Medidas extraordinarias para hacer frente al Covid 19 en materia de formación profesional para el empleo.
Resolución 15 de Abril de 2020.
Utilización del aula virtual como formación presencial
94 405 08 39
94 405 08 39
Este sitio web utiliza cookies para que usted tenga la mejor experiencia de usuario. Si continúa navegando está dando su consentimiento para la aceptación de las mencionadas cookies y la aceptación de nuestra política de cookies, pinche el enlace para mayor información.plugin cookies
ACEPTARDuración: 40 horas.
Objetivos:
Participar en diálogos sobre competencias clave en su entorno profesional, conocer un mercado – tecnológico –en constante expansión, realizar breve inmersión en el mundo analítico actual y ser capaz de acceder a casos de éxito en distintos sectores.
– Entender el contexto en el que se sitúa el big data y cómo surge a través del desarrollo de diferentes soluciones para trabajar con los datos, así como conocer estas soluciones.
– Entender la importancia que tiene el dato en todas las áreas de la sociedad, haciendo especial énfasis en su importancia estratégica para las organizaciones y la preservación de la privacidad mediante una correcta gestión.
– Aprender el concepto y el alcance de la analítica tradicional que viene identificada con la implementación de soluciones business intelligence, así como saber definir los diferentes elementos que lo forman y su utilidad.
– Aprender con qué datos se trabaja en big data y cómo se representan estos en función de la situación, el big data, los seres humanos y desde el punto de vista de las máquinas que los utilizan.
– Ahondar en la definición de big data y conocer uno de los marcos de trabajo de aplicaciones más importantes en este terreno junto con sus características principales, que ayudarán a implementar un sistema big data.
– Aprender el concepto y las características de la analítica avanzada y su estrecha relación con el big data, y conocer las distintas técnicas, tales como son la analítica predictiva y la analítica prescriptiva.
Contenidos:
– Antecedentes, definiciones y bases para un correcto entendimiento Antecedentes Definiciones y bases del big data Bases de establecimiento del big data
– La importancia del dato El valor del dato Problemas que aparecen en la recogida de datos El presente y futuro de los datos: normativa y aplicaciones
– Algunos conceptos técnicos de la analítica tradicional Analítica tradicional vs. big data Componentes del business intelligence Herramientas del BIG DATA
– Representación de los datos Orígenes de datos en big data Representación de datos
– Introducción al Big Data Definiendo el big data Tecnología big data
– Introducción a la analítica avanzada Analítica avanzada: las preguntas no se responden, se crean Analítica predictiva Analítica prescriptiva
Bloque 1- Cientifico de Datos.
Data Discovery
Análisis de datos con R. estadística descriptiva. Modelos predictivos. Inferencia. Visualizaciones.
Machine Learning
Programar en Python. Exploración, minería y preparación de datos. Algoritmos supervisados y no supervisados.
Visualización
Optimización de la visualización. Uso de las herramientas. Librerias y lenguajes. Tableau.
Algoritmos avanzados.
Fundamentos del Deep Learning. Redes Convolucionales y recurrentes. Procesamiento del lenguaje natural. Support Vector Machines.
Bases de datos NoSQL
Análisis de sistemas NoSql. Almacenamiento Big Data: procesamiento batch: Cassandra Almacenamiento Big Data: procesamiento streaming: Kafka.
Hadoop Basics.
Conceptos básicos, HDFS, map- reduce, YARN y administración del clúster.
Ecosistema Hadoop
Arquitectura, uso y aplicación práctica del ecosistema: Pig, Hive, Impala, Flume, Sqoop y Ozzie, Elastic Search.
Apache Spark
Conocimiento de la arquitectura, Spark core, SQL, mllib, streaming y Spark R.
Duración: 80 horas.
Objetivos:
– Descubrir las bases de datos de soporte a la decisión y toda la problemática asociada tanto a su construcción y desarrollo como a la extracción de conocimiento de las mismas y enfrentarse a un proyecto de Data Mining con los conocimientos suficientes pudiendo abordar cualquiera de sus fases de desarrollo finalidad la descripción precisa del proceso de KDD.
– Entender en qué consiste el Data Mining en términos generales y aprender a aplicar la metodología CRISP-DM en un proyecto de Data Mining.
– Conocer los diferentes métodos de resolución de problemas que se dan en Data Mining para ser capaces de identificar ante qué situaciones se debe utilizar cada uno de ellos.
– Conocer tanto el concepto como el funcionamiento de las técnicas más importantes diseñadas para dar resolución a los problemas descriptivos y predictivos de Data Mining, así como estas deben aplicarse.
– Conocer cada una de las fases de un proyecto de Data Mining, siendo capaz de aplicar los conceptos teóricos y prácticos de las técnicas de análisis de datos en la resolución de los problemas planteados en cada objetivo del proyecto.
Contenidos:
El proceso de descubrimiento de conocimiento en bases de datos
Definición del proceso de Data Mining
Análisis de las fases del proceso de acuerdo a CRISP-DM.
El ciclo de Data Mining: fases y tipos de problemas
Tipos de problemas
Descriptivos o asociación o clustering
Predictivos o clasificación
Implicaciones de los datos, dominios, técnicas en las fases del proceso
Casos de uso
Técnicas de Data Mining
Clasificación: árboles de clasificación y Naive Bayes
Clustering: K-means y EM
Reglas de asociación
Consolidación de Data Mining
Presentación de un caso práctico
Aplicación del proceso CRISP-DM
Elaboración de un plan de proyecto
Duración: 40 horas.
Objetivos:
– Aplicar técnicas de la minería de datos en la toma de decisiones estratégicas y operativas.
Contenidos:
Minería de datos
Conceptos básicos, técnicas y sistemas.
Implantación en la empresa.
Definición de la necesidad.
Objetivos.
Costes.
Áreas de aplicación.
Fase de selección en minería de datos
Fase de exploración en minería de datos
Fase de limpieza y transformación en minería de datos
Fase de análisis de datos
Técnicas de aplicación
Redes neuronales de modelización predictiva.
Algoritmos matemáticos.
Árboles de decisión.
Técnicas de visualización de datos.
Elección de la técnica.
Explotación de datos según las necesidades de las diferentes áreas del negocio.
Ventajas.
Técnicas predictivas de modelización
Técnicas descriptivas y predictivas de clasificación
Técnicas de evaluación
Técnicas
Segmentación.
Clasificación y segmentación de clientes.
Ofertas.
Fidelizar clientes.
Operaciones básicas para descubrir la información oculta.
Estructurar la información.
Campañas: ofertas just-in-time
Herramientas para la fidelización.
Entornos transaccionales.
Acciones promocionales puntuales.
Utilidad del conocimiento.
Reportes estándares, simulaciones ad hoc y procesamiento de la información. LOPDGDD.
Bloque 1- Cientifico de Datos.
Data Discovery
Análisis de datos con R. estadística descriptiva. Modelos predictivos. Inferencia. Visualizaciones.
Machine Learning
Programar en Python. Exploración, minería y preparación de datos. Algoritmos supervisados y no supervisados.
Visualización
Optimización de la visualización. Uso de las herramientas. Librerias y lenguajes. Tableau.
Algoritmos avanzados.
Fundamentos del Deep Learning. Redes Convolucionales y recurrentes. Procesamiento del lenguaje natural. Support Vector Machines.
Bases de datos NoSQL
Análisis de sistemas NoSql. Almacenamiento Big Data: procesamiento batch: Cassandra Almacenamiento Big Data: procesamiento streaming: Kafka.
Hadoop Basics.
Conceptos básicos, HDFS, map- reduce, YARN y administración del clúster.
Ecosistema Hadoop
Arquitectura, uso y aplicación práctica del ecosistema: Pig, Hive, Impala, Flume, Sqoop y Ozzie, Elastic Search.
Apache Spark
Conocimiento de la arquitectura, Spark core, SQL, mllib, streaming y Spark R.
Kabat-Zinn nació en la ciudad de Nueva York en 1944. Su padre, Elvin Kabat, era investigador biomédico, y su madre Sally Kabat, pintora. Cursó estudios en el Haverford College. Recibió su doctorado como Ph.D en biología molecular en 1971 del Massachusetts Institute of Technology MIT, donde estudió bajo la dirección de Salvador Luria, Premio Nobel en medicina.
Mientras estudió en el MIT, Kabat-Zinn fue un destacado activista contra la guerra de Vietnam y la investigación militar en la universidad.
Es profesor de Medicina emérito en la Massachusetts University Medical School.
Es el fundador y ex director ejecutivo del Center for Mindfulness in Medicine, Health Care, and Society en la Escuela de Medicina de la Universidad de Massachusetts. Es fundador (1979) y ex director de la Stress Reduction Clinic en la misma universidad.
Es el presidente fundador de la Consortium of Academic Health Centers for Integrative Medicine (Asociación de Centros Médicos Académicos para la Medicina Integrativa) que abarca los centros médicos de Universidades estadounidenses que incluyen distintas prácticas de medicina integrativa.
Integra el directorio del Mind and Life Institute, un grupo que organiza diálogos periódicos entre el Dalái lama y científicos para promover un entendimiento más profundo de diferentes formas de conocer y sondear la naturaleza de la mente, las emociones, y la realidad.
Fue co-presidente del Mind and Life Dialogue 2005: Clinic Applications of the Meditation, celebrado en Washington DC.
Kabat-Zinn es autor o co-autor de publicaciones de divulgación sobre el uso de este modo de meditación y sus aplicaciones. Los dos primeros libros alcanzaron el estatus de superventas.
• Vivir con plenitud las crisis: Cómo utilizar la sabiduría del cuerpo y de la mente para afrontar el estrés, el dolor y la enfermedad, Editorial Kairós, 2007 (Full Catastrophe Living: Using the Wisdom of Your Body and Mind to Face Stress, Pain, and Illness, Delta, 1991)
• Mindfulness en la vida cotidiana: Cómo descubrir las claves de la atención plena/Donde quiera que vayas, ahí estás, Ediciones Paidós Ibérica, 2009 (Wherever You Go, There You Are: Mindfulness Meditation in Everyday Life, Hyperion, 1994)
• Everyday Blessings: The Inner Work of Mindful Parenting, (Hyperion, 1997), co-escrito con su esposa Myla Kabat-Zinn.
• La práctica de la atención plena, Editorial Kairós, 2007 (Coming to Our Senses: Healing Ourselves and the World Through Mindfulness, Hyperion, 2005)
• Vencer la depresión: Descubre el poder de las técnicas del mindfulness, por J. Mark G. Williams, John Teasdale, Zindel Segal y Jon Kabat-Zinn, Ediciones Paidós Ibérica, 2010 (The Mindful Way Through Depression: Freeing Yourself from Chronic Unhappiness, Guilford, 2007).
• La salud emocional: Conversaciones con el Dalái lama sobre la salud, las emociones y la mente, con la participación de Jon Kabat-Zinn, Francisco Varela, Lee Yearley, Richard Davidson, Daniel Brown, Cliff Saron y Sharon Salzberg (Compilador Daniel Goleman), Editorial Kairós, 1997 (basado en el 3.er. Diálogo del Mind and Life Institute en 1990)
• The Mind’s Own Physician: A Scientific Dialogue with the Dalai Lama on the Healing Power of Meditation, co-escrito con Richard Davidson (New Harbinger, 2012) (basado en el 13.er. Diálogo del Mind and Life Institute en 2005)
• Llamando a tu propia puerta: 108 enseñanzas sobre la atención plena, Editorial Kairós, 2008 (ilustrado, extractos de “La Práctica de la Atención Plena”) (Arriving at Your Own Door: 108 Lessons in Mindfulness, Hyperion, 2007)
• El poder de la atención: 100 lecciones sobre mindfulness, Editorial Kairós, 2010 (extractos de “Vivir con Plenitud las Crisis”) (Letting Everything Become Your Teacher: 100 Lessons in Mindfulness, Random House Publishing Group, 2009)
• MBSR Professional Training Manual, S.F. Santorelli y J. Kabat-Zinn, Center For Minfulness, University of Massachusetts Medical School, Worcester, MA., 2001/2007
Su trabajo de investigación y desarrollo desde 1979 se ha enfocado en las interacciones mente-cuerpo para la salud y en las aplicaciones clínicas del entrenamiento en meditación de atención plena (mindfulness meditation) para personas con dolor crónico y problemas o trastornos relacionados con el estrés, incluyendo estudios de los efectos de la técnica REBAP en el cerebro y cómo éste procesa las emociones, especialmente bajo estrés.
Kabat-Zinn ha llevado a cabo ensayos científicos para probar los efectos de la técnica REBAP (reducción del estrés basada en la atención plena) sobre el cerebro en diferentes poblaciones potencialmente sometidas a estrés: en reclusos carcelarios y en su personal, en ambientes multiculturales y en entornos laborales. También ha publicado estudios sobre el efecto del mindfulness en el sistema inmunológico, por ejemplo, tasas de reducción de las lesiones cutáneas en pacientes con psoriasis y tasas de rechazo en receptores de trasplantes de médula ósea. Estos últimos trabajos adolecen de baja calidad metodológica: la muestra es baja y además, o bien no hay cegamiento o este es parcial.