Legalize / España / Real Decreto

Real Decreto 46/2022, de 18 de enero, por el que se establecen determinadas cualificaciones profesionales de las familias profesionales Imagen y Sonido, Informática y Comunicaciones, Instalación y Mantenimiento, Sanidad, Seguridad y Medio Ambiente y Servicios Socioculturales y a la Comunidad, que se incluyen en el Catálogo Nacional de Cualificaciones Profesionales, y se modifican parcialmente determinadas cualificaciones profesionales de las familias profesionales Seguridad y Medio Ambiente y Servicios Socioculturales y a la Comunidad, recogidas en el Catálogo Nacional de Cualificaciones Profesionales

Rango Real Decreto

Publicación 2022-01-24

Última actualización 2024-10-10

Estado Vigente texto desactualizado

Texto Tal como se publicó

Departamento Ministerio de Educación y Formación Profesional

Fuente BOE

PDF Descargar

artículos 4

Este es el acto tal como se publicó. Las modificaciones posteriores no están incorporadas al texto: cada una es un acto aparte en este repositorio y una entrada en el historial de esta ley.

3 actos modificadores · 2024-10-10, Real Decreto 917/2024, de 17 de septiembre, por el que se actualizan determinadas cualifi…

Historial de reformas JSON API

Actualización de sistemas operativos y software. Software privativo y software libre.

Configuración del entorno de trabajo. Administración y gestión de los sistemas de archivos. Gestión y edición de archivos.

Ciberseguridad del sistema: usuarios, roles, cortafuegos, antivirus.

3. Gestión de datos en sistemas digitales aplicados al entorno productivo

Internet, intranet. Aplicaciones de acceso a la información. Navegadores, clientes FTP u otros.

Buscadores de datos e información. Buscadores y metabuscadores: características, uso, utilidades, organización de páginas en Internet, protocolos de seguridad de acceso tal como HTTPS.

Servicios de almacenamiento en la nube.

Tratamiento de datos: Hojas de cálculo. Exportación e importación de datos. Elaboración de gráficos a partir de datos. Cálculos por celda, fila y columna. Formato de la hoja de cálculo, celdas y textos. Agrupación y ordenación de celdas y esquemas. Informes.

Ciberseguridad en datos. Protección de datos. Protección de celdas y hojas. Usuarios y roles.

4. Trabajo colaborativo aplicado a la gestión de dispositivos y datos en el entorno profesional

Integración y uso de agenda en otros sistemas.

Sistemas de mensajería y Chats. Videoconferencias.

Sistemas y protocolos de correo electrónico. Configuración.

Ofimática colaborativa: utilidades en la nube, visualización de modificaciones por usuario, aplicación al trabajo en equipo, control de versiones.

Redes sociales. Configuración, publicación y uso responsable.

Normativa aplicable: Propiedad intelectual e industrial, servicios de la sociedad de la información, normativa de protección de datos. Tipos de licencia. Software privativo y software libre. Creative Commons.

Parámetros de contexto de la formación:

Espacios e instalaciones:

Los talleres e instalaciones darán respuesta a las necesidades formativas de acuerdo con el contexto profesional establecido en la unidad de competencia asociada, teniendo en cuenta la normativa aplicable del sector productivo, prevención de riesgos laborales, accesibilidad universal y protección medioambiental. Se considerará con carácter orientativo como espacios de uso:

Instalación de 2 m² por alumno o alumna.

Perfil profesional del formador o formadora:

1. Dominio de los conocimientos y las técnicas relacionados con la gestión de dispositivos digitales y datos, que se acreditará mediante una de las dos formas siguientes:

Formación académica de nivel 2 (Marco Español de Cualificaciones para la Educación Superior) o de otras de superior nivel relacionadas con el campo profesional.

Experiencia profesional de un mínimo de 2 años en el campo de las competencias relacionadas con este módulo formativo.

2. Competencia pedagógica acreditada de acuerdo con lo que establezcan las Administraciones competentes.

MÓDULO FORMATIVO 2: GESTIÓN DE CONTENIDOS MEDIANTE TECNOLOGÍAS HABILITADORAS DIGITALES

Nivel: 2

Código: MF2491_2

Asociado a la UC: Aplicar tecnologías habilitadoras digitales para la gestión de contenidos en el entorno profesional

Duración: 15 horas

Capacidades y criterios de evaluación:

C1: Aplicar técnicas de creación y edición de elementos de contenido digital, editándolos con herramientas software, garantizando la normativa aplicable de protección de datos, propiedad intelectual, seguridad y accesibilidad.

CE1.1 Clasificar elementos multimedia que componen un contenido tales como texto, imágenes, tablas, audio, vídeo y otros.

CE1.2 Describir herramientas de edición de texto, explicando su funcionalidad y aplicaciones.

CE1.3 Describir herramientas de captura y edición de imágenes, explicando su funcionalidad y aplicaciones.

CE1.4 Describir herramientas de captura y edición de audio, explicando su funcionalidad y aplicaciones.

CE1.5 Describir herramientas de captura y edición de vídeo y otros, explicando su funcionalidad y aplicaciones.

CE1.6 En un supuesto práctico de creación y edición de elementos de contenido para su posterior integración:

- Crear o, en su caso, modificar o adaptar, elementos de texto usando las herramientas al efecto de edición, en función de los objetivos y aplicando los criterios indicados por la organización.

- Crear o, en su caso, modificar o adaptar imágenes, capturándolas con cámara, descargándolas de repositorios online, alterando la compresión, tamaño y características visuales tales como brillo, contraste, balance de colores, entre otros, eliminado defectos o recortando y mezclando fuentes aplicando criterios estéticos, de facilidad de uso y de accesibilidad.

- Crear o, en su caso, modificar o adaptar elementos de audio, capturándolos con grabadora, y micrófono o descargándolos de repositorios online, alterando la formato, tamaño y características sonoras tales como compresión, volumen, ecualización, entre otros, eliminando defectos o recortando y mezclando fuentes.

- Crear o, en su caso, modificar o adaptar ‘clip’ de vídeo, capturándolos con videocámara, descargándolos de repositorios online, alterando la compresión, tamaño y características visuales tales como brillo, contraste, balance de colores, entre otros, modificando o añadiendo audios, combinando los ‘clip’ por pistas, dividiéndolos o uniéndolos con transiciones o recortando y mezclando fuentes aplicando criterios estéticos, de facilidad de uso y de accesibilidad.

C2: Aplicar técnicas de integración de contenidos digitales, publicándolos para su difusión, configurando el acceso para restringirlo a un grupo o unos usuarios concretos o bien para potenciar su alcance, garantizando la normativa aplicable de protección de datos, propiedad intelectual, seguridad y accesibilidad.

CE2.1 Describir herramientas de integración de elementos de contenido para construir sistemas integrados, tales como infografías, presentaciones, documentos multimedia, sitios web, entornos educativos, entre otros.

CE2.2 Clasificar redes sociales en función de la presentación de los contenidos, capacidad de configuración y características del público destinatario, describiendo los procedimientos de configuración, publicación y difusión.

CE2.3 En un supuesto práctico de producción de contenidos:

- Integrar elementos creados usando herramientas de creación y gestión de contenidos, infografía, presentaciones en diapositivas y otras, para componer un conjunto acorde con el objetivo que se persigue, aplicando criterios estéticos, de facilidad de uso y de accesibilidad.

- Evaluar contenidos creados, aplicando criterios estéticos, de facilidad de uso y de accesibilidad, descartando o reelaborando los que no cumplan los requisitos o no se ajusten a la normativa de protección de datos y de propiedad intelectual.

- Publicar contenidos creados usando herramientas tales como gestores de contenido, redes sociales u otros, garantizando en su caso la privacidad o limitando o ampliando el alcance de la difusión según objetivos y aplicando la normativa de servicios de la sociedad de la información y propiedad intelectual y protección de datos.

C3: Aplicar procedimientos para el acceso remoto a dispositivos lejanos, configurando una aplicación proporcionada por el sistema o instalando una aplicación dedicada al efecto, parametrizándolas en función de las características de uso para servir de soporte al desarrollo de tareas propias del entorno laboral de manera remota, cumpliendo normativa de protección de datos y propiedad intelectual e industrial.

CE3.1 Describir herramientas proporcionadas por el sistema para el acceso remoto, explicando sus características y mecanismos de conexión y uso.

CE3.2 Describir el proceso para habilitar reglas para permitir o denegar una aplicación a través de un cortafuegos, explicando las opciones posibles y los valores a asignar.

CE3.3 Diferenciar el uso y parámetros de configuración de una herramienta y sistema locales y una herramienta y sistema remotos, para permitir la conexión de escritorio desde el sistema local al lejano.

CE3.4 Explicar el procedimiento de configuración en un equipo lejano para su conexión remota mediante herramientas disponibles en ese sistema, describiendo los pasos a seguir y los parámetros utilizables.

CE3.5 Explicar el procedimiento de instalación y configuración en el equipo lejano para su conexión remota mediante herramientas instalables, describiendo los pasos a seguir y los parámetros utilizables.

CE3.6 Explicar el procedimiento de configuración en un equipo local para conectarse a equipos remotos mediante herramientas disponibles en ese sistema, describiendo los pasos a seguir y los parámetros utilizables.

CE3.7 Explicar el procedimiento de instalación y configuración en un equipo local para conectarse a equipos remotos mediante herramientas instalables, describiendo los pasos a seguir y los parámetros utilizables, así como la configuración y activación en su caso de una conexión VPN.

CE3.8 Describir procedimientos de uso de las herramientas instalables o disponibles en el sistema para la conexión remota, explicando las opciones disponibles para la comunicación con un usuario en el extremo lejano, para el intercambio de archivos, grabación de sesión u otros.

CE3.9 En un supuesto práctico de aplicación de procedimientos para el acceso remoto a dispositivos lejanos, configurando una aplicación proporcionada por el sistema, parametrizándolas en función de las características de uso para servir de soporte al desarrollo de tareas propias del entorno laboral de manera remota:

- Configurar el cortafuegos del sistema lejano, habilitando las reglas afectadas para permitir el uso de la herramienta de escritorio remoto.

- Habilitar el sistema operativo en el dispositivo remoto, usando las opciones que proporciona dicho sistema, asignando los parámetros requeridos para el trabajo a realizar tales como temporizadores, usuarios autorizados u otros.

- Configurar el acceso a través de aplicación propia del sistema en el dispositivo local, configurando las opciones a utilizar tales como: accesos directos, características de pantalla y recursos que se comparten, tales como: almacenamiento, impresora, portapapeles u otros.

- Arrancar en el equipo local la herramienta propia del sistema para conectarse al equipo lejano, introduciendo los parámetros de conexión, habilitando en su caso la VPN y configurando las características de visualización para la sesión, tales como el tamaño y resolución de pantalla o la profundidad del color.

- Utilizar la herramienta propia del sistema para gestionar el equipo remoto, haciendo uso de las opciones disponibles como intercambio de archivos, comunicaciones por chat, videoconferencia o audio, grabación de sesión, captura de pantalla u otras.

CE3.10 En un supuesto práctico de aplicación de procedimientos para el acceso remoto a dispositivos lejanos, instalando una aplicación dedicada al efecto, parametrizándola en función de las características de uso para servir de soporte al desarrollo de tareas propias del entorno laboral de manera remota:

- Configurar el cortafuegos del sistema lejano, habilitando las reglas afectadas para permitir el uso de la herramienta de una escritorio remoto.

- Instalar una herramienta dedicada al efecto para el acceso remoto en el equipo lejano, configurando las opciones de conexión y su mecanismo, tomando nota de los parámetros para su uso desde un dispositivo local tales como IP, usuario o identificador, contraseña u otros.

- Instalar la herramienta dedicada al efecto para el acceso remoto en el equipo local, usando las opciones que proporciona el fabricante.

- Arrancar en equipo local la herramienta dedicada al efecto para el acceso remoto para conectarse al equipo lejano, introduciendo los parámetros de conexión, habilitando en su caso la VPN y configurando las características de visualización para la sesión, tales como el tamaño y resolución de pantalla o la profundidad del color.

- Utilizar la herramienta dedicada al efecto para gestionar el equipo remoto, haciendo uso de las opciones disponibles como intercambio de archivos, comunicaciones por chat, videoconferencia o audio, grabación de sesión, captura de pantalla u otras.

Capacidades cuya adquisición debe ser completada en un entorno real de trabajo:

C1 respecto a CE1.6; C2 respecto a CE2.3; C3 respecto a CE3.9 y CE3.10.

Otras capacidades:

Responsabilizarse del trabajo que desarrolla y del cumplimiento de los objetivos.

Demostrar cierto grado de autonomía en la resolución de contingencias relacionadas con su actividad.

Comunicarse eficazmente con las personas adecuadas en cada momento, respetando los canales establecidos en la organización.

Adaptarse a la organización, a sus cambios organizativos y tecnológicos, así como a situaciones o contextos nuevos.

Adoptar actitudes posturales adecuadas en el entorno de trabajo.

Mostrar una actitud de respeto hacia los compañeros, procedimientos y normas de la empresa.

Cumplir las medidas que favorezcan el principio de igualdad de trato y de oportunidades entre hombres y mujeres.

Valorar el talento y el rendimiento profesional con independencia del sexo.

Aplicar de forma efectiva el principio de igualdad de trato y no discriminación en las condiciones de trabajo entre mujeres y hombres.

Contenidos:

1. Tecnologías Habilitadoras Digitales en el entorno productivo

Aplicaciones y usos de las Tecnologías Habilitadoras Digitales: Inteligencia Artificial, Big Data, Blockchain, Robótica colaborativa, Gemelos digitales, Fabricación aditiva, Realidad Virtual, Realidad aumentada, Ciberseguridad.

2. Creación, gestión y publicación de contenidos en sistemas digitales aplicados al entorno productivo

Contenidos. Taxonomía (textos, imágenes, audio, vídeo y otros).

Criterios estéticos de composición, textura, color u otros. Criterios de usabilidad y accesibilidad.

Formatos de archivos de imagen, audio y vídeo.

Herramientas de edición de texto, imagen, audio y video. Efectos.

Gestores de contenidos. Herramientas de autor. ‘Streaming’ de contenidos.

Redes sociales.

3. Gestión remota de dispositivos

Herramientas de gestión remota: escritorio remoto del sistema y aplicaciones instalables de escritorio remoto.

Procedimientos de habilitación, configuración y uso de clientes VPN.

Procedimientos de instalación y configuración del equipo lejano: cortafuegos, opciones del sistema operativo, usuarios permitidos, entre otros.

Procedimientos de instalación y configuración del equipo local para su conexión remota.

Conexión a equipo remoto. Parámetros de conexión. Opciones de uso.

Parámetros de contexto de la formación:

Espacios e instalaciones:

Instalación de 2 m² por alumno o alumna.

Perfil profesional del formador o formadora:

1. Dominio de los conocimientos y las técnicas relacionados con la gestión de contenidos mediante tecnologías habilitadoras digitales, que se acreditará simultáneamente mediante una de las dos formas siguientes:

Formación académica de nivel 2 (Marco Español de Cualificaciones para la Educación Superior) o de otras de superior nivel relacionadas con el campo profesional.

Experiencia profesional de un mínimo de 2 años en el campo de las competencias relacionadas con este módulo formativo.

2. Competencia pedagógica acreditada de acuerdo con lo que establezcan las Administraciones competentes.

ANEXO IV. Cualificación profesional: Gestión de datos y entrenamiento en sistemas de Inteligencia Artificial basados en aprendizaje automático

Familia Profesional: Informática y Comunicaciones

Nivel: 3

Código: IFC749_3

Competencia general

Extraer, procesar y aplicar analíticas de datos para el entrenamiento en sistemas de Inteligencia Artificial, basándose en técnicas de aprendizaje automático para la predicción, clasificación o cualquier otro tratamiento inteligente de datos, imágenes, vídeos o lenguaje natural, preprocesando, depurando y particionando los datos en subconjuntos, identificando las variables significativas, verificando la ausencia de sesgos y cumpliendo la normativa aplicable en materia de protección de datos y propiedad intelectual e industrial.

Unidades de competencia

UC0966_3: Consultar y extraer información de distintas plataformas de almacenamiento de datos

UC2492_3: Procesar los datos para su uso en sistemas de inteligencia artificial basados en aprendizaje automático

UC2493_3: Entrenar modelos en sistemas de inteligencia artificial basados en aprendizaje automático

Entorno Profesional

Ámbito Profesional

Desarrolla su actividad profesional en las áreas de sistemas y desarrollo dedicada/o a la gestión y proceso de datos y desarrollo de aplicaciones inteligentes, en entidades de naturaleza pública o privada, empresas de tamaño pequeño, mediano, grande o bien empresas de cualquier tamaño que gestionan sistemas de información para otras organizaciones, tanto por cuenta propia como ajena, con independencia de su forma jurídica. Desarrolla su actividad dependiendo, en su caso, funcional y/o jerárquicamente de un superior. Puede tener personal a su cargo en ocasiones, por temporadas o de forma estable. En el desarrollo de la actividad profesional se aplican los principios de accesibilidad universal y diseño universal o diseño para todas las personas de acuerdo con la normativa aplicable.

Sectores Productivos

Se ubica en el sector servicios, en el subsector de la gestión de sistemas de información para otras organizaciones, en el de desarrollo de software, en el desarrollo de sistemas de Inteligencia Artificial basados en aprendizaje automático, en el de consultoría técnica en sistemas de información inteligentes o en cualquier sector productivo con empresas que dispongan de sistemas de información inteligentes para la gestión de sus procesos de negocio.

Ocupaciones y puestos de trabajo relevantes

Los términos de la siguiente relación de ocupaciones y puestos de trabajo se utilizan con carácter genérico y omnicomprensivo de mujeres y hombres.

Integradores de sistemas de información

Técnicos en proceso y analítica de datos

Formación Asociada (510 horas)

Módulos Formativos

MF0966_3: Consulta y manipulación de información contenida en gestores de datos (210 horas)

MF2492_3: Procesamiento de datos para su uso en sistemas de inteligencia artificial basados en aprendizaje automático (150 horas)

MF2493_3: Entrenamiento de modelos en sistemas de inteligencia artificial basados en aprendizaje automático (150 horas)

UNIDAD DE COMPETENCIA 1: CONSULTAR Y EXTRAER INFORMACIÓN DE DISTINTAS PLATAFORMAS DE ALMACENAMIENTO DE DATOS

Nivel: 3

Código: UC0966_3

Realizaciones profesionales y criterios de realización:

RP1: Interpretar las especificaciones de diseño correspondientes a los sistemas gestores de datos, utilizados por la organización para el almacenamiento de la información.

CR1.1 Los modelos de datos contenidos en los sistemas gestores de datos se reconocen, identificando las relaciones y dependencias de los elementos que los configuran.

CR1.2 La estructura global de la información del gestor de datos y su almacenamiento se estudian utilizando las especificaciones del diseño, con objeto de localizar las informaciones contenidas en el mismo.

CR1.3 La arquitectura, componentes y tecnología que intervienen en el diseño se reconocen con el fin de identificar el o los sistemas gestores de datos que contienen la información de la organización.

CR1.4 Las herramientas y lenguajes de consulta y manipulación para extraer la información contenida en los gestores de datos, se seleccionan según especificaciones del modelo y la tecnología del gestor de datos.

RP2: Extraer, transformar y cargar informaciones contenidas en gestores de datos de distinta tipología utilizando herramientas y lenguajes de procesamiento de información, de acuerdo con especificaciones técnicas y funcionales y cumpliendo la normativa de protección de datos.

CR2.1 La codificación, las herramientas y lenguajes seleccionados de los procedimientos de consulta, manipulación y presentación de información se utilizan según las especificaciones técnicas y funcionales, las necesidades de la organización y normativa aplicable.

CR2.2 La documentación inherente a las herramientas y lenguajes de consulta y manipulación de la información, se interpreta para obtener la funcionalidad deseada en el proceso de extracción de información, teniendo en cuenta las especificaciones técnicas de las mismas.

CR2.3 Los procedimientos de extracción y consulta realizados se documentan para su registro según normas de la organización.

RP3: Configurar las pasarelas y medios de conexión entre las herramientas cliente y los sistemas gestores de datos, para establecer la comunicación entre ambos según necesidades de la organización.

CR3.1 La documentación inherente a la herramienta cliente y al sistema gestor de datos, se interpreta para establecer los parámetros de conexión entre los componentes software que intervienen en la conexión según especificaciones técnicas y funcionales.

CR3.2 Los parámetros de conexión entre las herramientas cliente y los sistemas gestores de datos, se implantan para establecer la conexión entre ambos y permitir la extracción de datos de los sistemas gestores según necesidades operativas.

CR3.3 Las configuraciones de las conexiones entre las pasarelas y medios de conexión y los sistemas gestores de datos, se prueban para determinar la funcionalidad de extracción de datos según las necesidades de la organización.

Contexto profesional:

Medios de producción:

Equipos informáticos y periféricos. Sistemas operativos y parámetros de configuración. Herramientas ofimáticas. Herramientas cliente específicas para acceder a los sistemas gestores de bases de datos. Lenguajes específicos de acceso a sistemas gestores de bases de datos. Conectores o pasarelas estándares de accesos a sistemas gestores de bases de datos. Protocolos de comunicación. Herramientas de conectividad. Servidores Web. Sistemas de seguridad. Motores de gestores de datos para utilizar, en entorno de pruebas. Servicios distribuidos de información.

Productos y resultados:

Datos extraídos en diferentes formatos del sistema de gestión de información. Plantillas tipo para recuperar la información del sistema de gestión de información. Consultas para la manipulación de informaciones contenidas en gestores de datos. Conexiones lógicas entre gestores de datos y clientes.

Información utilizada o generada:

Diseño y especificaciones del tratamiento y almacenamiento de la información. Visión global del sistema de información a realizar, entregar y explotar. Modelos de datos contenidos en los sistemas gestores de datos. Manuales de uso y funcionamiento de los sistemas informáticos. Manuales de funcionamiento del software. Manuales de las herramientas de desarrollo y consulta utilizadas. Documentación de cursos de formación. Documentación de explotación del sistema de información. Soportes técnicos de asistencia. Normativa aplicable acerca de la propiedad intelectual y los derechos de autor. Manuales de «usabilidad».

UNIDAD DE COMPETENCIA 2: PROCESAR LOS DATOS PARA SU USO EN SISTEMAS DE INTELIGENCIA ARTIFICIAL BASADOS EN APRENDIZAJE AUTOMÁTICO

Nivel: 3

Código: UC2492_3

Realizaciones profesionales y criterios de realización:

RP1: Extraer datos de las fuentes, previa identificación y clasificación de las mismas, estableciendo el filtrado inicial y configurando las pasarelas que permitan su acceso para su posterior carga y análisis.

CR1.1 Las fuentes de datos se conectan, configurando las pasarelas que permiten su acceso y teniendo en cuenta:

Su origen: sistemas de almacenamiento, sistemas IoT, plataformas de datos en ‘streaming’, integración con APIs u otro,

Su naturaleza: estructurados, tales como datos cuantitativos u otros o no estructurados,

Si se trata de datos formales, tales como los provenientes de fuentes jurídicas o bien datos no formales tales como audios, imágenes o textos provenientes de fuentes como las redes sociales.

CR1.2 Los filtros y consultas para la extracción de datos desde las fuentes se establecen, previa selección, configurándolos, considerando la posibilidad de distribución de datos y de procesamiento cercano a las fuentes para maximizar tiempos de proceso, conforme a las especificaciones de análisis y según la naturaleza de los datos.

CR1.3 Los datos se extraen desde sus orígenes, conforme a las especificaciones de análisis y según la naturaleza de los datos.

RP2: Determinar la estructura y relaciones correspondientes al dominio de aplicación en los datos disponibles, mediante exploración para el análisis según objetivos de negocio.

CR2.1 Los datos recogidos de fuentes diversas se almacenan para componer conjuntos de datos, identificando su naturaleza e integrándolos en el destino.

CR2.2 Los conjuntos de datos recogidos se exploran por separado, identificando su estructura y relaciones para el análisis de variables por parte de la persona responsable.

CR2.3 La descripción de cada conjunto de datos se documenta, incluyendo entidades, volumetrías, relaciones y descripción de atributos, entre otros, para trabajar en las especificaciones de análisis de los datos, según los objetivos de negocio.

RP3: Verificar los datos mediante técnicas estadísticas, escribiendo código para explorar sus atributos con el fin de evaluar la cobertura y calidad del conjunto, de modo que permita la selección de los atributos clave para el entrenamiento de modelos, siguiendo las especificaciones de análisis.

CR3.1 La calidad de los datos se valora, aplicando técnicas estadísticas, conforme a las especificaciones de análisis vinculadas al cumplimiento de las necesidades de negocio.

CR3.2 El conjunto de datos se evalúa, mediante estadísticas sobre cobertura y sesgo tales como frecuencia y distribución, valorando el cumplimiento de los objetivos de negocio conforme a las especificaciones de análisis.

CR3.3 La descripción del resultado de las verificaciones sobre el conjunto de datos se documenta, indicando cobertura, frecuencia y sesgo entre otros, para que se tomen decisiones de diseño sobre la selección y uso del mismo en el modelado.

RP4: Seleccionar los datos mediante la depuración, limpieza, construcción y posterior clasificación en conjuntos, para su uso posterior en el modelado analítico, según las especificaciones del diseño.

CR4.1 El conjunto de datos y sus atributos se seleccionan, atendiendo a los criterios y especificaciones del diseño, como resultado de las verificaciones realizadas.

CR4.2 El conjunto de datos de entrenamiento se limpia, depurándolo para su utilización en el modelado, normalizándolo, categorizándolo o imputando valores ausentes, entre otros.

CR4.3 El conjunto de datos depurado se construye, atendiendo a las especificaciones de diseño de los modelos a implementar y según las técnicas de Inteligencia Artificial en las que se basen dichos modelos, añadiendo variables sintéticas fruto de cálculos agregados tales como:

Normalización de atributos a media cero, desviación típica uno,

Reescalado de atributos dentro de un rango predefinido,

Media móvil calculada con respecto a una ventana deslizante temporal.

CR4.4 El conjunto de datos depurado se divide en particiones, según indique el científico de datos, habitualmente entrenamiento, validación y test, para entrenar y evaluar el modelo.

Contexto profesional:

Medios de producción:

Equipos y sistemas cliente y servidor. Sistemas operativos, firmware y software de base. Soporte hardware para almacenamiento de información y/o almacenamiento de la misma en la nube. Software y herramientas de exploración y análisis estadístico de datos, lenguajes de programación específicos. Entornos de desarrollo y programación.

Productos y resultados:

Datos analizados y conjuntos de datos y variables y relaciones identificados. Conjuntos de datos analizados y conformes a las necesidades de negocio. Verificaciones de conjuntos de datos documentados. Conjuntos de datos seleccionados y depurados. Variables sintéticas agregadas añadidas a los conjuntos de datos. Conjuntos de datos divididos en particiones.

Información utilizada o generada:

Normas externas de trabajo: (normativa aplicable de protección de datos y propiedad intelectual e industrial) Normas internas de trabajo: (modelo o plan de negocio, proyecto software, diseño y especificaciones de los datos utilizados, modelos de datos contenidos en los sistemas gestores de datos, normativa interna para elaboración de documentación) Documentación técnica: (manuales de las herramientas de análisis estadístico, desarrollo y consulta utilizadas, documentación de cursos de formación, soportes técnicos de asistencia).

UNIDAD DE COMPETENCIA 3: ENTRENAR MODELOS EN SISTEMAS DE INTELIGENCIA ARTIFICIAL BASADOS EN APRENDIZAJE AUTOMÁTICO

Nivel: 3

Código: UC2493_3

Realizaciones profesionales y criterios de realización:

RP1: Buscar correlaciones entre las variables utilizando herramientas que incorporan técnicas de la estadística y el aprendizaje automático, con anterioridad al diseño y entrenamiento de modelos y siguiendo las indicaciones proporcionadas por el científico de datos responsable.

CR1.1 Las correlaciones entre variables, tanto lineales como no lineales se buscan, aplicando técnicas de la estadística y del aprendizaje automático (‘machine learning’- ML-).

CR1.2 Los procedimientos de categorización y codificación de las variables tales como mapas de bits (‘one-hot vectors’) u otros se aplican mediante software o herramientas.

CR1.3 Las transformaciones matemáticas tales como logaritmos, exponenciales, funciones trigonométricas u otras se aplican antes del entrenamiento de los modelos, teniendo en cuenta la distribución de sus valores dentro del conjunto de datos.

CR1.4 Las variables de entrada más explicativas se seleccionan para tenerlas en cuenta durante el diseño de los modelos, considerando aquellas que tienen mayor correlación con las variables de salida o variables objetivo.

CR1.5 El documento que describe las variables se redacta, incluyendo todos los detalles analizados en relación a las variables tanto de entrada como de salida y a las correlaciones encontradas, con el fin de servir para tomar decisiones durante el diseño de los modelos y para ser integrado en un informe final.

RP2: Reducir la dimensión de las muestras de los conjuntos de datos, mediante programación o herramientas software, para obtener una representación de los mismos mediante variables latentes siguiendo instrucciones de la persona responsable.

CR2.1 Las técnicas de reducción de la dimensión, tales como análisis de componentes principales -PCA-, t-SNE, autocodificadores (‘autoencoders’) basados en redes neuronales y otras, disponibles como funcionalidades en herramientas software existentes se utilizan, eligiendo aquellas que realizan una mayor reducción de la dimensión mientras conservan la mayor variabilidad (capacidad explicativa) de las muestras.

CR2.2 Los métodos y procedimientos se programan, usando el lenguaje definido para el proyecto, realizando la reducción de la dimensión de las muestras con objeto de crear una copia del conjunto de datos con las transformaciones ya aplicadas, o bien aplicando las transformaciones durante el entrenamiento, antes de que las muestras se utilicen como entrada a los modelos para su entrenamiento y evaluación.

CR2.3 El trabajo realizado se documenta, indicando:

Las técnicas de reducción de la dimensión aplicadas al conjunto de datos con el que se esté trabajando,

Los valores concretos de los parámetros de configuración de cada técnica,

Los resultados obtenidos en cuanto a reducción de la dimensión y pérdida de explicación de la variabilidad,

enfatizando el balance entre la proporción de reducción y la pérdida de variabilidad en función de uno o más parámetros.

RP3: Visualizar los datos, representándolos gráficamente, con la finalidad de corroborar las correlaciones encontradas, verificando la reducción de la dimensión aplicada sobre el conjunto de datos con los que se esté trabajando.

CR3.1 Las gráficas se generan, escribiendo programas al efecto, utilizando varias representaciones, con el fin de verificar tanto las correlaciones encontradas como las transformaciones aplicadas para reducir la dimensión de las muestras, bajo la supervisión de la persona responsable.

CR3.2 La información recogida mediante gráficas se elabora, usando medios didácticos tales como diapositivas o infografías, organizándola para presentarla al equipo de trabajo, con el fin de sacar conclusiones de manera conjunta y así decidir colectivamente qué subconjunto de todas las transformaciones probadas se utilizarán para probar su efecto con los distintos modelos a entrenar y evaluar.

CR3.3 Las gráficas se recogen en un informe, presentándolas en formatos tales como histogramas, mapas de dispersión y otras técnicas de representación, explicando cómo se han obtenido y aportando una valoración de cada gráfica, destacando aspectos cualitativos como la correlación entre las variables latentes fruto de las transformaciones y/o reducciones y las variables salida.

RP4: Diseñar modelos basados en aprendizaje automático (‘machine learning’ -ML-) para aplicarlos sobre el conjunto de datos con el objeto de abordar el problema planteado según su tipo -de regresión o de clasificación-, siguiendo las indicaciones proporcionadas por el científico de datos responsable.

CR4.1 Las técnicas de aprendizaje automático tales como redes neuronales, máquinas de soporte vectorial, modelos de mixturas de gaussianas, árboles de decisión u otras se eligen para diseñar los modelos en base al análisis exploratorio de los datos y el estudio visual realizados previamente.

CR4.2 Los modelos diseñados se ensayan, programando código para entrenarlos, realizando experimentos que permitan ver qué combinaciones de parámetros de configuración conducen a mejores resultados, tales como:

El coeficiente de aprendizaje para las redes neuronales (‘learning rate’), el número de capas, el número de neuronas en cada capa, los tipos de activación a utilizar en las capas ocultas,

El número de grupos (‘clusters’) para el algoritmo ‘k means’, y

El número de árboles a generar en el caso de ‘random forests’.

CR4.3 Las métricas a utilizar para evaluar modelos tales como:

La desviación porcentual entre valores predichos y reales en problemas de regresión como la predicción del volumen de ventas semanal por producto,

La ratio de falsos positivos y la de falsos negativos para un problema de clasificación,

Otras métricas relacionadas con las ratios anteriores como ‘accuracy’, ‘precision’, ‘recall’ o ‘sensitivity’, ‘specificity’, y área bajo la curva ROC (‘Receiver Operating Characteristic’),

se seleccionan, teniendo en cuenta las técnicas a aplicar y el problema a resolver.

CR4.4 Los modelos diseñados en base a las métricas seleccionadas se evalúan, con el fin de decidir, bien la creación de nuevos modelos desde cero, bien el rediseño de modelos anteriores, en función de que los resultados obtenidos se ajusten a los esperados, siguiendo indicaciones de la persona responsable.

CR4.5 Los comentarios en el código escrito se incluyen, detallando el papel que juega una variable, describiendo las funciones y algoritmos con el fin de ser reutilizado en el desarrollo de soluciones a otros problemas similares y siguiendo las normas establecidas por la organización.

CR4.6 La documentación se genera, detallando los modelos diseñados con todas sus variantes, con el fin de que sirva como punto de partida para el informe que incluirá los resultados de evaluar el rendimiento de cada uno de los modelos.

RP5: Evaluar los modelos diseñados, definiendo un subconjunto de test, cuando el conjunto de datos no lo tuviera previamente definido, y creando nuevas particiones de validación y entrenamiento una vez separado el subconjunto de test.

CR5.1 El conjunto de datos se divide en dos subconjuntos, entrenamiento y test, si no estaban previamente definidos, usando las muestras del subconjunto de test solamente para evaluar el modelo y respetando que el subconjunto de test represente un porcentaje del conjunto de datos completo entre el 10% y el 30%.

CR5.2 El subconjunto de entrenamiento se vuelve a dividir en dos nuevos subconjuntos, entrenamiento propiamente dicho y validación, escogiendo las muestras de manera aleatoria, pero conservando la misma distribución de clases.

CR5.3 La validación cruzada de los modelos se lleva a cabo, generando distintas particiones de entrenamiento y validación, donde el número de distintas particiones lo indicará la persona responsable, repitiendo el proceso completo de entrenamiento y evaluación del modelo por cada una de las particiones, decidiendo en qué iteración del entrenamiento se guarda la versión del modelo para ser evaluado con el subconjunto de test.

CR5.4 Cada modelo entrenado y validado con cada partición se evalúa con el subconjunto de test, mostrando la media aritmética, la varianza u otra medida de las métricas elegidas para evaluar los modelos a partir de las particiones creadas para la validación cruzada.

CR5.5 El informe de la evaluación se crea, tomando como punto de partida el informe con todos los detalles de los modelos diseñados e incluyendo gráficas y tablas que muestren las métricas elegidas, para evaluar los modelos y su evolución durante el entrenamiento con respecto a los subconjuntos de validación y que muestren los resultados de los distintos modelos diseñados y sus variantes, siempre con respecto al mismo subconjunto de test con el fin de poder comparar rápidamente el rendimiento y la robustez de cada modelo y sus variantes.

Contexto profesional:

Medios de producción:

Lenguajes de programación, herramientas software y plataformas de desarrollo de Inteligencia Artificial para el tratamiento, análisis, visualización y transformación de los datos; Implementaciones de técnicas de aprendizaje automático.

Productos y resultados:

Datos analizados. Dimensión de muestras de conjuntos de datos reducidas. Datos visualizados y representados. Subconjuntos de test definidos. Particiones de validación y entrenamiento definidas. Modelos diseñados, entrenados y listos para ser desplegados. Informe de evaluación realizado. Modelos evaluados. Informe de comparación con modelos basados en otras técnicas de aprendizaje automático distintas a la técnica en la que se basa el modelo seleccionado realizado.

Información utilizada o generada:

Normas externas de trabajo (normativa aplicable de protección de datos, propiedad intelectual e industrial). Normas internas de trabajo (planificación del trabajo en base al proyecto, plan de seguridad) Documentación técnica (Guía de cómo se ha utilizado el sistema de Inteligencia Artificial elegido para realizar los experimentos, referencias a artículos de investigación y libros relacionados con el área del aprendizaje automático, manuales de las herramientas software utilizadas para entrenar los modelos, documentación de requisitos hardware tanto de la plataforma como de las herramientas software o ‘toolkits’.

MÓDULO FORMATIVO 1: CONSULTA Y MANIPULACIÓN DE INFORMACIÓN CONTENIDA EN GESTORES DE DATOS

Nivel: 3

Código: MF0966_3

Asociado a la UC: Consultar y extraer información de distintas plataformas de almacenamiento de datos

Duración: 210 horas

Capacidades y criterios de evaluación:

C1: Identificar las tipologías de gestores de datos y sus correspondientes modelos de datos según unas especificaciones de diseño dadas.

CE1.1 Describir los atributos y propiedades de los elementos que componen los modelos de datos utilizados por los gestores de datos, para identificar su función dentro del sistema según las tecnologías utilizadas.

CE1.2 Identificar los posibles cambios que se pueden producir en el modelo de datos como consecuencia de la evolución tecnológica y funcional del sistema gestor de base de datos asociado.

CE1.3 Identificar las características generales y específicas de los sistemas gestores de datos operacionales, para optimizar la consulta y extracción de información según especificaciones técnicas y estándares de mercado.

CE1.4 Distinguir las características de los sistemas gestores de datos orientados a datos específicos (imágenes, sonidos, documentos, planos geográficos y videos, entre otros), para mejorar los procedimientos de consulta utilizados según especificaciones técnicas y estándares de mercado.

CE1.5 Formular, reconocer y especificar técnicas de recuperación de la información, para ser utilizadas en el sistema de información según el modelo de datos y tipología del gestor de datos implementado en el sistema de información.

C2: Distinguir las características y funciones de los lenguajes y herramientas de consulta y extracción de información de los sistemas gestores de datos, teniendo en cuenta sus especificaciones técnicas y funcionales.

CE2.1 Determinar las funcionalidades y características de los lenguajes de consulta utilizados en los gestores de datos, para su utilización en los procedimientos de extracción y consulta de información según las especificaciones técnicas propias del lenguaje.

CE2.2 Determinar las funcionalidades y características de las herramientas utilizadas en los gestores de datos, para su utilización en los procedimientos de extracción y consulta de información según especificaciones técnicas de las herramientas.

C3: Aplicar procedimientos de extracción y consulta de información en el sistema gestor de datos, utilizando lenguajes de consulta específicos según necesidades dadas.

CE3.1 Utilizar la gramática, sintaxis y semántica del lenguaje de consulta utilizado, para la creación de procedimientos de extracción de la información según las normas de codificación y desarrollo dadas.

CE3.2 En un supuesto práctico, de extracción y consulta de la información utilizando lenguajes de consulta específicos del sistema gestor de datos, según un diseño especificado:

- Identificar las fuentes de información para la creación de los procedimientos de consulta y extracción.

- Crear procedimientos que permitan formular consultas para la recuperación de la información.

- Recuperar y archivar procedimientos de consultas y extracción previamente establecidos para explotar la información del sistema.

- Depurar y verificar los procedimientos creados utilizando las especificaciones implementadas en el lenguaje para asegurar la calidad de los resultados.

- Establecer formatos de presentación y publicación de la información extraída del sistema gestor de datos utilizado para la posterior distribución de la misma.

- Documentar los procedimientos creados.

C4: Aplicar procedimientos de extracción y consulta de información en el sistema gestor de datos, utilizando herramientas específicas.

CE4.1 Clasificar las diferentes formas de trabajo ofrecidas por la herramienta de aplicación, para su selección en la creación de procedimientos de extracción y consulta de información, según necesidades funcionales y especificaciones técnicas.

CE4.2 En un supuesto práctico, de extracción y consulta de la información utilizando herramientas específicas en el sistema gestor de datos y según unas necesidades dadas:

- Identificar las fuentes de información para la creación de los procedimientos de consulta y extracción.

- Formular consultas que permitan la recuperación de la información según un diseño dado.

- Recuperar y archivar consultas previamente establecidas para optimizar los procesos de explotación de la información.

- Establecer formatos de presentación y publicación de la información extraída del sistema gestor de datos utilizado para realizar la distribución de la misma según un diseño dado.

C5: Aplicar los procedimientos de configuración de pasarelas y medios de conexión para extraer y consultar información de sistemas gestores de datos, según necesidades funcionales.

CE5.1 Enunciar características generales de pasarelas y medios de conexión para permitir su selección y utilización en los procedimientos de extracción y consulta de información, según las especificaciones técnicas de los sistemas gestores de datos.

CE5.2 Identificar los parámetros a configurar en una pasarela o medio de conexión para poder extraer y consultar información de sistemas gestores de datos, según especificaciones técnicas de la infraestructura de comunicaciones y del sistema gestor de datos.

CE5.3 Usar medios de conexión y pasarelas para extraer y consultar información del sistema gestor de datos implementado, según especificaciones funcionales.

Capacidades cuya adquisición debe ser completada en un entorno real de trabajo:

C3 respecto a CE3.2; C4 respecto a CE4.2.

Otras capacidades:

Adaptarse a la organización, a sus cambios organizativos y tecnológicos, así como a situaciones o contextos nuevos.

Responsabilizarse del trabajo que desarrolla y del cumplimiento de objetivos.

Transmitir información con claridad, de manera ordenada, estructurada, clara y precisa respetando los canales establecidos en la organización.

Mantener una actitud asertiva, empática y conciliadora con las personas demostrando cordialidad y amabilidad en el trato.

Mostrar iniciativa en la búsqueda de soluciones y en la resolución de problemas.

Adoptar actitudes posturales saludables en el entorno de trabajo.

Contenidos:

1. Modelos de datos

Descripción. Características generales. Tipos de modelos de datos. Compatibilidades entre modelo de datos.

2. Sistemas gestores de datos

Características. Componentes de un sistema gestor de datos. Funcionamiento de un sistema gestor de datos. Relación entre los sistemas gestores de datos y los modelos de datos. Características de los sistemas gestores de datos operacionales (OLAT). Características de los sistemas gestores de datos orientados a las tomas de decisiones o análisis de datos (OLAP). Sistemas gestores de datos avanzados.

3. Procedimientos de extracción y consulta de información en los sistemas gestores de datos

Búsquedas en sistemas gestores. Optimización de la recuperación. Utilización de lenguajes de consultas. Ventajas e inconvenientes. Entornos de trabajo. Utilización de herramientas. Ventajas e inconvenientes. Funcionalidades. Presentación de la información. Normativa aplicable en materia de protección de datos.

4. Lenguajes de consulta y extracción de datos

Características. Funcionalidades. Lenguajes utilizados en sistemas gestores de datos relacionales (SQL). Lenguajes utilizados en sistemas gestores orientados a objetos (OQL). Lenguajes de consulta utilizados en sistemas gestores de datos relacionales orientados a objetos. Lenguajes de consulta utilizados en sistemas gestores de datos relacionales con extensiones de formatos de documento de marcas extendidas (XML-QL). Otros lenguajes de consulta y extracción de datos. Procedimientos de pruebas.

5. Herramientas de consulta y extracción de información de los sistemas gestores de datos

Características. Funcionalidades de las herramientas. Herramientas utilizadas en los sistemas gestores de datos operacionales. Herramientas utilizadas en los sistemas gestores de datos orientados a los análisis de datos. Otras herramientas utilizadas en los sistemas gestores de datos.

6. Pasarelas y medios de conexión

Características. Parámetros de configuración. Procedimientos de verificación. Guía de uso y utilización de pasarelas y medios de conexión.

Parámetros de contexto de la formación:

Espacios e instalaciones:

Los espacios e instalaciones darán respuesta, en forma de aula, aula-taller, taller de prácticas, laboratorio o espacio singular, a las necesidades formativas, de acuerdo con el Contexto Profesional establecido en la Unidad de Competencia asociada, teniendo en cuenta la normativa aplicable del sector productivo, prevención de riesgos laborales, salud laboral, accesibilidad universal, diseño universal o diseño para todas las personas y protección medioambiental.

Perfil profesional del formador o formadora:

1. Dominio de los conocimientos y las técnicas relacionados con la consulta y extracción de información de distintas plataformas de almacenamiento de datos, que se acreditará mediante una de las dos formas siguientes:

Formación académica de nivel 2 (Marco Español de Cualificaciones para la Educación Superior) o de otras de superior nivel relacionadas con el campo profesional.

Experiencia profesional de un mínimo de 2 años en el campo de las competencias relacionadas con este módulo formativo.

2. Competencia pedagógica acreditada de acuerdo con lo que establezcan las Administraciones competentes.

MÓDULO FORMATIVO 2: PROCESAMIENTO DE DATOS PARA SU USO EN SISTEMAS DE INTELIGENCIA ARTIFICIAL BASADOS EN APRENDIZAJE AUTOMÁTICO

Nivel: 3

Código: MF2492_3

Asociado a la UC: Procesar los datos para su uso en sistemas de Inteligencia Artificial basados en aprendizaje automático

Duración: 150 horas

Capacidades y criterios de evaluación:

C1: Aplicar técnicas de extracción de datos de las fuentes, previa identificación y clasificación de las mismas, estableciendo el filtrado inicial y configurando pasarelas que permitan su acceso para su posterior carga y análisis.

CE1.1 Identificar las fuentes de datos y conocimiento, clasificándolas:

- Según su origen: sistemas gestores de datos, sistemas IoT, plataformas de datos en ‘streaming’, integración con APIs u otro,

- Según su naturaleza: estructuradas o no estructuradas,

- Según sean formales, tales como las provenientes de fuentes jurídicas o bien no formales, como audios, imágenes o textos provenientes de redes sociales.

CE1.2 Describir tipos de filtros y consultas para la extracción de datos, explicando su funcionalidad.

CE1.3 Describir procedimientos de manejo de datos masivos y de mejora de tiempos de proceso de los mismos, tales como el proceso cercano a las fuentes en el caso de fuentes de datos distribuidas, explicando sus mecanismos de funcionamiento.

CE1.4 Describir tipos de pasarelas de conexión, identificando mecanismos de configuración y conexión.

CE1.5 En un supuesto práctico de extracción de datos de las fuentes:

- Conectar las fuentes de datos, configurando las pasarelas que permiten su acceso y teniendo en cuenta el tipo: estructurados, no estructurados; formales o no formales.

- Establecer los filtros y consultas para la extracción de datos desde las fuentes, previa selección, configurándolos, considerando la posibilidad de distribución de datos y de procesamiento cercano a las fuentes para maximizar tiempos de proceso, conforme a las especificaciones de análisis y según la naturaleza de los datos.

- Extraer los datos desde sus orígenes, conforme a las especificaciones de análisis y según la naturaleza de los datos

C2: Aplicar técnicas exploratorias para identificar y describir la estructura y variables en los datos en el dominio de aplicación.

CE2.1 Describir técnicas y posibilidades de almacenaje de los datos para componer conjuntos, identificando su naturaleza.

CE2.2 Identificar la estructura, variables y relaciones de los conjuntos de datos aplicando técnicas exploratorias.

CE2.3 Identificar entidades, volumetrías, relaciones y atributos, para documentar cada conjunto de datos, describiendo sus características.

CE2.4 En un supuesto práctico de aplicación de técnicas exploratorias para identificar y describir la estructura y variables en los datos en el dominio de aplicación:

- Almacenar los datos recogidos de fuentes diversas para componer conjuntos de datos, identificando su naturaleza.

- Explorar los conjuntos de datos recogidos por separado, identificando su estructura y relaciones para el análisis de variables.

- Documentar cada conjunto de datos, identificando entidades, volumetrías, relaciones y descripción de atributos, entre otros, para trabajar en las especificaciones de análisis de los datos, según los objetivos de negocio.

C3: Aplicar técnicas de verificación de datos mediante cálculos estadísticos, escribiendo código para explorar atributos de los datos con el fin de evaluar la cobertura y calidad del conjunto, de modo que permita la selección de los atributos clave para el entrenamiento de modelos, siguiendo unas especificaciones de análisis proporcionadas.

CE3.1 Describir las técnicas estadísticas de análisis de la calidad técnica de los datos, que se aplican para su verificación, explicando sus características y objetivos.

CE3.2 Identificar técnicas de evaluación de la calidad de los datos basadas en cálculos estadísticos tales como frecuencia y distribución, para detectar la cobertura y el sesgo, describiendo sus características.

CE3.3 En un supuesto práctico de verificación de datos:

- Aplicar técnicas estadísticas sobre los datos, identificando y describiendo la calidad técnica de los mismos, escribiendo código o usando herramientas software.

- Aplicar técnicas estadísticas sobre los datos, tales como frecuencia y distribución, identificando y describiendo la cobertura y sesgo de los mismos, escribiendo código o usando herramientas software.

- Documentar los resultados de la evaluación, detallando cualitativa y cuantitativamente el sesgo, la frecuencia, la cobertura y la calidad encontrados.

C4: Aplicar técnicas de selección de datos mediante la depuración, limpieza, construcción y posterior clasificación en conjuntos, para su uso posterior en el modelado analítico, según unas especificaciones del diseño.

CE4.1 Identificar los atributos de los datos, explicando sus características, para su selección según especificaciones del diseño y tomando como base los resultados de las verificaciones realizadas.

CE4.2 Identificar técnicas de limpieza y depurado de datos de entrenamiento, tales como la normalización, categorización o imputación de valores ausentes, entre otros, describiendo sus características y operativa.

CE4.3 Identificar técnicas de construcción de un conjunto de datos, describiendo sus características y las posibles variables sintéticas a añadir, atendiendo a las especificaciones de diseño de los modelos a implementar y según las técnicas de Inteligencia Artificial en las que se basen dichos modelos.

CE4.4 En un supuesto práctico de selección de datos:

- Depurar los datos de entrenamiento, siguiendo especificaciones y criterios dados, aplicando normalización y teniendo en cuenta las evaluaciones y verificaciones detectadas previamente.

- Depurar los datos de entrenamiento, siguiendo especificaciones y criterios dados, aplicando categorización y teniendo en cuenta las evaluaciones y verificaciones detectadas previamente.

- Depurar los datos de entrenamiento, siguiendo especificaciones y criterios dados, aplicando imputación de valores ausentes y teniendo en cuenta las evaluaciones y verificaciones detectadas previamente.

- Construir un conjunto de datos, añadiendo variables sintéticas fruto de cálculos agregados tales como normalización, reescalado y media móvil respecto a una ventana deslizante temporal.

Capacidades cuya adquisición debe ser completada en un entorno real de trabajo:

C1 respecto a CE1.5; C2 respecto a CE2.4; C3 respecto a CE3.3; C4 respecto a CE4.4.