Real Decreto 183/2026, de 11 de marzo, por el que se establece el Curso de especialización de Formación Profesional de Grado Superior en Aprendizaje automático: gestión de datos y entrenamiento y se fijan los aspectos básicos del currículo

Se han paralelizado las operaciones de extracción y transformación de datos, en función de los sistemas y utilidades disponibles, sistemas distribuidos, MPP o SMP para el manejo de grandes cantidades de datos (big data).

Se han descrito técnicas y posibilidades de almacenaje de los datos para componer conjuntos, identificando su naturaleza.

Se han detectado datos incorrectamente introducidos, ausencia de valores, una mala codificación de las variables o valores atípicos.

Se han identificado la estructura, variables y relaciones de los conjuntos de datos aplicando técnicas exploratorias.

Se han identificado entidades, volumetrías, relaciones y atributos, para documentar cada conjunto de datos, describiendo sus características.

Se han descrito las técnicas estadísticas de análisis de la calidad técnica de los datos, que se aplican para su verificación, explicando sus características y objetivos.

Se han aplicado 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.

Se ha documentado la descripción del resultado de las verificaciones sobre el conjunto de datos, para que se tomen decisiones de diseño sobre la selección y uso del mismo en el modelado.

Se han identificado 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.

Se han aplicado 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.

Se ha construido un conjunto de datos depurado, añadiendo posibles variables sintéticas según especificaciones de diseño de los modelos a implementar y según las técnicas de Inteligencia Artificial en las que se basen dichos modelos.

Se han descrito las variables sintéticas, tales como normalización de atributos a media cero, desviación típica uno, reescalado de atributos dentro de un rango predefinido y media móvil calculado con respecto a una ventana deslizante temporal.

Se ha dividido en particiones de entrenamiento, validación y test el conjunto de datos depurado.

Se han buscado correlaciones entre variables, tanto lineales como no lineales, aplicando técnicas de la estadística y del aprendizaje automático (Machine Learning, –ML–).

Se han aplicado procedimientos de categorización y codificación de las variables tales como mapas de bits (one-hot vectors) u otros, mediante software o herramientas.

Se han aplicado las transformaciones matemáticas necesarias para cada caso, teniendo en cuenta la distribución de sus valores dentro del conjunto de datos.

Se han seleccionado las variables de entrada más explicativas considerando aquellas que tienen mayor correlación con las variables de salida o variables objetivo.

Se ha redactado un documento, describiendo las variables tanto de entrada como de salida y las correlaciones encontradas, para tomar decisiones durante el diseño de los modelos.

Se han utilizado técnicas de reducción de la dimensión, tales como análisis de componentes principales –PCA–, t-SNE, autocodificadores (autoencoders) basados en redes neuronales y otras.

Se han programado métodos y procedimientos, que realizan la reducción de la dimensión de las muestras, creando una copia del conjunto de datos con las transformaciones ya aplicadas.

Se han aplicado transformaciones durante el entrenamiento, antes de que las muestras se utilicen como entrada a los modelos para su entrenamiento y evaluación.

Se ha documentado el trabajo realizado, indicando: técnicas de reducción aplicadas, valores concretos de los parámetros de configuración de cada técnica y resultados obtenidos.

Se han generado las gráficas, escribiendo programas al efecto, utilizando varias representaciones, verificando tanto las correlaciones encontradas como las transformaciones aplicadas.

Se ha elaborado la información recogida mediante gráficas, usando medios didácticos tales como diapositivas o infografías, organizándola para presentarla al equipo de trabajo, para sacar conclusiones de manera colectiva.

Se han recogido las gráficas en un informe, presentándolas en formatos tales como histogramas, mapas de dispersión y otras técnicas de representación.

Se ha explicado la obtención de las gráficas, aportando una valoración de cada una, y los aspectos cualitativos tales como la correlación entre las variables latentes fruto de las transformaciones y/o reducciones y las variables salida.

Se han elegido las técnicas de aprendizaje automático, tales como redes neuronales, máquinas de soporte vectorial, modelos de mixturas de gaussianas, árboles de decisión u otras en base al análisis exploratorio y visual previo de los datos.

Se han ensayado los modelos diseñados, programando código para entrenarlos, realizando experimentos que permitan ver qué combinaciones de parámetros de configuración conducen a mejores resultados.

Se han identificado combinaciones de parámetros, tales como coeficiente de aprendizaje para las redes neuronales (learning rate), número de capas, número de neuronas en cada capa, tipos de activación que hay que utilizar en las capas ocultas, número de grupos (clusters) para el algoritmo k means y número de árboles que hay que generar en el caso de random forests.

Se han seleccionado las métricas que hay que utilizar para evaluar modelos, teniendo en cuenta las técnicas que se van a aplicar y el problema que hay que resolver.

Se han identificado las métricas, tales como:

Se han evaluado los modelos diseñados en base a las métricas seleccionadas, decidiendo, bien la creación de nuevos modelos desde cero, bien el rediseño de modelos anteriores.

Se han incluido comentarios en el código escrito, detallando el papel que juega una variable, describiendo las funciones y algoritmos para ser reutilizado en otros problemas similares.

Se ha generado la documentación, detallando los modelos diseñados con todas sus variantes.

Se ha dividido el conjunto de datos en dos subconjuntos, entrenamiento y test, 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 por ciento y el 30 por ciento.

Se ha vuelto a dividir en dos nuevos subconjuntos: de entrenamiento propiamente dicho y de validación, escogiendo las muestras de manera aleatoria, pero conservando la misma distribución de clases.

Se ha llevado a cabo la validación cruzada de los modelos, generando distintas particiones de entrenamiento y validación, repitiendo el proceso completo de entrenamiento y evaluación del modelo por cada una de las particiones.

Se ha decidido en qué iteración del entrenamiento se guarda la versión del modelo para ser evaluado con el subconjunto de test.

Se ha evaluado con el subconjunto de test cada modelo entrenado y validado con cada partición, mostrando la media aritmética, la varianza u otra medida de las métricas elegidas para evaluar los modelos a partir de las particiones creadas.

Se ha creado un informe de la evaluación, basándose en la documentación previa de los modelos diseñados, gráficas y tablas que muestran las métricas elegidas, para comparar el rendimiento y la robustez de cada modelo y sus variantes.

Se han interpretado los problemas que hay que resolver, abstrayendo con pautas lógicas las guías y bases para elaborar los algoritmos que los solucionan, a partir de la documentación y gráficos de análisis y diseño del problema.

Se han descompuesto los problemas que se van a resolver, modularizándolos usando estrategias top-down o bottom-up.

Se han modelizado los problemas que hay que resolver usando la herramienta de la abstracción lógica y siguiendo algoritmos y técnicas para abordar su resolución de forma simplificada.

Se han representado los algoritmos, usando herramientas al efecto de modularización y prototipado tales como pseudocódigo y diagramas de flujo.

Se han codificado unas clases definidas, sus atributos, métodos e interfaces utilizando el lenguaje de programación elegido, interpretando los modelos desarrollados en el análisis.

Se han gestionado los tipos y estructuras de datos básicos y los tipos complejos, aplicándolos a los atributos, parámetros de métodos y/o clases.

Se han aplicado herramientas estructuradas de programación tales como asignaciones, condiciones, bucles e iteraciones, entre otras, siguiendo los algoritmos elaborados para resolver los problemas planteados.

Se han codificado las relaciones entre clases, derivando o extendiendo clases hija de las clases base o padre asociadas, manteniendo las restricciones, visibilidad, multiplicidades, herencia y otras características especificadas, tales como gestión del envío de mensajes.

Se han determinado los objetos, interpretando las especificaciones establecidas en el análisis y diseño y los algoritmos, programando los constructores e instanciando las clases definidas.

Se ha implementado un control de errores se implementa en el código, usando las sentencias y mecanismo propios del lenguaje tales como Try-Catch u otros.

Se han empleado herramientas de desarrollo y depuración para facilitar el proceso de generación del código, detectando y corrigiendo errores en el código.

Se han utilizado componentes y librerías de terceros, seleccionándolos según las necesidades, interpretando su documentación e implementando su uso.

Se ha programado el acceso y manipulación de datos estructurados y no estructurados externos, utilizando librerías disponibles e integrándolas en la aplicación, codificando programas a partir de ellas.

Se ha ejecutado un plan de pruebas, siguiendo criterios de calidad, discriminando los tipos de prueba, diagnosticando y resolviendo los problemas detectados.

Se han integrado en paquetes y librerías para su uso posterior en futuras aplicaciones los elementos elaborados susceptibles de ser compartidos, usando herramientas de gestión de versiones y publicación.

Se han programado algoritmos de aprendizaje automático supervisados (predictivos), usando redes neuronales con el objeto de predecir un dato (variable objetivo) desconocido a priori, a partir de otros datos conocidos.

Se han programado los algoritmos de aprendizaje automático no supervisados, usando redes neuronales, buscando descubrir patrones (estructuras) y tendencias en los datos, con el objetivo de organizar los datos de la manera especificada para el proyecto o describir su estructura.

Se ha programado código siguiendo métodos de cuantización (clustering) de vectores tales como K-mean, con el enfoque de examinar y presentar, datos complejos de manera más simple, para su análisis.

Se ha representado el espacio de entrada de las muestras de entrenamiento, programando código que use técnicas tales como «mapas auto organizativos de Kohonen», SOM-Self-Organizing Maps (SOM).

Se han simulado redes asociativas, programando código en base a técnicas tales como «Programación de Redes de Hopfield» o redes recursivas recurrentes para garantizar la convergencia a un mínimo local.

Se ha explorado la resolución de problemas que no son linealmente separables programando técnicas tales como Redes Neuronales con Perceptrones Multicapa u otras.

Se ha codificado un software de análisis de datos, a partir de librerías tales como Numpy en Jupyter, usando array multidimensional homogéneo.

Se han manipulado los datos, previo análisis, usando librerías tales como Pandas que proporciona estructuras de datos y funcionalidades al efecto tales como series y DataFrames.

Se han representado los datos, usando librerías tipo Plotter tales como Matplotlib y Seaborn y programación de rectas y curvas de regresión de los datos de ajuste.

Se han integrado los datos, unificando y uniformando instancias provenientes de distintas fuentes, eliminando atributos redundantes y limpiando los datos, tratando los valores faltantes y el ruido de datos.

Se han filtrado los repositorios de información, descubriendo y extrayendo información siguiendo un proceso tal como Knowledge Discovery in Data bases (KDD).

Se han aplicado los algoritmos tales como clasificación, regresión lineal, regresión logística, uso de árboles de decisión, uso de polinomios y variabilidad al análisis del lenguaje natural (NLP) y redes sociales, escribiendo el código para extraer y clasificar información.

Se ha redactado la documentación, tal como manuales, guías para las personas desarrolladoras, administradoras o usuarias, entre otras, recogiendo información de utilidad según las personas destinatarias.

Se ha redactado la documentación correspondiente a cada componente, de acuerdo con las normas y modelos incluidos en el diseño de la aplicación.

Se han añadido al código los comentarios, identificadores con nombres autoexplicativos (mnemotécnicos), tabulaciones u otros, documentándolo para la mejor comprensión del programa.

Se ha generado la documentación de un componente desarrollado mediante las herramientas de producción automática de documentación a partir del texto incluido en dicho componente software.

Se han documentado los procedimientos de ejecución de las pruebas unitarias y de regresión, así como los resultados de las mismas.