e d i c i ó n 2 1
Learning
ÍNDICE
¿Qué es Zophia?
Nuestro modelo Nuestro método Nuestro formato Misión
¿Por qué elegirnos?
Estructura curricular
¿Cómo elegir el curso ideal para mis colaboradores?
Perfil profesional de los colaboradores
Recomendación de escuelas según el perfil profesional Detalles de la escuela de Data Literacy
Detalles del Programa de Fundamentos de Data Literacy Detalles del Programa Data Literacy Avanzado
Detalles de la escuela de Data Engineering
Detalles del programa Formación Integral en ingeniería de datos Detalles de nuestros cursos
Machine Learning & Inteligencia Artificial para todos
Ética y Preocupaciones alrededor de la Inteligencia Artificial Trabajando con Datos
Inteligencia Artificial para las Empresas Ingeniería de Datos para Todos
Entendiendo las Disciplinas Emergentes de Datos Principios de Data Management
Fundamentos de Ingeniería de Datos Ingeniería de Datos (Nivel Intermedio) Contacto
1
1
1
1
2
3
4
5
6
7
8
8
8
9
9
10
11
12
13
14
15
16
17
18
19
20
Zophia utiliza un método mixto de enseñanza. Imparte teoría con ejemplos personalizados para forjar una base de conocimiento generales, fomenta la práctica de los conocimientos adquiridos con ejercicios apegados a la realidad y complementa la experiencia de los alumnos con asesorías individuales para facilitar el aprendizaje.
Nuestra oferta se compone de múltiples formatos de
aprendizaje (talleres, videos, lecturas, sesiones, eventos) para lograr una experiencia grata y así, un servicio centrado en las necesidades de nuestros estudiantes.
Nuestro modelo es 100% online con sesiones en vivo, las cuales serán grabadas para su posterior reproducción. Además, los alumnos estarán siempre acompañados por tutores y coaches para apoyarles en su desarrollo profesional.
método
formato modelo
Somos una EdTech enfocada en disciplinas de Datos, en busca del desarrollo de habilidades de alta demanda profesional en nuestros estudiantes.
QUÉ ES
ZOPHIA
Ofrecer oportunidades educativas
personalizadas en diversas disciplinas de Datos a la mayor cantidad de personas
posibles, empoderadas por tecnología e inteligencia artificial y potenciadas por
tutores y coaches dedicados.
MISIÓN
Prácticas apegadas a la realidad Hiperpersonalización
Contenido actualizado y en tendencia
Planteamiento de problemas reales a través de casos prácticos.
Se utilizarán entornos Sandbox utilizando datos sintéticos generados por IA para lograr una experiencia completa.
Contenido especializado a la industria de tu empresa.
Contenido especializado al perfil profesional de tus colaboradores, a su nivel de conocimientos previos y a su tipo de aprendizaje.
Compartimos contenido relevante, vigente y novedoso.
Nuestro contenido se rige por las tendencias del mercado profesional y la demanda del mercado laboral.
POR QUÉ
ELEGIRNOS
Machine Learning &
Inteligencia Artificial para todos
Entendiendo las Disciplinas
Emergentes en Datos Fundamentos de
Ingeniería de Datos
Trabajando con Datos
Ingeniería de Datos para Todos
Ética y
Preocupaciones alrededor de la IA
Principios de Data Management
Ingeniería de Datos (Nivel Intermedio)
Inteligencia Artificial para las Empresas Fundamentos de Data
Literacy Data Literacy Avanzado Formación integral para
ingeniería de Datos
Programa de
Programa de Programa de
Especialización compuesta por diversos cursos organizados en programas cuyo objetivo es lograr el dominio de algún área de interés.
Recomendación prediseñada de varios cursos con el fin de lograr un óptimo aprendizaje.
Recopilación de temas
ordenados y agrupados para formar al alumno y lograr nuevos aprendizajes.
Escuelas
Programas
Cursos
Estructura Curricular
Diseñamos nuestro contenido para poner a tu disposición justo lo que necesitas.
Nuestra estructura está organizadas por escuelas compuestas por programas, que a su vez, están compuestos por cursos. A continuación, detallamos la
naturaleza de cada agrupación y nuestra oferta en cada nivel de estudio.
Elige el programa o curso que desarrolle las habilidades y
conocimientos que tus empleados necesitan.
Identifica el perfil profesional de tus colaboradores
uno
dos
tres
Identifica la escuela que se alinea al área de estudio en la que te interesa capacitar a tu equipo.
Elige el curso ideal para tus colaboradores en tres pasos
¿Qué pasa si no encuentro el perfil de mis
colaboradores?
¿Qué pasa si ninguna de las escuelas abarca la disciplina
de mi interés?
¿Qué pasa si ningún curso o programa agrupa los temas que
mi equipo necesita?
Personaliza.
Podemos personalizar nuestra oferta para adecuarla a las necesidades de tu
empresa y juntos, llevar el talento de tu equipo al siguiente nivel.
Te describimos algunos perfiles a quienes les será útil nuestro contenido, así,
podrás comprender mejor a quiénes nos referimos cuando hablémos de estos en la descripción de los cursos.
ingenieros
tomadores de decisión
analíticos product owner
no técnico
Personas que tienen muy poco o ningún conocimiento previo de los fundamentos básicos en Ciencias de Datos. Son profesionales de diversas areas (mercadotécnia, RRHH, logística, operaciones, legal, ventas, finanzas, etc) que quieren conocer cómo impactan los datos en su trabajo y cómo utilizarlos a
su favor.
Profesionales inmersos en carreras dentro del campo de la ingeniería en computación, sistemas, informáticos, entre otros, con conocimientos en programación que buscan reforzar ampliar o actualizar sus conocimientos.
Profesionales en posiciones directivas o gerenciales que buscan profundizar sus conocimientos para poder responder a preguntas como ¿Cómo impactan los
datos en mi organización? o ¿Cómo tomar una decisión estratégica basada en
datos?.
Profesionales encargados de la supervisión y desarrollo de productos
digitales. Son personas que buscan hablar en datos, es decir, entender qué
datos son útiles para el proyecto, por qué son útiles, cómo interpretar esos datos y cómo usar esos datos para tomar
decisiones.
Son profesionales con conocimientos previos en análisis e interpretación de datos como matemáticos, analistas de datos, científicos de datos, entre otros. Lo
que buscan es ampliar y robustecer sus habilidades y conocimientos en temas
específicos sobre ciencias de datos.
Perfiles
profesionales
Recomendación de
escuelas según el tipo
de perfil profesional
Detalles de la escuela de
Data Literacy
Data literacy es la capacidad de leer, trabajar, analizar, representar visualmente y discutir con datos.
Objetivo
A quién esta dirigido
Tipo de habilidades que vas a desarrollar
Lograr una alfabetizacion de datos en nuestros alumnos (descubrir, comprender y tomar decisiones)
No técnicos, encargados de producto, tomadores de decisión, analíticos e ingenieros
Soft Skills: Pensamiento crítico, capacidad de análisis de la información, toma de decisiones estratégicas
Machine Learning & Inteligencia Artificial para todos
Entendiendo las Disciplinas Emergentes en Datos pag. 16 El objetivo del programa es ayudar a todos aquellos roles no técnicos sin
conocimientos previos en el tema, a sumergirse en el mundo de los datos desde una perspectiva general para responder preguntas como: ¿Qué son los datos?, ¿Para qué sirven? y ¿De dónde vienen?
El objetivo del programa es profundizar en el impacto de los datos en la organización respondiendo preguntas como ¿Qué roles hay dentro de las disciplinas de datos?,
¿Cómo gestiono un proyecto en mi organización considerando los datos? y ¿A quién debo acudir para qué cosa en los distintos proyectos?
Cursos del programa:
Cursos del programa:
Trabajando con Datos pág. 13
Ingeniería de Datos para Todos pág. 15
Ética y Preocupaciones alrededor de la IA pág. 12
Principios de Data Management pag. 17
Inteligencia Artificial para las Empresas pág. 14
Programa de Fundamentos de Data Literacy
Programa de Data Literacy Avanzado
Detalles de la escuela de
Data Engineering
Los ingenieros de datos son los diseñadores, constructores y gerentes de las tuberías de datos. Desarrollan la arquitectura, los procesos y son dueños del rendimiento y la calidad de los datos de la solución general.
Objetivo
A quién esta dirigido
Tipo de habilidades que vas a desarrollar
Lograr una especialización en temas de ingeniería de datos para que así, el alumno pueda desempañar este rol como profesionista.
Encargados de productos, analíticos e ingenieros
Formación Integral sobre Ingeniería de Datos
Soft Skills: Resolución de problemas complejos, pensamiento crítico, resiliencia, capacidad de empatía con el usuario, entre otros.
Hard Skills: Ingeniería de Software, Bases de Datos, Introducción a la Nube, Data Warehouse, Big Data, Data Lake, Procesos ELT y Orquestación con Apache Airflow, Trabajando en Equipo y Entornos,
Fundamentos de Ingeniería de Datos pag. 18
El objetivo del programa es llevar a los participantes de un nivel de conocimientos básicos, a un nivel avanzado para lograr un dominio en los temas y herramientas fundamentales como ingeniero de datos para desarrollarse eficazmente como un profesionista.
Cursos del programa:
Ingeniería de Datos (Nivel Intermedio) pag. 19
DETALLES DE
LOS CURSOS
Aproximadamente 4 horas Ninguno
Ninguno
Sistema operativo: Linux o Windows (preferentemente)
Procesador: Intel Core i5 o equivalente RAM: Mínimo 8GB
Conexión a internet: Mínimo de 10 Mbps de bajada
Machine Learning e Inteligencia Artificial para todos
Entender los conceptos y diferencias entre Inteligencia Artificial (AI), Machine Learning (ML) y Data Science a través de conceptos y ejemplos claros de cómo estas tecnologías ya se encuentran en nuestro día a día. El contenido de matemáticas y conceptos difíciles de entender para este módulo es mínimo.
Los alumnos podrán explicar el proceso que requiere construir modelos, la importancia de los datos, así como los límites y alcances de la tecnología.
No técnicos, product owners, tomadores de decisión, analíticos e ingenieros
Cuando la Inteligencia Artificial falla Consecuencias de datos sesgados
Consecuencias de mala optimización y elección de métricas
¿Es culpa de la máquina o del humano?
Seguridad de Datos esencial Mi rol en la Calidad de Datos
¿Cómo va a impactar la Inteligencia Artificial mi rol?
¿Qué puedo hacer si me siento amenazado por la Inteligencia Artificial?
Objetivo del curso
Duración total
Prerrequisitos del alumno
Módulos de Zophia requeridos
Herramientas necesarias Al finalizar el curso
A quién esta dirigido
Temario
Del programa de Fundamentos de Data Literacy
De la escuela de Data Literacy
Aproximadamente 4 horas
Entender conceptos básicos de IA y ML
Machine Learning & Inteligencia Artificial para todos
Sistema operativo: Linux o Windows (preferentemente)
Procesador: Intel Core i5 o equivalente RAM: Mínimo 8GB
Conexión a internet: Mínimo de 10 Mbps de bajada
Ética y preocupaciones alrededor de la Inteligencia Artificial
Entender las consecuencias y platicar abiertamente de los problemas y peligros históricos y futuros que han surgido en el uso e implementación de la Inteligencia Artificial.
El participante será consciente de las posibles consecuencias y aspectos a considerar al usar de manera directa o indirecta estas tecnologías y entenderá mejor las habilidades que deberá continuar desarrollando para no temer o verse eventualmente desplazado por dichas tecnologías.
No técnicos, product owners, tomadores de decisión, analíticos e ingenieros
Cuando la Inteligencia Artificial falla Consecuencias de datos sesgados
Consecuencias de mala optimización y elección de métricas
¿Es culpa de la máquina o del humano?
Seguridad de Datos esencial Mi rol en la Calidad de Datos
¿Cómo va a impactar la Inteligencia Artificial mi rol?
¿Qué puedo hacer si me siento amenazado por la Inteligencia Artificial?
Objetivo del curso
Duración total
Prerrequisitos del alumno
Módulos de Zophia requeridos
Herramientas necesarias Al finalizar el curso
A quién esta dirigido
Temario
Del programa de Fundamentos de Data Literacy
De la escuela de Data Literacy
Aproximadamente 40 horas + Tiempo variable de Workshops
Excel básico
Ninguno
Sistema operativo: Linux o Windows (preferentemente)
Procesador: Intel Core i5 o equivalente RAM: Mínimo 8GB
Conexión a internet: Mínimo de 10 Mbps de bajada
Trabajando con Datos
El participante aprenderá diversos conceptos de analítica descriptiva y los llevará a la práctica con la finalidad de que sea autosuficiente y pueda trabajar con datos y explotarlos para tomar mejores decisiones en sus actividades profesionales.
El participante podrá acceder a entornos de datos ya establecidos y explotarlos por su propia cuenta. Sabrá explorar y resolver adecuadamente problemas de análisis y elegir correctamente gráficas y mecanismos para transmitir sus ideas y hallazgos.
No técnicos, product owners, tomadores de decisión, analíticos e ingenieros
Entendiendo los Datos: Fuentes, Tipos y Formatos
Fundamentos de Estadística Fundamentos de Visualización
Fundamentos de Analítica Descriptiva Herramientas No Code/Low Code Structured Problem Solving
Root Cause Analysis
Storytelling y mecanismos de comunicación Recomendaciones y Pitfalls
Objetivo del curso
Duración total
Prerrequisitos del alumno
Módulos de Zophia requeridos
Herramientas necesarias Al finalizar el curso
A quién esta dirigido
Temario
Del programa de Fundamentos de Data Literacy
De la escuela de Data Literacy
Aproximadamente 6 horas
Entender conceptos básicos de IA y ML
Machine Learning & Inteligencia Artificial para todos
Sistema operativo: Linux o Windows (preferentemente)
Procesador: Intel Core i5 o equivalente RAM: Mínimo 8GB
Conexión a internet: Mínimo de 10 Mbps de bajada
Inteligencia Artificial para la Empresa
El participante conocerá los principales casos de uso en su respectiva área e industria, entendiendo los beneficios, requisitos y dificultades de los mismos. Así mismo aprenderá los fundamentos para que las implementaciones tengan la mayor probabilidad de ser exitosas y entenderá cómo desde su rol contribuye a dicho éxito.
El participante podrá contribuir activamente y entender mejor su rol e impacto deseado en las iniciativas empresariales de Inteligencia Artificial.
Conocerá los puntos esenciales para tener éxito y aspectos a cuidar durante los procesos de transformación.
No técnicos, product owners, tomadores de decisión, analíticos e ingenieros
Transformación Digital, Datos y AI Cultura Data Driven y sus mitos
Entendiendo casos de uso en mi industria Entendiendo casos de uso en mi disciplina Fundamentos de Data Management Data Governance y su importancia
¿Cómo comienzo en mi área?
Data Science es un equipo Agile Data Science
Entendiendo Data Products Adopción exitosa & Pitfalls
Objetivo del curso
Duración total
Prerrequisitos del alumno
Módulos de Zophia requeridos
Herramientas necesarias Al finalizar el curso
A quién esta dirigido
Temario
Del programa de Fundamentos de Data Literacy
De la escuela de Data Literacy
Aproximadamente 5 horas Ninguno
Ninguno
Sistema operativo: Linux o Windows (preferentemente)
Procesador: Intel Core i5 o equivalente RAM: Mínimo 8GB
Conexión a internet: Mínimo de 10 Mbps de bajada
Ingeniería de Datos para Todos
El participante entenderá la importancia de la disciplina de Ingeniería de Datos a través del aprendizaje de diversas arquitecturas de datos y conocerá por qué ha sido necesario diferentes enfoques y que la complejidad de dichas arquitecturas va aumentando gradualmente.
El participante entenderá la importancia del rol del ingeniero de datos y de diversos conceptos tecnológicos y de arquitecturas de datos. Sabrá explicar los mecanismos básicos de funcionamiento, ventajas y desventajas para así poder interactuar mejor con áreas de ingeniería, producto y ciencia de datos.
No técnicos, product owners, tomadores de decisión, analíticos e ingenieros
¿Qué es la Ingeniería de Datos?
Relational Databases Data Warehouse Big Data Fundamentals Hadoop Ecosystem Cloud Computing Bases de Datos NoSQL Data Lake
Streaming Lakehouse
Modern Data Architectures
Objetivo del curso
Duración total
Prerrequisitos del alumno
Módulos de Zophia requeridos
Herramientas necesarias Al finalizar el curso
A quién esta dirigido
Temario
Del programa de Fundamentos de Data Literacy
De la escuela de Data Literacy
Aproximadamente 5 horas Ninguno
Ninguno
Sistema operativo: Linux o Windows (preferentemente)
Procesador: Intel Core i5 o equivalente RAM: Mínimo 8GB
Conexión a internet: Mínimo de 10 Mbps de bajada
Entendiendo las Disciplinas Emergentes en Datos
El participante conocerá los roles y disciplinas emergentes en diversas áreas de Datos que han surgido recientemente.
El participante entenderá la razón por las que cada vez es necesario mayor especialización en los equipos de datos. Sabrá explicar las disciplinas emergentes y podrá diseñar estrategias adecuadas acompañadas de un Roadmap alineado a las necesidades de su organización.
No técnicos, product owners, tomadores de decisión, analíticos e ingenieros
Tipos de Ingenieros de Datos Tipos de Cientificos de Datos
Roles de Producto para Data y Machine Learning Ingeniería en ML
Data & Analytics Translator MLOps
DataOps
Objetivo del curso
Duración total
Prerrequisitos del alumno
Módulos de Zophia requeridos
Herramientas necesarias Al finalizar el curso
A quién esta dirigido
Temario
Del programa de Data Literacy Avanzado
De la escuela de Data Literacy
Aproximadamente 10 horas
Entendimiento básico de roles de datos y tecnologías asociadas.
Ingeniería de Datos para todos
Sistema operativo: Linux o Windows (preferentemente)
Procesador: Intel Core i5 o equivalente RAM: Mínimo 8GB
Conexión a internet: Mínimo de 10 Mbps de bajada
Principios de Data Management
El participante aprenderá los conceptos y mecanismos que le permitirán gestionar adecuadamente sus datos, así como la importancia de toda la disciplina de Data Management.
El participante podrá explicar los mecanismos y componentes necesarios para un programa de Data Management y Governance exitoso.
Conocerá los pasos básicos para poder apoyar a implementar un programa organizacional y entenderá el rol que juega cada uno de los integrantes de los equipos técnicos, así como los usuarios de negocio.
No técnicos, product owners, tomadores de decisión, analíticos e ingenieros
Data Governance Data Quality Data Lineage
Gestión de Metadata: Catalog, Glossary, Dictionary, Semantic Layer
Data Security
Data Operations & Lifecycle Frameworks de aplicación
Objetivo del curso
Duración total
Prerrequisitos del alumno
Módulos de Zophia requeridos
Herramientas necesarias Al finalizar el curso
A quién esta dirigido
Temario
Del programa de Data Literacy Avanzado
De la escuela de Data Literacy
Aproximadamente 80 Horas + 40 Ho- ras Prácticas
Manejo intermedio de Python y SQL
Ninguno
Sistema operativo: Linux o Windows (preferentemente)
Procesador: Intel Core i5 o equivalente RAM: Mínimo 8GB
Conexión a internet: Mínimo de 10 Mbps de bajada
Fundamentos de Ingeniería de Datos
El participante aprenderá todos los fundamentos para poder convertirse en un ingeniero de datos usando tecnologías Cloud y procesando datos a gran escala en Batch.
El participante tendrá fundamentos en ingeniería de software necesarios para desempeñarse adecuadamente como ingeniero de datos.
Conocerá las principales arquitecturas en el entorno Cloud de su preferencia para procesamiento en Batch, abarcando Data Warehouse y Data Lake.
También tendrá los fundamentos para trabajar en equipos Agile y tomar decisiones adecuadas para desarrollar pipelines de datos robustos, flexibles y escalables.
Analíticos e ingenieros
Objetivo del curso
Duración total
Prerrequisitos del alumno
Módulos de Zophia requeridos
Herramientas necesarias Al finalizar el curso
A quién esta dirigido
Temario
Del programa de Formación integral de Ingeniería de Datos
De la escuela de Data Engineering
Ingeniería de Software
Introducción a Big Data Introducción a la Nube Bases de Datos
Data Warehouse GIT
Principios SOLID Unit Testing
Patrones de Arquitecturas Microservicios
Ecosistema Hadoop Hadoop
MapReduce GFS
HiveSqoop
Formatos de Archivos: Avro, Parquet y ORC Compresión
Data Catalog Servicios
Identidad y Seguridad Almacenamiento Bases de Datos ACIDTransacciones Concurrencia Particionamiento Sharding
OLAP vs OLTP
Fundamentos de Data Warehousing Modelo Dimensional
Cubos OLAP Servicios en la Nube
Apache Spark
Data Lake
Procesos ELT y Orquestación con Apache Airflow
Trabajando en Equipo y Entornos
Casos de Estudio Arquitectura PySpark
Fundamentos de Spark Core SparkSQL
Optimización de código
Optimización avanzada de jobs Optimización de Joins
Profundizando el SQL Engine Catalyst Optimizer
Servicios en la Nube
Arquitectura General Data Catalog en la Nube Recomendaciones en la Nube Introducción a Databricks Servicios en la Nube
Seguridad y Control de Accesos
Necesidad del ELT Patrones de arquitectura Servicios en la Nube Introducción a Airflow Entornos de desarrollo Cultura Agile
Mi rol en el equipo
Colaborando con áreas analíticas
Aproximadamente 60 horas de contenido online
Manejo intermedio de Python y SQL. Conoci- mientos sólidos en Ecosistema Hadoop, Hive, Spark, Data Lake y Data Warehouse.
Fundamentos de Ingeniería de Datos
Sistema operativo: Linux o Windows (preferentemente)
Procesador: Intel Core i5 o equivalente RAM: Mínimo 8GB
Conexión a internet: Mínimo de 10 Mbps de bajada
Ingeniería de Datos (Nivel Intermedio)
El participante conocerá patrones de arquitectura en Streaming y NoSQL, así como algunos temas avanzados de procesamiento en Batch y herramientas de calidad de datos para profundizar su conocimiento como ingeniero de datos usando tecnologías Cloud y Python como lenguaje de programación.
El participante será capaz de trabajar con arquitecturas complejas en Tiempo Cercano a Real (NRT) o en combinación con procesamiento Batch. Sabrá elegir adecuadamente tecnologías NoSQL como complemento a dichas arquitecturas para resolver necesidades de procesamiento específicas y conocerá mecanismos para detectar anomalías y problemas de calidad de datos.
Analíticos e ingenieros
Objetivo del curso
Duración total
Prerrequisitos del alumno
Módulos de Zophia requeridos
Herramientas necesarias Al finalizar el curso
A quién esta dirigido
Temario
Del programa de Formación integral de Ingeniería de Datos
De la escuela de Data Engineering
Data Lake Avanzado
Arquitecturas Big Data Streaming
Data Quality NoSQL
Hudi, Iceberg y Hive para Upserts Databricks Delta
Apache Presto Servicios en la Nube
Batch/Streaming
Arquitecturas Emergentes Data Vault
Data Mesh
Conceptos Generales Apache Zookeeper
Fundamentos de Apache Kafka Profundizando Apache Kafka Spark Streaming
Pipelines en Tiempo Real con Spark Structured Streaming
Servicios en la Nube
Conceptos de Calidad de Datos Statistical Process Control
Usando Python con Great Expectations Lineaje de Datos
Usando Python con Marquez Teorema CAP
Conceptos Generales Introducción a Hbase Introducción a Cassandra Introducción a Redis Introducción a Neo4J Introducción a MongoDB Servicios en la Nube