos del módulo del curso

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

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

Temas cubiertos

  • Patrones de manipulación de datos para preparar los datos para la entrada de la red neuronal
  • Codificación de características para convertir características categóricas
  • Imputación de características para inferir valores de las características
  • Escalamiento de características para conjuntos de datos de entrenamiento con características amplias
  • Representación de textos para convertir datos preservando las propiedades semánticas y de sintaxis
  • Reducción de la dimensionalidad para reducir el espacio de características para la entrada de la red neuronal
  • Patrones de aprendizaje supervisado para entrenar modelos de redes neuronales
  • Configuración de redes supervisadas para establecer el número de neuronas en las capas de la red
  • Identificación de imágenes para usar una red neuronal convolucional
  • Identificación de secuencias para usar una red neuronal de memoria de corto/largo plazo

  • Patrones de aprendizaje no supervisado para el entrenamiento de modelos de redes neuronales
  • Identificación de patrones para identificar visualmente patrones mediante un mapa autoorganizado
  • Filtrado de contenidos para generar recomendaciones
  • Patrones de evaluación de modelos para medir el desempeño de las redes neuronales
  • Evaluación del desempeño de entrenamiento para evaluar el desempeño de las redes neuronales
  • Evaluación del desempeño de predicción para predecir el desempeño de las redes neuronales en la producción
  • Modelado de referencia para evaluar y comparar redes neuronales complejas
  • Patrones de optimización de modelos para refinar y adaptar redes neuronales
  • Evitar el sobreajuste para ajustar una red neuronal
  • Reentrenamiento frecuente del modelo para mantener una red neuronal en sincronía con los datos actuales
  • Aprendizaje por transferencia para acelerar el entrenamiento de redes neuronales

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

 

¿Preguntas?

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