MF2496_3: Explotación de servicios de preprocesamiento y analítica de datos en plataformas disponibles en línea

Explotación de servicios de preprocesamiento y analítica de datos en plataformas disponibles en línea

MF2496_3

Módulo formativo MF2496_3: Explotación de servicios de preprocesamiento y analítica de datos en plataformas disponibles en línea

180 horas

C1: Aplicar técnicas de preparación de una plataforma de servicios de Inteligencia Artificial, registrando, autentificando, instalando las herramientas de desarrollo y asignando los recursos establecidos en un plan de trabajo a fin de poder iniciar su explotación.

CE1.1 Enumerar los tipos de plataformas de servicios de Inteligencia Artificial y los servicios y recursos que pueden contener, tales como proyectos, usuarios, espacio de disco y capacidad de computación, clasificándolos y describiendo sus características.

CE1.2 Explicar los distintos enfoques que las plataformas de servicios de Inteligencia Artificial siguen en cuanto a los mecanismos necesarios para desarrollar y explotar soluciones en la plataforma, tales como gestión de proyectos, tarificación, control de consumo, software cliente, mecanismos de autentificación, puertos de conexión, herramientas de desarrollo, clasificándolos y describiendo sus características.

CE1.3 Enumerar los distintos tipos de fuentes y destinos de datos, tales como bases de datos, APIs de streaming, sistemas IoT, websockets, herramientas cloud para despliegue de flujos de datos.

CE1.4 En un supuesto práctico de preparación de una plataforma de servicios de Inteligencia Artificial:
‐ Habilitar los recursos fijados en un plan de trabajo.
‐ Verificar los prerrequisitos técnicos para desarrollar y explotar soluciones en la plataforma, comprobando su funcionamiento mediante un plan de pruebas y aplicando soluciones a las incidencias surgidas.
‐ Documentar los pasos completados y la información asociada, incluyendo elementos tales como inventario de recursos, fecha de aprovisionamiento y límites de consumo, según el procedimiento establecido en un plan de trabajo.

C2: Aplicar técnicas de análisis de un conjunto de datos estructurados, utilizando una herramienta de aplicación de modelos de aprendizaje automático disponible en una plataforma, para obtener conclusiones preliminares sobre su calidad y capacidad predictiva.

CE2.1 Enumerar los diferentes enfoques que se pueden utilizar para plantear una analítica de datos estructurados, como puede ser estimación, clasificación y agrupación (‘clustering’).

CE2.2 Enumerar los tipos de modelos disponibles en una plataforma de analítica de datos estructurados, como puede ser regresión lineal, regresión logística, árboles de decisión, ‘random forests’, redes neuronales, ‘K‐means’ y los enfoques a los que aplica cada uno.

CE2.3 En un supuesto práctico de análisis de un conjunto de datos estructurado utilizando una herramienta de aplicación de modelos de aprendizaje automático disponible en una plataforma:
‐ Preprocesar los datos, extrayendo, alimentando y etiquetando tanto las variables especiales tales como el objetivo del análisis u otras, como los subconjuntos de datos ‐entrenamiento, validación y prueba‐, siguiendo los pasos y criterios que establezca un plan de trabajo.
‐ Ejecutar los experimentos detallados en un plan de trabajo, configurando los distintos hiperparámetros, tales como modelo a aplicar, variables a descartar, tamaño de lote, número de pasadas, entre otros y activando los procesos de análisis según se detalle en el manual de la herramienta.
‐ Integrar el modelo seleccionado en una herramienta en la nube pare el despliegue de flujos de datos (‘pipeline’), configurando el flujo completo de preprocesamiento, aplicación y postprocesamiento siguiendo un plan de integración.
‐ Documentar los resultados obtenidos de la herramienta tras cada experimento, incluyendo elementos tales como conclusiones, predicciones, fiabilidad, asociándolos a subconjuntos de entrada, avisos técnicos de la plataforma y tiempo de computación empleado, entre otros.

C3: Aplicar técnicas de análisis de un conjunto de datos en serie temporal mediante una herramienta de pronóstico disponible en una plataforma, para elaborar un modelo predictivo.

CE3.1 Identificar mecanismos de flujo (‘streaming’) de extracción de información tales como API o interfaz IoT, ‘websockets’ u otros, describiendo sus características.

CE3.2 Enumerar las familias de modelos que se pueden aplicar a una serie temporal y el tipo de resultados que se obtendría, como autoregresión, red neuronal recurrente, así como los tipos de filtros e hiperparámetros asociados, tales como modelo a aplicar, periodos y horizontes temporales, describiendo sus características.

CE3.3 En un supuesto práctico de análisis de un conjunto de datos en serie temporal mediante una herramienta de pronóstico disponible en una plataforma:
‐ Preprocesar las series temporales extrayéndolas vía mecanismos tales como API, interfaz IoT, según los criterios que establezca un plan de trabajo.
‐ Cargar las series preprocesadas en la herramienta, segmentando los conjuntos de entrenamiento, validación y prueba, según los pasos y criterios que establezca un plan de trabajo.
‐ Ejecutar los experimentos detallados en el plan de trabajo, configurando los distintos filtros e hiperparámetros.
‐ Documentar los resultados obtenidos de la herramienta tras cada experimento, incluyendo elementos tales como predicciones, fiabilidad y varianza, asociándolos a subconjuntos de entrada, avisos técnicos de la herramienta y tiempo de computación empleado, entre otros.
‐ Desplegar el modelo seleccionado en producción, integrando sus entradas y salidas, según los mecanismos establecidos en un plan de trabajo y en el manual de la herramienta, ya sean APIs, ‘websockets’, Bases de Datos, ficheros planos, interfaces con dispositivos dedicados u otros.

C4: Aplicar técnicas de procesamiento de un conjunto o secuencia de imágenes o vídeos, usando las herramientas de visión artificial de una plataforma, para obtener información sobre su contenido.

CE4.1 Explicar los mecanismos, formatos de importación y parámetros vinculados al preprocesamiento de un conjunto de imágenes, describiéndolos.

CE4.2 Enumerar los posibles modelos y aplicaciones a los que se pueden someter el conjunto de imágenes o videos y los resultados que se podrían obtener en cada caso, explicándolos.

CE4.3 En un supuesto practico de aplicación de técnicas de procesamiento de un conjunto o secuencia de imágenes o vídeos, usando los servicios de una plataforma, para obtener información sobre su contenido:
‐ Preprocesar las imágenes, extrayendo, decodificando, homogeneizando, alimentando, segmentando y anotando los conjuntos de entrenamiento, validación y prueba, según los pasos y criterios que establezca el plan de trabajo.
‐ Ejecutar los experimentos detallados en el plan de trabajo, configurando los filtros e hiperparámetros, tales como modelo a aplicar, tamaño de núcleo (‘kernel’), tamaño de lotes y número de pasadas, entre otros.
‐ Documentar los resultados obtenidos de la herramienta tras cada experimento, incluyendo elementos tales como conclusiones, fiabilidad y varianza, asociándolos a subconjuntos de entrada, avisos técnicos de la plataforma y tiempo de computación empleado, entre otros.
‐ Desplegar el modelo seleccionado en producción, integrando entradas y salidas según los mecanismos establecidos en el plan de trabajo y el manual de la heramienta, ya sean APIs, interfaces con cámaras u otros dispositivos dedicados.

C5: Aplicar técnicas de procesamiento de un documento de lenguaje natural, ya sea en formato sonoro o escrito, usando una herramienta de transcripción y procesamiento de lenguaje natural disponible en una plataforma para extraer el conocimiento detallado en el plan de trabajo.

CE5.1 Identificar herramientas de preproceso, extracción y segmentación de grabaciones, describiendo sus características.

CE5.2 Identificar servicios de transcripción automática, describiendo sus características, parámetros, funcionamiento y opciones disponibles para mejorar su precisión.

CE5.3 Explicar los procedimientos a los que se somete un conjunto de textos, y las diferencias metodológicas asociadas en cuanto a proceso, métricas y resultados.

CE5.4 En un supuesto práctico de aplicación de técnicas de procesamiento de un documento de lenguaje natural usando herramientas disponibles en plataformas:
‐ Preprocesar las grabaciones, extrayendo, segmentando y alimentando la herramienta, según detalle el manual de la herramienta.
‐ Explotar el servicio de transcripción automática, configurando los parámetros necesarios, alimentándolo y recogiendo los resultados, teniendo en cuenta los límites de capacidad e interfaces establecidos en la documentación de la plataforma.
‐ Aplicar a los textos obtenidos de la transcripción los modelos de entendimiento de lenguaje natural disponibles en la plataforma y especificados en el plan de trabajo, ejecutando las funcionalidades tales como asuntos (‘topics’), agrupación (‘clustering’), sentimiento o resumen, entre otros.
‐ Almacenar los resultados de los procesos para su explotación, documentando los detalles de los pasos aplicados, según establezca el plan de trabajo.

C6: Aplicar técnicas para desarrollo de un asistente virtual en una herramienta conversacional basada en reglas disponible en una plataforma, según las especificaciones y dependencias detalladas en el plan de trabajo.

CE6.1 Explicar la arquitectura de un asistente virtual conversacional y sus componentes, tales como Canal de Comunicación, Motor de Intenciones, Interfaz con el Back‐End, Generador de Respuestas, Monitor, Interfaz de Agentes Humanos.

CE6.2 Enumerar los pasos necesarios para desarrollar conversaciones y motores de intenciones, describiendo reglas y parámetros tales como número de variantes por intención y respuestas por defecto (‘fallback responses’) en herramientas de desarrollo de asistentes virtuales disponibles en una plataforma, describiendo su utilidad y características.

CE6.3 Enumerar los pasos necesarios para configurar generadores de respuestas, describiendo su funcionamiento, parámetros de configuración, integración con los sistemas operacionales (‘back‐end’) y características.

CE6.4 En un supuesto práctico de desarrollo de un asistente virtual en una herramienta conversacional disponible en una plataforma:
‐ Enumerar las reglas a configurar, a partir del flujo de conversación y los parámetros establecidos en el plan de trabajo, tales como número de variantes por intención y respuestas por defecto (‘fallback responses’).
‐ Configurar el motor de intenciones, alimentando las reglas enumeradas y configurando las variables especificadas en el plan de trabajo.
‐ Configurar el generador de respuestas, integrando con los sistemas operacionales (‘back‐end’) según los interfaces especificados en el plan de trabajo.
‐ Desplegar el sistema, integrando con el canal de comunicación establecido en el plan de trabajo y el manual de la herramienta, ya sea página web, red social u otros, e incluyendo los mecanismos de prueba, cambio de entorno (preproducción), identificación de usuario, monitorización y derivación a un agente humano.
‐ Documentar el trabajo, detallando los pasos seguidos y resultados de las pruebas por el medio determinado en el plan de trabajo.

Capacidades cuya adquisición debe ser completada en un entorno real de trabajo.
C1 respecto a CE1.4; C2 respecto a CE2.3; C3 respecto a CE3.3; C4 respecto a CE4.3; C5 respecto a CE5.4; C6 respecto a CE6.4.

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.

1 Plataformas de Inteligencia Artificial

Tipos de Plataformas.
Configuración de Proyectos.
Tipos de Servicios, Recursos y Proceso de Aprovisionamiento.
Mecanismos de Autentificación.
Mecanismos de Tarificación y Control de Consumo.
Herramientas de Cliente, Interfaz y Desarrollo.
Mecanismos de Extracción de Datos.

2 Analítica de datos estructurados para uso en plataformas de Inteligencia Artificial

Planteamiento de Problemas con Datos Estructurados. Enfoques Posibles.
Preprocesamiento de ‘Sets’ de Datos.
Tipos de Modelos de Datos Estructurados. Hiperparámetros.
Plataformas de Análisis de Datos Estructurados.
Técnicas de Documentación de resultados.
Herramientas en la nube (‘cloud’) para despliegue de flujos de datos.

3 Series temporales para uso en plataformas de Inteligencia Artificial

Extracción e Imputación de Series Temporales.
Preprocesamiento y Formatos de Series Temporales.
Tipos de Modelos de Series Temporales.
Utilización de las Plataformas de Análisis de Series Temporales.
Técnicas de Documentación de resultados.
Despliegue e Integración de Modelos de Series Temporales.

4 Visión Artificial en plataformas de Inteligencia Artificial

Imputación, Formatos y Preprocesamiento de Imágenes y Videos.
Modelos y Aplicaciones de Visión Artificial.
Utilización de las Plataformas de Visión Artificial.
Técnicas de Documentación de resultados.
Despliegue e Integración de Aplicaciones de Visión Artificial.

5 Procesamiento del Lenguaje Natural en plataformas de Inteligencia Artificial

Imputación, Formatos y Preprocesamiento de Audio.
Utilización de las Plataformas de Transcripción Automática.
Modelos y Aplicaciones de Procesamiento de Lenguaje Natural.
Utilización de las Plataformas de Procesamiento de Lenguaje Natural.
Despliegue e Integración de Aplicaciones de Lenguaje Natural.

6 Asistentes Virtuales Conversacionales en plataformas de Inteligencia Artificial

Arquitectura de un Asistente Virtual Conversacional.
Diseño de Conversaciones.
Configuración de un Motor de Intenciones usando Plataformas de Asistentes Virtuales.
Configuración e Integración con el ‘Back‐End’ de un Generador de Respuestas usando Plataformas de Asistentes Virtuales.
Monitorización y Derivación a Agentes Humanos.
Despliegue de un Asistente Virtual Conversacional en diversos Canales.

TE LLAMAMOS Y TE LO EXPLICAMOS TODO