Nota importante:

Plataforma Tu Chance es un servicio de conexiones gratuito que el programa Tu chance de Fundación Gloria Kriete brinda a su comunidad de usuarios. Los requisitos y expectativas presentados en los diferentes chances son la opinión de cada oferente y no son creados ni revisados por FGK.

PROGRAMA EDUCATIVO

Modulo 1: Introducción al mundo de los datos

Aprenderás a:

• • Familiarizarte con los conceptos básicos de los datos, como tipos de datos, estructuras de datos y fuentes de datos.
  • Comprender la importancia de los datos en el contexto empresarial y cómo los datos pueden generar valor y proporcionar información para la toma de decisiones.
  • Comprender cómo interpretar y extraer información relevante de los resultados del análisis de datos.
  • Utilizar técnicas efectivas para comunicar los resultados del análisis de datos de manera clara y comprensible a diferentes audiencias, tanto técnicas como no técnicas.
  • Comprender las diferencias entre Inteligencia de Negocios (Business Intelligence), Machine Learning y otros conceptos relacionados, como Data Mining y Análisis Predictivo.
  • Identificar las características y aplicaciones específicas de cada uno de estos conceptos en el contexto empresarial.
  • Familiarizarte con el concepto de Data Warehouse y su importancia en la gestión de datos empresariales.
  • Comprender la estructura y funcionamiento de un Data Warehouse, incluyendo la extracción, transformación y carga de datos (ETL), la integración de datos de múltiples fuentes y el modelado dimensional.

Modulo 2: Dashboards para visualizar información de negocios

Aprenderás a:

• • Comprender cómo acceder a una base de datos y extraer información relevante utilizando consultas SQL.
  • Utilizar comandos SQL para filtrar, ordenar y agrupar datos de la base de datos según tus necesidades.
  • Realizar consultas avanzadas que involucren operaciones de unión, subconsultas y funciones de agregado.
  • Comprender cómo importar una base de datos desde diferentes fuentes, como archivos CSV, Excel o bases de datos externas.
  • Utilizar herramientas y técnicas específicas para importar datos de manera eficiente y precisa, manteniendo la integridad de los datos.
  • Utilizar herramientas de exploración de datos para analizar la estructura y contenido de la base de datos.
  • Identificar relaciones entre tablas y comprender la organización de los datos en la base de datos.
  • Comprender cómo establecer y mantener relaciones adecuadas entre tablas utilizando claves primarias y claves foráneas.
  • Utilizar técnicas de consulta, como uniones (joins), para obtener información relacionada de múltiples tablas.
  • Utilizar herramientas de visualización de datos para crear y modificar la estructura de las tablas en la base de datos.
  • Crear columnas y campos calculados utilizando fórmulas y expresiones para obtener información adicional o transformada.
  • Utilizar herramientas de visualización de datos para crear gráficos que representen los datos de la base de datos de manera visual y comprensible.
  • Seleccionar el tipo adecuado de gráfico en función de los datos y los objetivos de análisis.
  • Diseñar y crear un dashboard que reúna los distintos gráficos creados de manera coherente y eficaz.
  • Organizar los gráficos de forma lógica y proporcionar filtros o interactividad para permitir una exploración más profunda de los datos.

Modulo 3: Automatizar/Optimizar procesos

Aprenderás a:

• • Identificar y analizar los procesos de negocio existentes que pueden beneficiarse de la automatización.
  • Evaluar la eficiencia, los cuellos de botella y las áreas de mejora en los procesos actuales para determinar qué procesos son candidatos ideales para la automatización.
  • Diseñar y desarrollar un nuevo flujo de procesos optimizado que aproveche la automatización para aumentar la eficiencia y reducir errores.
  • Identificar oportunidades para simplificar y estandarizar los procesos, eliminando pasos innecesarios y optimizando la secuencia de actividades.
  • Familiarizarte con una variedad de herramientas de mejora de procesos disponibles, como R, Excel, Excel VBA, Power BI y Python.
  • Evaluar las características y funcionalidades de cada herramienta para determinar cuál es la más adecuada para implementar la automatización en función de los requisitos del proceso y las necesidades empresariales.
  • Utilizar las herramientas seleccionadas, como R, Excel, Excel VBA, Power BI o Python, para implementar la automatización de procesos.
  • Desarrollar scripts, macros o programas utilizando estas herramientas para automatizar tareas repetitivas, análisis de datos, generación de informes y otras actividades relacionadas con el proceso de negocio.
  • Obtener un profundo conocimiento de los flujos de procesos existentes en las diferentes áreas de negocio de la organización.
  • Identificar las interdependencias y las oportunidades de mejora en los flujos de procesos existentes para optimizar la automatización y mejorar la eficiencia en general.
  • Implementar los nuevos flujos de procesos automatizados en colaboración con los equipos de negocio correspondientes.
  • Monitorear y evaluar los resultados de los procesos automatizados, asegurando que cumplan con los objetivos establecidos y generen mejoras significativas en la eficiencia y la calidad.

Modulo 4: Analizar bases de datos

Aprenderás a:

• • Utilizar consultas y comandos SQL para extraer datos específicos de una base de datos.
  • Aplicar filtros y condiciones en las consultas para obtener la información relevante según tus necesidades.
  • Identificar y corregir errores, inconsistencias o duplicaciones de datos en la base de datos.
  • Utilizar técnicas de limpieza de datos, como estandarización, eliminación de valores atípicos y normalización, para mejorar la calidad de los datos.
  • Utilizar técnicas de resumen de datos, como agregación, agrupamiento y cálculo de estadísticas descriptivas, para obtener una visión general de la información contenida en la base de datos.
  • Crear resúmenes y reportes que proporcionen una representación concisa y significativa de los datos.
  • Aplicar técnicas de limpieza y saneamiento de datos para eliminar valores incorrectos, faltantes o inconsistentes de la base de datos.
  • Utilizar herramientas y lenguajes de programación, como SQL, Python o herramientas especializadas en limpieza de datos, para automatizar el proceso de limpieza.
  • Utilizar consultas y funciones SQL para realizar operaciones de agregación, como contar, sumar o promediar, sobre los datos en la base de datos.
  • Generar informes y resúmenes que muestren los resultados de la agregación de manera clara y comprensible.

Modulo 5: Administrar bases de datos estructuradas y no estructuradas con MySQL y MongoDB

Aprenderás a:

• • Comprender los fundamentos de SQL y los programas que existen para manejo de dicho lenguaje.
  • Manejar bases de datos estructuradas (SQL).
  • Manejar bases de datos no estructuradas (NoSQL).

Modulo 6: Manejar conceptos estadísticos fundamentales para análisis de datos y Machine Learning

Aprenderás a:

• • Comprender medidas de tendencia central.
  • Comprender medidas de dispersión.
  • Comprender medidas de posición.
  • Comprender frecuencias absolutas y relativas.
  • Aprender a utilizar gráficos de estadística descriptiva.
  • Comprender conceptos fundamentales de estadística inferencial.

Modulo 7: Manejar el álgebra lineal orientado a Machine Learning y análisis

Aprenderás a:

• • Comprender qué son escalares, vectores, matrices y tensores.
  • Dominar las operaciones entre vectores.
  • Manejar las operaciones entre matrices.

Modulo 8: Entendimiento de conceptos básicos de programación

Aprenderás a:

• • Entender los conceptos de lógica.
  • Utilizar Python para ejecutar ejercicios de lógica.
  • Conocer conceptos de programación funcional.
  • Utilizar Python para llevar a cabo ejercicios de programación funcional.

Modulo 9: Entendimiento de conceptos básicos de programación

Aprenderás a:

• • Entender qué es Machine Learning y para qué sirve.
  • Conocer los alcances de Machine Learning.
  • Distinguir modelos supervisados y no supervisados.
  • Desarrollar modelos de regresión.
  • Desarrollar modelos de clasificación.
  • Desarrollar algoritmos de selección de modelos.