Curso Certificado Análisis de datos IoT

Análisis y comprensión de datos IoT

Aprende a recopilar, transformar, analizar y visualizar los datos generados por sensores y dispositivos del Internet de las cosas (IoT). El curso combina el análisis de datos con herramientas de Python para convertir los datos obtenidos del entorno físico en información útil para comprender situaciones y tomar decisiones.
También conocerás los fundamentos de la estadística descriptiva, la exploración de datos, el aprendizaje automático y la comunicación de resultados mediante visualizaciones e historias basadas en datos. Además, estudiarás conceptos de arquitectura de datos masivos e ingeniería de datos.

CCNA

El curso está dirigido a estudiantes de escuelas secundarias, instituciones técnicas, centros de formación profesional, institutos y universidades, así como a personas interesadas en aplicar el análisis de datos a soluciones del Internet de las cosas.

Presupone que el estudiante ha completado el curso Fundamentos IoT-Conexiones o cuenta con conocimientos equivalentes.

Se recomienda que el estudiante tenga:

  • Experiencia escribiendo, ejecutando y depurando programas en Python.
  • Conocimientos básicos sobre sensores, dispositivos IoT y adquisición de datos.
  • Nociones de redes y comunicación entre dispositivos.
  • Disposición para trabajar con conjuntos de datos, estadísticas básicas y representaciones visuales.

Al finalizar el curso, los estudiantes habrán desarrollado conocimientos y habilidades para:

  • Explicar qué son los datos masivos (Big Data) y cómo se relacionan con el Internet de las cosas.
  • Describir cómo las empresas pueden extraer información útil de los datos generados por dispositivos IoT.
  • Comprender las etapas del ciclo de vida del análisis de datos, desde la adquisición hasta la comunicación de resultados.
  • Utilizar bibliotecas y herramientas de Python para adquirir, transformar, manipular y visualizar datos procedentes de sensores.
  • Aplicar conceptos de estadística descriptiva y análisis exploratorio para identificar patrones y formular hipótesis.
  • Explicar las diferencias entre el análisis descriptivo, el predictivo y otros enfoques de análisis de datos.
  • Reconocer los fundamentos del aprendizaje automático (Machine Learning), incluidos los enfoques supervisados y no supervisados.
  • Interpretar resultados de análisis y comunicar conclusiones mediante visualizaciones y narrativas basadas en datos.
  • Describir la evolución de los sistemas de gestión de datos, desde las bases de datos SQL hasta las alternativas NoSQL.
  • Comprender los fundamentos de las plataformas distribuidas y escalables para datos masivos, como Apache Hadoop y otras tecnologías relacionadas.

  • Raspberry Pi 3 CanaKit Ultimate Starter Kit.
  • Sparkfun Inventor’s Kit for Arduino – V3.2
  • Cables de acoplamiento multicolores: macho a hembra de 40 pines, macho a macho de 40 pines, hembra a hembra de 40 pines.
  • Cables de acoplamiento de placa de prueba.
  • Raspberry Pi Camera Module v2
Módulo de aprendizaje:
(Módulo/Tema) Descripción
Capítulo I: Datos e Internet de las cosas
1. Datos e Internet de las cosas Comprender los conceptos de datos masivos (Big Data) y análisis de datos, así como el papel que desempeñan los datos masivos en los sistemas de Internet de las cosas (IoT).
Capítulo II: Aspectos básicos del análisis de datos
2. Aspectos básicos del análisis de datos Aprender los fundamentos de la estadística descriptiva, los procedimientos prácticos para adquirir datos de sensores y la creación de representaciones visuales de los datos.
Capítulo III: Análisis de datos
3. Análisis de datos Explorar y visualizar datos para identificar patrones, extraer información relevante y formular hipótesis.
Capítulo IV: Análisis avanzado de datos y aprendizaje automático
4. Análisis avanzado de datos y aprendizaje automático Aprender sobre el análisis predictivo, los métodos de aprendizaje automático supervisado y no supervisado, y la aplicación de modelos para realizar predicciones a partir de los datos.
Capítulo V: Narración de historias con datos
5. Narración de historias con datos Aprender a transformar los resultados del análisis de datos en una narrativa clara, convincente y visualmente comprensible para comunicar hallazgos.
Capítulo VI: Arquitectura para datos masivos e ingeniería de datos
6. Arquitectura para datos masivos e ingeniería de datos Conocer los principios fundamentales de las soluciones escalables para el procesamiento de datos masivos, como Apache Hadoop y su ecosistema de tecnologías relacionadas.
↑