Analista de datos con conocimientos básicos de ITIL® (versión 5) y PRINCE2® Project Management Foundation (versión 7)
Los analistas de datos comprueban y procesan conjuntos de datos utilizando bases de datos relacionales y el lenguaje de programación Python, los evalúan utilizando métodos estadísticos y visualizan los resultados con claridad. Así pues, el curso comienza explicando las herramientas estadísticas para analizar diversos grupos de datos, seguido de conocimientos especializados de programación con Python y desarrollo y consulta de bases de datos relacionales con SQL. El conocimiento del modelado de almacenes de datos y el proceso ETL, así como el análisis de datos, la visualización y la gestión de datos completan el curso. También ampliará sus conocimientos con ITIL®, un método de optimización de procesos, y PRINCE2®, un método de gestión de proyectos de TI.
-
Tipo de titulación: Certificado de "Analista de datos
Certificado "Fundación ITIL® (Versión 5)"
Certificado "PRINCE2® Project Management Foundation (Versión 7)" -
Cualificaciones adicionales: Certificado "Estadística y Análisis de Datos"
Certificado "Bases de datos relacionales SQL"
Certificado "PCEP™ - Programador Python Certificado de Nivel Inicial"
Certificado de "Ingeniero de Datos
Certificado "Análisis de datos -
Examen final: Praxisbezogene Projektarbeiten mit Abschlusspräsentationen
ITIL® Foundation (Version 5) (Prüfungsvoucher im Kurs enthalten)
PRINCE2® Project Management Foundation (Version 7) (Prüfungsvoucher im Kurs enthalten)
Certified Entry-Level Python Programmer (PCEP™) (in englischer Sprache) -
Horario de las clases: A tiempo completoDe lunes a viernes, de 8.30 a 15.35 horas (en semanas festivas, de 8.30 a 17.10 horas).
-
Lengua de enseñanza: Alemán
-
Duración: 24 Semanas
Estadística y análisis de datos
Fundamentos de estadística (aprox. 6 días)
Fundamentos de la teoría de la medición (población, muestra, tipos de muestra, medición, niveles de escala)
Estadística descriptiva univariante (distribuciones de frecuencia, medidas centrales, medidas de dispersión, estandarización, histogramas, diagramas de barras, diagramas circulares, diagramas de líneas, diagramas de caja)
Estadística descriptiva bivariante (medidas de correlación, coeficientes de correlación, tablas cruzadas, gráficos de dispersión, gráficos de barras agrupadas)
Fundamentos de la estadística inferencial inductiva (distribuciones de probabilidad, distribución normal, distribución muestral de la media, prueba de significación, prueba de hipótesis nula, nivel de significación, tamaño del efecto, estimación de parámetros, intervalos de confianza, gráficos de barras de error, análisis de potencia, tamaño de la muestra).
Preparación y depuración de datos con el software adecuado
Análisis descriptivo
Visualización de resultados estadísticos
Análisis e interpretación de resultados estadísticos asistidos por IA
Métodos para comparar dos grupos (aprox. 5 días)
prueba z, prueba t para una muestra
prueba t para muestras independientes y relacionadas
Diseños pretest-postest con dos grupos
Pruebas de significación de apoyo (prueba de Anderson-Darling, prueba de Ryan-Joiner, prueba de Levene, prueba de Bonett, prueba de significación para correlaciones)
Métodos no paramétricos (prueba de Wilcoxon, prueba de signos, prueba de Mann-Whitney)
Análisis de contingencia (prueba binomial, prueba exacta de Fisher, prueba chi-cuadrado, tabulaciones cruzadas, medidas de asociación)
Interpretación de los resultados de las pruebas
Interpretación de resultados asistida por IA
Fundamentos del análisis de regresión (aprox. 2 días)
Regresión lineal
Interpretación de modelos
Interpretación de modelos asistida por IA
Análisis de correlación
Métodos para comparar las medias de varios grupos (aprox. 3 días)
Análisis de varianza (ANOVA) monofactorial y bifactorial
Análisis post-hoc
Interpretación de las diferencias entre grupos
Análisis multifactorial de la varianza (modelo lineal general)
Factores fijos, aleatorios, cruzados y anidados
Métodos de comparación múltiple (Tukey-HSD, Dunnett, Games-Howell)
Análisis de interacción
Análisis de potencia para análisis de varianza
Introducción al diseño de experimentos (DoE) (aprox. 1 día)
Diseños experimentales factoriales completos y factoriales parciales
Trabajo por proyectos (aprox. 3 días)
Consolidar los contenidos aprendidos
Presentación de los resultados del proyecto
Bases de datos relacionales con SQL
Conceptos básicos de sistemas de bases de datos y SQL (aprox. 3 días)
Visión general de los sistemas y modelos de bases de datos
Datos redundantes e integridad de los datos
Normalización
Diseño de bases de datos y modelo de relación entre entidades (ERM)
Claves primarias y externas
Relaciones entre relaciones
Tipos de datos en SQL
Índices y rendimiento
Restricciones y validación
Consultas en SQL
Los datos estructurados como base de los métodos de análisis asistidos por IA
Introducción a SQL Server Management Studio (SSMS) (aprox. 2 días)
Visión general de SQL Server y SSMS
Diseño físico de bases de datos
Creación de tablas y definición de tipos de datos
Restricciones, valores por defecto y relaciones
Diagramas de base de datos (ERM) y relaciones
Copia de seguridad y restauración
Introducción a la supervisión del rendimiento
Visión general de la optimización de consultas y el análisis de consultas con ayuda de IA
Introducción a DDL (Lenguaje de Definición de Datos) y DML (Lenguaje de Manipulación de Datos) (aprox. 8 días)
Conceptos básicos de SQL y sintaxis ampliada
Operadores y funciones integradas
Consultas y manipulación de datos
Tratamiento de errores y gestión de transacciones
Creación y administración de objetos de base de datos
Conceptos básicos de optimización del rendimiento
Trabajo con tipos de datos modernos
Modelado de datos y preparación estructurada para aplicaciones de IA y análisis
DCL - Lenguaje de control de datos y seguridad (aprox. 1 día)
Administración de usuarios y autorizaciones
Roles y conceptos de seguridad
Auditoría
Introducción a la seguridad a nivel de fila
Seguridad de los datos en el contexto de los análisis asistidos por IA
Tipos de datos, importación y exportación de datos en sistemas modernos (aprox. 1 día)
Importación y exportación de datos
Tipos de datos modernos
Importación, transformación y suministro de datos para procesos de análisis
Trabajo por proyectos (aprox. 5 días)
Consolidar los contenidos aprendidos
Presentación de los resultados del proyecto
Programación con Python
Conceptos básicos de Python (aprox. 1 día)
Historia, conceptos
Uso y ámbitos de aplicación
sintaxis
Lexis, semántica
Convenciones PEP-8
Intérprete frente a compilador
Sistemas numéricos: binario, octal, hexadecimal
Notación científica
Primeros pasos con Python (aprox. 5 días)
Números
Cadenas
Fecha y hora
Entrada y salida estándar
Operadores numéricos
Operadores de comparación, lógicos y bitwise
Conversión de tipos de datos
lista, tupla, dict, conjunto
Funciones y métodos de lista
Bifurcaciones y bucles (if, for, while)
Operadores de miembros
Conceptos básicos de cadenas: escape, cadenas multilínea
Operadores de priorización y vinculación
Inteligencia artificial (IA) en el proceso de trabajo
Presentación de tecnologías específicas de IA
y posibles aplicaciones en el entorno profesional
Funciones (aprox. 5 días)
Defina sus propias funciones
Variables
Parámetros y argumentos
Valores de retorno
Recursión
Espacios de nombres
Programación funcional
Tipos de parámetros: posicionales, de palabra clave, mixtos
Valores por defecto
Shadowing y palabra clave global
Ninguno y retorno sin valor
Resolución de problemas (aprox. 0,5 días)
Fundamentos de la gestión de errores con try y except
Tipos de error típicos y jerarquía de excepciones
Propagación de errores e interrupciones del programa
Estructuración de los bloques except
Programación orientada a objetos (aprox. 4,5 días)
Clases de Python
Métodos
Objetos inmutables
Clases de datos
Herencia
Trabajo de proyecto, preparación de la certificación y examen de certificación "PCEP™ - Certified Entry-Level Python Programmer" en inglés (aprox. 4 días).
Ingeniero de datos
Fundamentos de Business Intelligence (aprox. 2 días)
Campos de aplicación, dimensiones de una arquitectura BI
Fundamentos de la inteligencia empresarial, OLAP, OLTP, tareas de los ingenieros de datos
Data Warehousing (DWH): tratamiento y procesamiento de datos estructurados, semiestructurados y no estructurados
Gestión de requisitos (aprox. 2 días)
Tareas, objetivos y procedimientos en el análisis de requisitos
Modelización de datos, introducción/modelización con ERM
Introducción/modelado en UML
- Diagramas de clases
- Análisis de casos de uso
- Diagramas de actividad
Inteligencia artificial (IA) en el proceso de trabajo
Presentación de tecnologías específicas de IA
y posibles aplicaciones en el entorno profesional
Bases de datos (aprox. 3 días)
Conceptos básicos de los sistemas de bases de datos
Arquitectura de los sistemas de gestión de bases de datos
Aplicación de RDBMS
Implementación del modelo de datos en RDBMS, formas normales
Introducción práctica y teórica a SQL
Límites de las bases de datos relacionales, csv, json
Almacén de datos (aprox. 4 días)
Esquema en estrella
Modelado de datos
Creación de Star Schema en RDBMS
Snowflake Schema, fundamentos, modelado de datos
Creación de Snowflake Schema en RDBMS
Galaxy Schema: Conceptos básicos, modelado de datos
Modificación Lenta de Tablas de Dimensión Tipo 1 a 5 - Restauración, Apilamiento, Reorganización, mini Dimensión y Tipo 5
Introducción a las dimensiones normales, causales, mini y monstruosas, heterogéneas y subdimensiones
Comparación de las orientadas al estado y a la transacción
Tablas de hechos DWH, densidad y almacenamiento
ETL (aprox. 4 días)
Limpieza de datos
- Valores nulos
- Preparación de datos
- Armonización de datos
- Aplicación de expresiones regulares
Comprensión de datos
- Validación de datos
- Análisis estadístico de datos
Protección y seguridad de los datos
Estructura práctica de las rutas ETL
Data Vault 2.0, conceptos básicos, hubs, enlaces, satélites, hash key, hash diff.
Modelización de datos Data Vault
Estructura práctica de un modelo Data Vault - Raw Vault, aplicación práctica de procedimientos hash
Trabajo por proyectos (aprox. 5 días)
Consolidar los contenidos aprendidos
Presentación de los resultados del proyecto
Análisis de datos
Introducción al análisis de datos (aprox. 1 día)
Modelo de referencia CRISP-DM
Flujos de trabajo de análisis de datos
Definición de inteligencia artificial, aprendizaje automático, aprendizaje profundo
Requisitos y función en la empresa de ingenieros de datos, científicos de datos y analistas de datos
Repaso de los fundamentos de Python (aprox. 1 día)
Tipos de datos
Funciones
Análisis de datos (aprox. 3 días)
Módulos centrales de Python en el contexto del análisis de datos (NumPy, Pandas)
Proceso de preparación de datos
Algoritmos de minería de datos en Python
Inteligencia artificial (IA) en el proceso de trabajo
Presentación de tecnologías específicas de IA
y posibles aplicaciones en el entorno profesional
Visualización de datos (aprox. 3 días)
Análisis exploratorio de datos
Perspectivas
Calidad de los datos
Análisis de beneficios
Visualización con Python: Matplotlib, Seaborn, Plotly Express
Narración de datos
Gestión de datos (aprox. 2 días)
Arquitecturas de big data
Bases de datos relacionales con SQL
Comparación de bases de datos SQL y NoSQL
Inteligencia empresarial
Protección de datos en el contexto del análisis de datos
Análisis de datos en un contexto de big data (aprox. 1 día)
Enfoque MapReduce
Spark
NoSQL
Cuadros de mando (aprox. 3 días)
Biblioteca: Cuadros de mando
Estructura y personalización de cuadros de mando
Devoluciones de llamada
Minería de textos (aprox. 1 día)
Preprocesamiento de datos, visualización
Biblioteca: SpaCy
Trabajo por proyectos (aprox. 5 días)
Consolidar los contenidos aprendidos
Presentación de los resultados del proyecto
Fundación ITIL® (Versión 5)
Términos y definiciones importantes de ITIL (aprox. 2 días)
Gestión de productos y servicios digitales
Productos, servicios y ofertas de servicios
Creación de valor y relaciones de servicio
Consumidores de servicios, proveedores de servicios, patrocinadores, clientes y usuarios
Calidad del servicio y acuerdos de nivel de servicio (SLA)
Utilidad, garantía, experiencia del usuario y sostenibilidad
Ciclo de vida de productos y servicios ITIL
Mejora continua
Las cuatro dimensiones de la gestión de productos y servicios ITIL (aprox. 1 día)
Organizaciones y personas
Socios y proveedores
Información y tecnología
Flujos de valor y procesos
Enfoque holístico y factores de influencia externos
El ciclo de vida de los productos y servicios ITIL (aprox. 1 día)
Descubrir, Diseñar, Adquirir y Construir
Transición, Operación, Entrega y Soporte
Creación de valor en el ciclo de vida de productos y servicios
Utilización iterativa y no lineal del ciclo de vida
El Sistema de Valores ITIL (aprox. 2 días)
Componentes del Sistema de Valor ITIL y principios básicos de ITIL
Gobernanza, cadena de valor y modelo operativo
Prácticas de gestión, directrices prácticas y mejora continua
Orientación al valor, colaboración y optimización
Operaciones de servicio, liberaciones y gestión de problemas
Integración continua, entrega continua y despliegue continuo
Ingeniería de fiabilidad del sitio (SRE) y observabilidad
Métricas y factores críticos de éxito (CSF)
Identificación, mapeo y gestión de flujos de valor (aprox. 1 día)
Flujos de valor y gestión de los flujos de valor
Principales flujos de valor y flujos de valor de apoyo
Pensamiento de complejidad y optimización del flujo de trabajo
Mapeo de flujos de valor
ITIL e IA (aprox. 0,5 días)
Inteligencia artificial (IA) y madurez de la IA
IA generativa (GenAI) e IA agenética
IA en el ciclo de vida de productos y servicios
Gobernanza de la IA
ITIL y otros marcos (aprox. 0,5 días)
ITIL y DevOps
ITIL y PRINCE2
Gestión de proyectos en el ciclo de vida de productos y servicios
Trabajo de proyecto, preparación de la certificación y examen de certificación (aprox. 3 días)
PRINCE2® Project Management Foundation (Versión 7)
Introducción a la gestión de proyectos basada en PRINCE2® (aprox. 1 día)
Definición y características de un proyecto
Ciclo de control de la gestión de proyectos y las seis dimensiones del proyecto
Desafíos en la gestión de proyectos: ¿por qué fracasan los proyectos?
Ventajas del método de gestión de proyectos PRINCE2
Entornos cliente-proveedor
Proyectos en un entorno comercial
Estructura del método PRINCE2® y sus cinco componentes integrados
Los productos de gestión de PRINCE2
Herramientas digitales y análisis asistidos por IA en la gestión moderna de proyectos
Los principios básicos de PRINCE2® (aprox. 1 día)
Los siete principios básicos de PRINCE2
Enunciados y contenidos de los principios básicos
Relación entre los principios básicos y los temas PRINCE2
Adaptación de PRINCE2® al entorno del proyecto, teniendo en cuenta los métodos de trabajo digitales
La importancia de las personas en los proyectos PRINCE2® (aprox. 1 día)
Gestión del cambio
Liderazgo y gestión
Comunicación en el proyecto
Efectos de los sistemas digitales y asistidos por IA en los procesos de colaboración y cambio
Los siete temas de PRINCE2® (aprox. 3 días)
Caso empresarial (enfoque de gestión de beneficios y enfoque de gestión de la sostenibilidad)
Organización (estructura del proyecto, funciones y responsabilidades)
Creación de planes
Planificación y control de calidad
Gestión de riesgos mediante métodos modernos de análisis y evaluaciones basadas en datos
Gestión de problemas
Control del progreso del proyecto
Los siete procesos PRINCE2® (aprox. 2 días)
Interacción de los siete procesos PRINCE2® en el proceso del proyecto
Actividades en los respectivos procesos PRINCE2
Preparar, dirigir e iniciar un proyecto
Controlar una fase
Gestión de la entrega del producto
Gestionar las transiciones de fase
Cerrar un proyecto
Trabajo de proyecto, preparación de la certificación y examen de certificación (aprox. 2 días)
Es posible que se produzcan cambios, el contenido del curso se actualiza regularmente.
Después de este curso, tendrá conocimientos esenciales de estadística, será capaz de realizar consultas complejas utilizando bases de datos relacionales con SQL y dominará el lenguaje de programación Python. Combinado con los conocimientos especializados de ingeniería de datos y análisis de datos que se imparten en el curso, serás capaz de gestionar amplios conjuntos de datos, analizarlos estadísticamente de manera eficiente y resumir los resultados de forma clara y fácil de entender.
También comprende los conceptos centrales de la gestión de productos y servicios digitales según la Fundación ITIL® (versión 5). Estará familiarizado con el ciclo de vida de los productos y servicios ITIL, el sistema de valores ITIL, los flujos de valor, la creación de valor y las relaciones de servicio, así como con conceptos modernos como la IA, la automatización y la mejora continua, y podrá clasificarlos en un contexto organizativo. También podrás trabajar en proyectos PRINCE2® y estar familiarizado con sus procesos y terminología. También será capaz de planificar y ejecutar proyectos de TI y medir su éxito.
El curso está dirigido a personas con una licenciatura en administración de empresas, matemáticas o informática (empresarial) y cualificaciones comparables.
Dado que las empresas tienen que gestionar y estructurar cantidades cada vez mayores de datos para analizar y fijar objetivos para sus procesos empresariales, las competencias en análisis de datos son muy demandadas en todos los sectores.
Con conocimientos de ITIL® y PRINCE2®, podrá trabajar como gestor de proyectos o miembro de un equipo de proyectos. En el sector de las TI en particular, sus perspectivas profesionales aumentarán, por ejemplo en la gestión de TI o como gestor de proyectos.
Los certificados originales "ITIL® Foundation" y "PRINCE2® Foundation Level" constituyen una prueba significativa de sus conocimientos recién adquiridos.
Concepto didáctico
Tus profesores están altamente cualificados tanto profesional como didácticamente y te enseñarán desde el primer hasta el último día (no hay sistema de autoaprendizaje).
Aprenderá en grupos reducidos y eficaces. Los cursos suelen constar de 6 a 25 participantes. Las lecciones generales se complementan con numerosos ejercicios prácticos en todos los módulos del curso. La fase práctica es una parte importante del curso, ya que durante ella se procesa lo aprendido y se adquiere confianza y rutina en su aplicación. La parte final del curso incluye un proyecto, un estudio de caso o un examen final.
Aula virtual alfaview
Las clases se imparten utilizando la moderna tecnología de vídeo alfaview®, ya sea desde la comodidad de su propia casa o en nuestras instalaciones en Bildungszentrum. Todo el curso puede verse cara a cara a través de alfaview®, comunicarse entre sí con una calidad de voz sincronizada con los labios y trabajar en proyectos conjuntos. Por supuesto, también podrás ver y hablar con tus formadores conectados en directo en cualquier momento y recibirás clases de tus profesores en tiempo real durante todo el curso. Las clases no son e-learning, sino auténtica enseñanza presencial en directo a través de la tecnología de vídeo.
Los cursos de formación de alfatraining están subvencionados por Agentur für Arbeit y certificados de acuerdo con el reglamento de homologación AZAV. Al presentar una solicitud a Bildungsgutscheino Aktivierungs- und Vermittlungsgutschein, la totalidad de los costes del curso suelen correr a cargo de su organismo financiador.
También es posible obtener financiación a través de Europäischen Sozialfonds (FSE), Deutsche Rentenversicherung (DRV) o programas de financiación regionales. Como soldado regular, tiene la posibilidad de asistir a cursos de formación continua a través de Berufsförderungsdienst (BFD). Las empresas también pueden cualificar a sus empleados a través de un programa de financiación de Agentur für Arbeit (Qualifizierungschancengesetz).