Servicios de Asesoría y Capacitación Empresarial, S. C.

   

English

   

   

Français

   

   

Deutsch

OBJETIVO DEL CURSO.

Proporcionar los medios para la comprensión y asociación de los documentos individuales de la serie de Normas Internacionales ISO/IEC 5259 y su fundamento para la comprensión conceptual de la calidad de los datos para el análisis de datos y el aprendizaje automático, así como las tecnologías asociadas y ejemplos con base en la Norma Internacional ISO/IEC 5259-1:2024 Inteligencia artificial - Calidad de los datos para el análisis de datos y el aprendizaje automático - Parte 1: Visión general, terminología y ejemplos.

Nota 1: el análisis de datos es un concepto compuesto que consiste de la adquisición de datos, la recopilación de datos, la validación de datos, el procesamiento de datos, incluyendo la cuantificación de datos, la visualización de datos, así como la documentación y la interpretación de datos.

Nota 2: El análisis de datos se utiliza para la comprender objetos o eventos representados por datos, para hacer predicciones para una situación dada y para recomendar pasos para lograr objetivos. Las perspectivas obtenidas del análisis de datos se utilizan para varios propósitos tales como la toma de decisiones, la investigación, el desarrollo sostenible, diseño y planificación.

Nota 3: los datos son la materia prima para el análisis de datos y el aprendizaje automático. El objetivo de la serie ISO/IEC 5259 es proporcionar herramientas y métodos para evaluar y mejorar la calidad de los datos utilizadas en el análisis de datos y el aprendizaje automático.

DURACIÓN DEL CURSO: 16 horas.

TEMARIO DEL CURSO.

El temario del curso es el siguiente:

1. Introducción.

1. Objeto y campo de aplicación.
   
   
2. Referencias normativas.
   
   
3. Términos y definiciones.
   
   
4. Símbolos y términos abreviados.
   
   
5. Conceptos de calidad de los datos para análisis de datos y aprendizaje automático.
   1. Consideraciones de calidad de los datos para el análisis de datos y el aprendizaje automático.
      1. Generalidades.
      2. Aprendizaje automático y calidad de los datos.
      3. Características de los datos que plantean desafíos de calidad para el análisis de datos y aprendizaje automático.
      4. Compartir, reutilizar datos y calidad de los datos para el análisis de datos y el aprendizaje automático.
         
         
   2. Marco de referencia conceptual de la calidad de los datos para el análisis de datos y el aprendizaje automático.
      1. Visión general.
         
         
      2. Gestión de la calidad de los datos.
         1. Modelo de calidad de los datos.
         2. Medidas de calidad de los datos.
         3. Evaluación de la calidad de los datos.
         4. Mejora de la calidad de los datos.
         5. Informe de la calidad de los datos.
            
            
      3. Gobernanza de la calidad de los datos.
         
         
      4. Procedencia de los datos.
         
         
   3. Ciclo de vida de los datos para el análisis de datos y el aprendizaje automático.
      1. Visión general.
         
         
      2. Modelo del ciclo de vida de los datos.
         1. Modelo general.
         2. Etapa 1: requisitos de los datos.
         3. Etapa 2: planificación de los datos.
         4. Etapa 3: adquisición de los datos.
         5. Etapa 4: preparación de los datos.
         6. Etapa 5: aprovisionamiento de los datos.
         7. Etapa 6: desmantelamiento de los datos.
            
            
      3. Procesos a través de múltiples etapas.
         1. Generalidades.
         2. Seguridad de los datos.
         3. Privacidad de los datos.
            
            
6. Anexo A Ejemplos y escenarios.
   
   
7. Taller de ejercicios de interpretación y aplicación de la Norma Internacional ISO/IEC 5259-1:2024.

Regresar a los cursos de sistemas de gestión de inteligencia artificial.

Regresar a los cursos de sistemas de gestión.