• Diseñar e implementar soluciones de integración y procesamiento de datos mediante pipelines automatizados y arquitecturas escalables para entornos analíticos y de Big Data.
• Gestionar la calidad de los datos aplicando técnicas de validación, limpieza y normalización que garanticen información confiable para la analítica y la Ciencia de Datos.
• Implementar estrategias de gobernanza de datos mediante políticas, estándares y tecnologías emergentes que aseguren la seguridad, transparencia y uso responsable de la información.

Tema 1:
Introducción a la adquisición de los datos
• Data sourcing, collection e integration
• Tipos de fuentes de datos internas, externas (redes sociales, IoT)
• Adquisición de los datos: Data profiling y data cleansing.
Tema 2:
Gestión de datos.
• Data Storage, data retrieval y data processing
• Opciones de almacenamiento de datos (DBRM, NoSQL, Cloud)
• Retrieval Methods: Querying, data mining, ML
Tema 3:
Gobernanza de datos
• Propiedades, responsabilidad y transparencia de los datos
• Frameworks para la calidad, gestión y seguridad de datos. – Estándares, políticas y procedimiento de datos.
Tema 4:
Calidad e integridad de los datos
• Dimensiones de la calidad: Accuracy, completeness, and consistency
• Técnicas de validación de los datos, normalización y estandarización en Ciencia de Datos
Tema 5:
Integración y federación de los datos
• Data Warehousing, Procesos ETL y virtualización de datos
• Data Merging, Aggregation, Transformation
• Data sharing, Exchange, and Synchronization
Tema 6:
•Aplicación de gobernanza de datos
• Web Scrapping, Integraciones API y Data Streaming
• Procesamiento en Big Data, Cloud Computing, Data Lakes
• Gobernanza de datos con IA y Blockchain.