Poder Geeutivo Cendoba corpopa, 0! OCT 2020 VISTO: El Expediente N° 0100-163307/2020, del Registro del Ministerio de Educacién; Y CONSIDERANDO: Que en el mismo la Direccién General de Educacién Técnica y Formacién Profesional propicia la aprobacién del Plan de Estudios de la Carrera “Tecnicatura Superior en Ciencia de Datos ¢ Inteligencia Artificial”, para ser aplicado en el Instituto Superior Politécnico Cérdoba, de Capital. Que obra en autos los fundamentos, objetivos, requisitos de ingreso, disefio y organizacién curricular, contenidos minimos, condiciones de egreso, alcance del titulo, perfil profesional, perfil profesional del docente y campos de formacién de la carrera propuesta. Que lo procurado resulta procedente, toda vez que se enmarca en la normativa de las Leyes Nros. 24521 de Educacién Superior, 26058 de Educacién Técnico Profesional, 9870 de Educacién de la Provincia de Cérdoba, como asi también en los lineamientos referenciales acordados por las Resoluciones del Consejo Federal de Educacién Nros. 229/14 y 295/16. Por ello, los informes producidos, el Dictamen N° 957/20 del Area Juridica de este Ministerio y facultades que le son propias, EL MINISTRO DE EDUCACION RESUELVE Art.1°.- APROBAR para su aplicacién en el Instituto Superior Politécnico Cérdoba, de Capital, el Plan de Estudios de la Carrera “Tecnicatura Superior en Ciencia de Datos e Inteligencia 383Artificial”, conforme se detalla en el Anexo I que con trece (13) fojas forma parte de la presente resolucién. Art. PROTOCOLICESE, comuniquese, publiquese en el Boletin Oficial y archivese. RESOLUCION hi jo/ w_383_ “tc Profinia de cérdoba pa a ‘i2020-“Afo el Bcentenari del esa ol inert de! General Marve Regan ANEXO RESOLUCION N° 3 83 1.- DENOMINACION DE LA CARRERA TECNICATURA SUPERIOR EN CIENCIA DE DATOS E INTELIGENCIA ARTIFICIAL 1.1.- Nivel SUPERIOR 1..2.- Acreditacién: Se otorga el Titulo de: TECNICO SUPERIOR EN CIENCIA DE DATOS E INTELIGENCIA ARTIFICIALENTRE CORDOBA PIE 2020 "Ato del Bcentenar del Peso al loot del Genel Marve elo" 2. FUNDAMENTACION Latransformacién digital requiere hoy el manejo y la gestion de sistemas con niveles de inteligencia de datos avanzada equivalente a la humana y las organizaciones no escapan a esta realidad. De la misma manera, el mercado requiere un mejor manejo de datos y la construccién de sistemas inteligentes para optimizar sus recursos y resultados. Asi, la Ciencia de Datos y la Inteligencia Artificial constituyen un fendmeno global de fuerte impacto en lo que se denomina Ia Revolucion Digital, beneficiando tanto al sector publico como privado en el aumento de la productividad, competitividad sectoral y calidad de vida de los ciudadanos. La Ciencia de Datos ocupa un lugar central en las organizaciones promoviendo su empoderamiento y la facilitacion en la toma de decisiones. La digitalizacién de nuevas fuentes de datos, complejidad y volumen crecientes de éstos, junto con el aumento de la capacidad de cémputo a través de procesadores cada vez mas poderosos hacen necesaria la formacién especifica en esta drea Este nuevo campo profesional abarca herramientas, tecnologias, métodos y sistemas que posibiltan el manejo de grandes conjuntos de datos distribuidos, heterogéneos y complejos que no pueden analizarse con las herramientas y métodos tradicionales de procesamiento y administracion de bases de datos. Asi, se hace una formacién especifica en a utiizacién de nuevos algoritmos estadisticos y matematicos; técnicas de prediccién; métodos de modelado y de encriptacién, que incluya enfoques multidisciplinarios y nuevas tecnologias que colaboren en la recopilacién, almacenamiento, analisis ¢ intercambio de datos e informacién. La Mineria de Datos, como nuevo paradigma tecnologico informacional da lugar al desarrollo de modelos predictivos para anticiparse a cambios y a nuevos escenarios. Resurge de esta manera una rama de la Inteligencia Artificial olvidada desde mediados del siglo XX cuando fue desarrollada por necesitar gran capacidad de procesamiento: el Aprendizaje Automatico que permite a los sistemas informaticos aprender a partir de los datos y dar respuestas que se pueden considerar inteligentes, optimizando recursos y resultados. En tal sentido, la Inteligencia Artificial (|. A.) posibilita dar soluciones @ problemas mediante diversas tecnologias en distintos ‘campos: salud, robética, comunicaciones, transporte, agrioultura, educacién, entre otros. Los Técnicos Superiores en Ciencia de Datos e Inteligencia Artificial seran los encargados de la construccién y optimizacién de algortmos de Deep Leaming con el fin de emular las habilidades humanas y serdn capaces de liderar y gestionar proyectos que permitan nuevas oportunidades de negocios/servicios y mejoras en las tomas de decisiones 2 nivel organizacional a partir de la disponibilidad de datos en tiempo real. 3. OBJETIVOS DE LA CARRERA, La carrera tiene como objetivo formar profesionales en la Ciencias de Datos que a partir de la captacién y procesamiento de datos sean capaces de desarrollar y entrenar sistemas de Inteligencia Attificial que brinden soluciones a un amplio abanico de actividades industriales, comerciales y profesionales y, dado que la Inteligencia Artificial dista de ser un area completamente desarrollada, también podra realizar investigaciones sobre nuevas aplicaciones a inventar.+ CORDOBA $rooes 2020-"AFo det Beentenori del a0 © imortolded ae Genera Morue Belgrano” ‘Seré capaz de colaborar con ingenieros, profesionales de agro, cientificos, médicos, bidlogos, profesionales de RRHH, de sistemas informaticos, de sistemas bancarios, de estadistica, de mercadotecnia, gerentes, economistas, y todo el ecosistema que se conforma alrededor de las denominadas ‘startups” que requieren soluciones innovadoras en forma permanente, 4, REQUISITOS DE INGRESO ‘Se deben respelar las condiciones de ingreso que fja la Resolucién Ministerial 412/10 y/o estar ‘comprendido en la Resolucién Ministerial 25/02 5. DISENO Y ORGANIZACION CURRICULAR - Plan de Estudios 5.1. Régimen de cursada y carga horaria Duracién dela carrera: 2 y % (dos afios y medio) Modalidad de cursado: _Virtual con practicas presenciales Carga horaria total: 1601 horas reloj. Régimen de cursado: Anual/ Cuatrimestral 5.2. Estructura Curricular Titulo de: TECNICO SUPERIOR EN CIENCIA DE DATOS E INTELIGENCIA ARTIFICIAL, PRIMER ANO Horas | Horas | Horas campo do correla: Orden | Camo de Espacio Curicusr Rolo) | Gatedras | Catedras ; Formaci Anuatos | Semanates | anuales | ‘*®" 1 | FE |Programacién | 107 5 1c | — 2 | FG |ingies! 64 3 96 os 3 | PP | Practica Profesionalizante | 71 8 26 | — 5 ia Primer Cuatrimestre au ] ] Horas Rete] Horas | Worse |oraen| Camp se spn Cure Cnmest| ciara | citecrs | Core a ‘sles |Somanaies | anuales | ** FG _|Sistemas de Comunicacion 32 3 48 [5 | FF [Logica 43 4 64 | FF _|Andlisis Matematico 43 4 64 * Para rendir cada espacio curricular, tener aprobadas las correlativas que se mencionan+ CORDOBA BY TSo8s 2020 "Ao del entero del Peso ol inmortaldd cel Geneol Marve gelgrano” Segundo Cuatrimestre wore | _ ‘Campo de Reloj med jonas | Correta- owen Espacio Curticuar aware | citeares Formacon ccunmimes | itera | tetas | Or alee 7 | FF [Avgebra ry « [ele 8 | Fe [Base de Datos 64 Cn a ee 9 FG |Etica y Deontologia Profesional 32 3 48 ae z Horas Totales: 599 (342 anuales - 257 cuatrimestrales) Total de Espacios curriculares: 9 SEGUNDO ANO- som ities — Corel onion espacio Curricular ti) | cateces | citar | Come ‘Formacion Anuaies | Semanates | anuates | ‘*** 10 FE Ciencia de Datos 107, 5 160 49 14. | FG |inglés it | 64 3 96 2 12 PP Practica Profesionalizante II 107, 5 160 | 2,3,9 | Primer Cuatrimeatre Tora Rael] Horas] Hous ontea| S290 88 Espacio Curielr Commmest| _cittra_| cetevres| COU omentie ales ‘Semanales | anuales eal 13 | FE |Estadisticas y Exploracién de Datos 53 5 80 [5,67 14 FF |Tecnologia y Sociedad 32 3 48 4,9 45 | FE |Procesamiento de Datos 64 6 | 9% |148 Segundo Cuatrimestre campo de fron | tems, | 08 | cont concen | e260 spac Curieuar cont | sume, | ten] Cre py 2 Para rendir cada espacio curricular, tener aprobadas las correlativas que se mencionanDOB, 2 2020-"Aio del ientenari del aso 9 nora del Geral Monwe! Belgrano” 16 | FF | Ciberseguridad 53 5 so | 1.8 17. | FF | Gerencia de Proyectos 53 5 ao | 9,14 18. | FF | Testeo de software 53 5 eo | 1,15 Horas Totales: 586 (278 anuales - 308 cuatrimestrales) Total de Espacios curriculares: 9 TERCER ANO ‘er Cuatrimestre ‘Orden | Campo de Espacio Curricular Horas ] Horas | Horas Formacién Reloj | catedra | citedras CGuatrimes | Semanates | Cuatrim ‘wales cestrales 19 | FE [Pr 64 6 96 | 6.10, 16 20 | FE [Mine s 64 6 96 |6.8,10, 13.15) 21 | FE | Aprendizaje Automatico 64 6 96 | 13,15 22 | FE | Técnicas de Procesamiento de Habla | 64 6 96 | 10,13, 6 23 | FE | Desarrollo de Sistemas de IA 5 i 112 | 10,13, 7 24 | PP | Practica Profesionalizante Ill 85 8 128 | 11,12, 16,18, 7 Horas Totales: 416 Total de Espacios curriculares anuales: 6 5.3. CONTENIDOS MiNIMOS PRIMER ANO2020- Ao del Beentenaro del Paso 0 Iemortakd del General Manuel elrora” 41, PROGRAMACION Software y hardware libre y propietario. Problemas del campo informético. Conceptos fundamentales de programacién: variables, constantes, conectores, introduccién a funciones, métodos, eventos, clases, propiedades. Operadores relacionales, légicos y aritméticos. Datos de entrada y salida, relacién entre ellos. Algoritmos: concepto, desarrollo, disefio. Diagramas. Estructuras de programacién. Metodologia estructurada. Estructura secuencial, caracteristicas Estructura alternativa, Programacién Légica, Légica basica, Estructuras condicionales y repetitivas. Arreglos. Estructuras de datos: Pilas y Colas. Definicién y técnicas de relevamiento. Conceptos de Clase y objeto. Atributos y métodos. Estado y Comportamiento. Mensaje entre objetos. Encapsulamiento de la informacién. Niveles de acceso. Tiempo de vida de los objetos. Abstraccién y modularizacién. Herencia. Especializacién vs generalizacién. Superciase y subclase. Clases abstractas. Polimorfismo y sobrecarga de operadores, Programacién Orientada a Objetos (NET y Java). Sintaxis y estructura del lenguaje. Estructura de una clase. Variables de instancia. Métodos de acceso y de modificacién. Constructores y métodos sobrecargados. Métodos accesorios o auxiliares. Documentacién de clases y de métodos. Constantes y variables de clase. Interfaz e implementacién de una clase. Libreria de clases del lenguaje. Clases de fines especificos. Agrupamiento de objetos. Colecciones de tamafio fjo y de tamafio variable. Interfaces graficas .Ventanas, paneles, etiquetas, botones, mends. Disefio UML. Diagrama de Clases. Relaciones entre clases: herencia, asociacién, ‘composicién y agregacién. Diagrama de Casos de Uso. Diagrama de Secuencia. Testing: conceptos bbasicos, tipos de prueba, niveles, proceso. Especificar objetivos, limites y alcances. 2. INGLES | Desarrollo de estrategias de aprendizaje de la lengua extranjera. Estructuras de la oracién y el parrafo, tiempos y formas verbales basicas. Aproximacién a estructuras gramaticales, lexicales y funcionales basicas para ser empleadas en intercambios comunicativos orales y escritos. ‘Comprensién lectora y produccién escrita de parrafos, e-mail, formularios y curriculum Vitae. Técnicas de traduccion bésicas. Habilidades laborales. Vocabulario técnico. Patrones de pronunciacién y acentuacién. 3. PRACTICA PROFESIONALIZANTE | Es el espacio curricular destinado a posibilitar la integracién y contrastacién de los saberes transversales construidos en la formacién de los otros espacios, garantizando la articulacion tedrica ~ practica en los procesos formativos a través del acercamiento de los estudiantes a situaciones reales de trabajo que requieren de habilidades duras y el desarrollo de habilidades biandas. La practica profesionalizante, constituye una actividad formativa a ser cumplida por todos los estudiantes, con supervision docente, y la institucion debe garantizarla durante la trayectoria formativa, con actividades de complejidad gradual y creciente integrandola en el Proyecto Institucional de Practicas Profesionalizantes; para lograr ese objetivo, se llevard a cabo el4 2020- "io del Bcetenaria del Pasa al emertife SelGenerl Manvel Belgyane” desarrollo de una aplicacién que responde a un requerimiento del contexto, que permita la persistencia de datos, con conexién a la base de datos. Se deberan planificar entregas de las diferentes etapas del desarrollo, donde el docente se posiciona como cliente. EV los proyectos que se desarrollen formaran parte del portfolio que cada estudiante generar como muestra de sus competencias a la hora de egresar y ejercer la profesion. Primer Cuatrimestre 4, SISTEMAS DE COMUNICACION La comunicacién humana: caracteristicas y enfoques. Modelos de comunicacién. Distintas modalidades de comunicacién segtin sus ambitos y fines. Planificacién de dispositivos de comunicacién oral y escrita en soportes y registros diversos. La comunicacién en las organizaciones. Sociedad de la informacién. Medios masivos de comunicacién. La comunicacién analégica y digital, El ciberespacio como ambito de interaccién, produccién y distribucién de! conocimiento. Comunicacién digital. Lenguaje en los medios digitales. Aplicaciones. Redes Sociales. Usos actuales. Criterios para la busqueda de informacién en Internet. 5. LOGICA Légica proposicional: Enunciados y conectivas. Conocimiento. Formas, usos y limites del conocimiento. Intratabilidad e inexpresabilidad. Enunciados y conectivas. Funciones de verdad y tablas de verdad. Argumentacién y validez. Logica de Enunciados. Reglas de manipulacién y sustitucién. Formas normales. Conjuntos adecuados de conectivas Légica de predicados: Predicados y cuantificadores. Lenguajes de primer orden. Interpretaciones Satisfaccién y verdad. Légica de Predicados. El sistema formal. Correccién y completitud. Modelos de sistemas de primer orden 6. ANALISIS MATEMATICO Relaciones y funciones. Funciones polindmicas, racionales, exponenciales logaritmicas y trigonométricas. Representaciones graficas, puntos de interseccién. Concepto de limite y funciones. Limites infinitos y al infinito. Continuidad. Célculo de derivadas. Derivada en un punto. Recta tangente. Funcién derivada. Reglas de derivacién. Composicion; regla de la cadena. Estudio de funciones. Funciones a valores vectoriales; Trayectoria; Limite y continuidad; derivacién, interpretacién geométrica; recta tangente. Determinacién de constantes. Calculo de integrales. Integral definida. Areas y volimenes de revolucién. Longitud de curvas. Integracién numérica. Integracién definida de funciones a valores vectoriales. Campos escalares y vectoriales. Derivadas direccionales y parciales de campos escalares; gradiente. Diferenciabilidad. Composicion de funciones y campos; Regla de la cadena. Derivadas parciales sucesivas. Funciones implicitas. Diferenciales sucesivas Formula de Taylor. Maximos y minimos locales. Extremos condicionados. Derivadas= CORDOBA B 2020-"ANo el ertenari de! Patol iemortalidod del General Manvel elyoro” parciales de campos vectoriales. Regla de la cadena; matriz jacobiana. Divergencia y rotor. Campos conservativos y formas diferenciales exactas; funcién potencia ‘Segundo Cuatrimestre 7. ALGEBRA Conjuntos numéricos. Matrices y determinantes: operaciones. La funcién determinante, matriz inversa, rango. Sistemas de ecuaciones: clasificaci6n, teorema de roché frobenius, resolucién. Espacio vectorial: vectores, operaciones intemas y externas, norma, proyecciones, dependencia lineal, base y dimensién. Aplicaciones de los espacios vectoriales. Transformaciones lineales: teorema fundamental, matriz asociada, autovalores y autovectores, diagonalizacion. Secciones cénicas y superficies cuddricas. 8. BASE DE DATOS Concepto de base de datos, disefio. Instalacién de motor de base de datos (SQL Server) Tipos de datos. Organizacién légica de los datos Nocién de registro. Concepto de archivo. Concepto de Tabla. Concepto de entidad, relaciones, atributos. Cardinalidad de las relaciones. Diagrama Entidad-Relacién (DER). Concepto de normalizacién y redundancia. Consultas anidadas. Tablas relacionadas. Consultas de datos. Altas, Bajas y Modificaciones (ABM). Bloque: Manipulacién de Base de datos. Construccién de base de datos. Consultas sobre una tabla. Seleccién simple. Eliminacién de respuestas duplicadas. Seleccién ordenada. Seleccién condicionada. Operadores de comparacién. Operadores légicos. Campos calculados. Funciones agregadas de dominio (minimo, maximo, suma, promedio). Seleccién con agrupamientos (agrupar). Consultas condicionadas. Creacion y consulta con diferentes motores de bases de datos. Conceptos de procedimientos almacenados y vistas. 9, ETICA Y DEONTOLOGIA PROFESIONAL Derecho del trabajo y relaciones laborales Representacién y negociacion colectiva: Sindicatos. El convenio colectivo como ambito de las relaciones laborales. Concepto de paritarias. El papel de la formacién profesional inicial y continua en las relaciones laborales. Contrato de trabajo. Modos de contratacién. Flexibilizacion laboral y precarizacién. Seguridad social. Riesgos del trabajo y las ocupaciones. La formacién profesional como dimensién de la negociacién colectiva y las relaciones laborales. Orientaci6n profesional y formativa Sectores y subsectores de actividad principales que componen el sector profesional. Empresas: Tipos y caracteristicas. Rasgo central de las relaciones de empleo en el sector: Ocupaciones y puestos de trabajo en el sector profesional: caracteristicas cuantitativa y cualitativas. Mapa ocupacional. Trayectorias tipicas y relaciones funcionales. Regulaciones sobre el ejercicio profesional: habilitacién profesional e incumbencia. Etica profesional. Deontologia informatica. Cédigos deontolégicos. Colegios profesionales.5 jODOS S coRDoBA F 2020 “Ao del icentenari del Pasa ol mortal el Geral Move Begroro" Marco legal de la profesién informatica. Propiedad intelectual y tipos de licencias. Normativa europea. Normativa internacional. Cédigo de ética del manejo de comunidades online. SEGUNDO ANO 10. CIENCIA DE DATOS: Problematicas especifica actuales vinculadas al uso y manejo de la informacién. Caracteristicas y procesos propios de las organizaciones. Modelos tradicionales de gestién de la informacién en las empresas y/u organizaciones. El uso actual de los tableros de control: ventajas y desventajas. La Ciencia de Datos como herramienta de andlisis predictivo para la optimizacién de proyectos y/o negocios. Diferencias entre Inteligencia de Negocios y Analisis Predictivo. Capacidad analitica para el manejo de la informacién en la gestion de negocios La visualizacion y transformacién de la informacién como base innovadora para la toma de decisiones. La representacién visual de datos como variable de ahorro de tiempo en las organizaciones. La ciencia de datos como factor clave para la autonomia tecnolégica, el desarrollo econémico y la competitividad en las industrias. Aplicacién de la Ciencia de Datos: Relevamiento de datos y requerimientos de necesidades. Negociacién y acuerdos relativos al alcance del proyecto. Ejercicio legal de la profesién. Normativa vigente en relacidn a la utilizacién y manipulacién de los datos. Privacidad de la informacion. Responsabilidades de emisién de datos e informacion en el ciberespacio. Propiedad intelectual. Licencias de software. Derechos de copyright. 44. INGLES II Relato de un proceso de forma oral 0 escrita. Profundizacién del vocabulario técnico. Estructuras gramaticales, lexicales y funcionales avanzadas para ser empleadas en intercambios comunicativos orales y escritos en un nivel intermedio - avanzado. Comprensién de informes relacionados al campo de estudio, Comunicacion efectiva, Hacer sugerencias, dar y pedir consejo y realizar aportes enla lengua por medio de e-mails, videollamadas, foros, de manera fluida. 12. PRACTICA PROFESIONALIZANTE I Es el espacio curricular destinado a posibilitar la integracién y contrastacién de los saberes transversales construidos en la formacién de los otros espacios, garantizando la articulacién tedrica = practica en los procesos formativos a través del acercamiento de los estudiantes a situaciones reales de trabajo que requieren de habilidades duras y el desarrollo de habilidades blandas. La practica profesionalizante, constituye una actividad formativa a ser cumplida por todos los, estudiantes, con supervisién docente, y la institucién debe garantizarla durante la trayectoria formativa, con actividades de complejidad gradual y creciente integrandola en el Proyecto institucional de Practicas Profesionalizantes. Para lograr ese objetivo, las propuestas que se desarrollen a parti de este eje comprenderan el procesamiento de datos, la creacién de modelos y de las consideraciones de inferencia, de métricas de Intereses, de post-procesamiento de las estructuras descubiertas, de la visualizacion y de la actualizacion en linea. En esta practicaDOBA Proces Q 8 2020 "Ao de! Bicentenae de Pota oa nmartaiod del General Manu! Belgrano” Profesionalizante seré muy importante poner en juego las capacidades propias del TS referidas a la elaboracién de informes y a la comunicabilidad de la informacién obtenida ‘Se deberén planificar entregas de las diferentes etapas del desarrollo, donde el docente se posiciona como cliente. EV/ los proyectos que se desarrollen formaran parte del portfolio que cada estudiante generard como muestra de sus competencias a la hora de egresar y ejercer la profesién. PRIMER CUATRIMESTRE 13. ESTADISTICAS Y EXPLORACION DE DATOS Estadistica: Definiciones y conceptos fundamentales. Estadisticos descriptivos. Analisis descriptivo de datos individuales y agrupados: variables discretas y continuas, medidas de posicién, histogramas. Teoria de la probabilidad. Calculo de probabilidades. Probabilidad condicional Estadisticos descriptivos. Variables aleatorias discretas y continuas. Distribuciones binomial y de Pascal. Modelos relacionados con fenémenos de vida Fiabilidad, Modelos econométricos Distribuciones La distribucién normal. Sumas de variables aleatorias. Teorema central del limite. Aproximaciones. Modelizacién. Analisis no paramétricos Principios de inferencia estadistica. Teoria del control estadistico. Correlacién y regresién lineal de dos variables. Conceptos basicos de regresién multiple. Analisis de varianza 14. TECNOLOGIA Y SOCIEDAD Ciencia y Tecnologia. Perspectivas, tensiones y dilemas. La CTS (Ciencia, Tecnologia y sociedad). Necesidades sociales y desarrollo cientifico tecnolégico e innovacién en el actual contexto social. La investigacién cientifico tecnolégica en la construccién de conocimiento. La investigacién cientifico tecnolégica en el campo profesional. La difusién y socializacién y democratizacién del conocimiento. La innovacién tecnolégica. Su vinculo y conexién con el contexto social, econémico y ambiental. La innovacién tecnolégica en el mundo del trabajo: proceso de trabajo, relaciones laborales, rol del estado. Estrategias y gestion de la innovacién tecnolégica en las organizaciones. 15. PROCESAMIENTO DE DATOS Lenguajes de programacién para el procesamiento y andlisis de datos. Ejemplos mas utilizados en la actualidad. Diferentes usos seguin el tipo de proyecto/negocio. Herramientas de software para Ciencia de Datos. Comparacién y aplicaciones de diferentes entornos de software. Uso adecuado segtin los requerimientos del proyecto. La tecnologia de grandes datos en la actualidad. Concepto de grandes volimenes de datos. Diversas conceptualizaciones: macrodatos, datos masivos, inteligencia de datos o datos a gran escala Herramientas de software y técnicas para procesar grandes volimenes de datos. Ejemplos. Aplicaciones en diferentes campos profesionales. Importancia del proceso de visualizacion de la informacién. La representacién visual de datos los datos: herramientas y técnicas de visualizacion de la informacién: Técnicas para visualizacién de miltiples2020- Aro del centenai del aso al nmartaled el Genero! Manvel elarono” variables. Técnicas de storytelling para la presentacién de resultados. Buenas practicas en la generacién de reportes. Ejemplos y aplicaciones. SEGUNDO CUATRIMESTRE 16. CIBERSEGURIDAD Seguridad y ciberseguridad. Tipos de ataque. Estrategias de seguridad, control y reparacion de dafio. OWASP Top 10. Autenticacién vs Autorizacién. OAuth para generacion y validacién de token. Uso de Log-ins Cookies. Logs: registro y andlisis 17. GERENCIA DE PROYECTOS La Gestién de Proyectos. Elementos de la gestién. Etapas y criterios para la planificacién de proyectos. Financiamiento. Principios y estrategias de seguimiento, y control de gestion. Evaluacion de proyectos: técnicas y recursos. Analisis de resultados y elaboracién de conclusiones e informes del proyecto. Gestién de Calidad: normativas locales y estandares intemacionales. Prevencion de Riesgos Laborales, condiciones y medio ambiente del trabajo: lineamientos para la elaboracién de criterios de prevencién y actuacién. Cuidado del ambiente; eficiencia energética y uso racional de recursos naturales: criterios a tener en cuenta en el disefio y en el ciclo de vida del proyecto La gestién de proyectos en las organizaciones. Organizacién. Tipos, estructura y organigrama. Gestion de Recursos humanos. Trabajo colaborativo. Habilidades para el trabajo en equipo. Coordinacion de tareas. Ejercicio legal de la profesién. Normativa vigente. Responsabilidad y compromiso social 18. TESTEO DE SOFTWARE Importancia del testeo. Técnicas, Herramientas. TDD, Cl. Programacién UnitTest. Técnicas de caja blanca. Desarrollo de casos de pruebas unitarias. Manejo de excepciones. Herramientas de automatizacién. Pruebas de integracién. Seguridad de los sistemas de informacién. Documento de Pian de Pruebas, Casos de pruebas, Especificacién de disefio de casos, Logs de errores, Reportes de errores (bugs), Evidencias de pruebas, Reportes emitidos por herramientas de pruebas Tercer afio 19. PROCESAMIENTO DE IMAGENES Concepto de imagen y de pixel. Estructura de una imagen. Representaciones en escala de grises y en color. Histograma de una imagen. Transformaciones de imagenes. Aplicaciones de filtros. Cambios de tamafio. Ejemplos y aplicaciones. Transformadas de sefiales. Deteccién de patrones en imagenes. Deteccién de bordes. Segmentacién. Ejemplos y aplicaciones. Utilizacin de técnicas de Aprendizaje Automatico para procesamiento de imagenes. Tratamiento digital de sefiales unidimensionales. Sefiales y secuencias. Sistemas discretos. Respuesta al impulso y convolucién. Representacién de sefiales y sistemas en el dominio de la frecuencia. Tratamiento de sefiales bidimensionales. Sefiales2020~"Afo del Bentenaro del Patol inmartokd del General Manuel Belyoro"™ bidimensionales continuas. Transformada de Fourier 2D. Filtrado de sefales bidimensionales. Periodicidad. Tratamiento digital de sefiales 2D. Secuencias 2D e imagenes digitales Operaciones con imagenes. 20. MINERIA DE DATOS Concepto de dato e informacién. Tipos de variables: variables cuantitativas y cualitativas. Ejemplos Analisis de una variable (univariado). Estadisticos descriptivos (ejemplo: media, mediana, dispersién). Andlisis por gréficos. Andlisis de la relacién entre 2 0 mds variables (multivariado). Andlisis por graficos (ejemplo:diagrama de dispersién 2D, diagrama de dispersién 3D). Correlaciones. Conceptos de limpieza de datos. Datos faltantes. Deteccién de datos atipicos. Ejemplos de tratamiento de datos atipicos. Transformaciones de variables (ejemplo: normalizacién de una variable). Aplicaciones.Técnicas de Mineria de Datos (Data Mining). Importancia de la gestién eficaz de los datos en las organizaciones Concepto de Prediccién. Casos de Regresién vs casos de Clasificacién. Modelos para Regresién. Elaboracién del modelo. Caracteristicas. Medidas de rendimiento (performance) del modelo. Ejemplos y aplicaciones. Modelos para Clasificacién. Elaboracién del modelo. Caracteristicas. Medidas de rendimiento (performance) del modelo. Ejemplos y aplicaciones. Comparacién y seleccién de modelos. 21. APRENDIZAJE AUTOMATICO. Técnicas de Aprendizaje Automatico (Machine Learning). Definicién y flujo de un proceso de Machine Learning. Uso actual en la gestién del conocimiento empresarial. Diferencias entre programacién tradicional y entrenamiento. Tipos de algoritmos: Clustering Clasificacién, Regresién. Casos de Regresién vs casos de Clasificacién. Usos frecuentes. Concepto de Aprendizaje Supervisado y No Supervisado. Ejemplos. Modelos para Aprendizaje Supervisado. Elaboracién de! modelo. Caracteristicas. Medidas de rendimiento (performance). Ajustes del modelo. Ejemplos y aplicaciones. Modelos para Aprendizaje No Supervisado. Elaboracién del modelo. Caracteristicas. Ejemplos y aplicaciones. Comparacién y seleccién de modelos. 22. TECNICAS DE PROCESAMIENTO DE HABLA Modelos secuenciales para problemas de lenguaje natural. Interaccién escrita con el cliente. Andlisis de texto, Sintaxis y Semantica. Aplicaciones. Concepto entre Sintesis de Voz y Reconocimiento de habla. Semejanzas y Diferencias. Ejemplos. Aplicaciones. Utilizacion de técnicas de Aprendizaje Automético para procesamiento del habla. Modelos secuenciales para aplicaciones de audio, incluyendo reconocimiento del habla y sintesis de musica 23. DESARROLLO DE SISTEMAS DE INTELIGENCIA ARTIFICIAL7 2020- "Ato del centenario de Pose 9a nmertaiod del General Manse Begraio™ RDOBA Fundamentos de la Inteligencia Artificial Conceptos y definiciones. Ramas de la LA Aplicaciones de la Inteligencia Artificial. Técnicas de busqueda y resolucién de problemas: Busqueda no informada. Agente inteligente. Estructura de un agente inteligente. Arquitectura de agentes. Busqueda y resolucién de problemas: la definicién de! problema Espacio de estados. Representacién en el espacio de estados. Estrategias de bisqueda Algoritmos de busqueda no informada. Técnicas de biisqueda y resolucién de problemas: Busqueda informada. Bisqueda primero al mejor. Busqueda voraz. Representacién del conocimiento Formas de representacién del conocimiento: Sistemas de produccién. Busqueda e inferencia légica: Sistemas de resolucién. Encadenamiento hacia delante. Encadenamiento hacia atras. Estrategias de Resolucién Sistemas Expertos Definicion. Arquitectura de un sistema experto. Componentes principales. Aplicaciones.Ventajas y limitaciones. Redes Neuronales Definicién. Estructura de una red neuronal. Topologias. Campos de aplicacién. Predicciones de redes neuronales. Modelos neuronales. Redes neuronales de base radial. Arquitectura. Métodos de aprendizaje. 24, PRACTICA PROFESIONALIZANTE Il Es el espacio curricular destinado a posibilitar la integracién y contrastacién de los saberes transversales construidos en la formacién de los otros espacios, garantizando la articulacion tedrica — practica en los procesos formativos a través del acercamiento de los estudiantes a situaciones reales de trabajo que requieren de habilidades duras y el desarrollo de habilidades biandas. La practica profesionalizante, constituye una actividad formativa a ser cumplida por todos los estudiantes, con supervision docente, y la institucion debe garantizarla durante la trayectoria formativa, con actividades de complejidad gradual y creciente integrandola en el Proyecto Institucional de Practicas Profesionalizantes. Para lograr ese objetivo, En esta Practica Profesionalizante, los estudiantes podran disefiar procesos basados en secuencias de entradas de diferentes fuentes, detectadas y almacenadas en sistemas fisicos, produciendo determinados comportamientos en respuesta a dicha entrada, manejando imagenes digitales, imagenes provenientes de monitoreo de drones y Procesamiento del habla, entre otras tareas. Se debern planificar entregas de las diferentes etapas del desarrollo, donde el docente se Posiciona como cliente. El/ los proyectos que se desarrollen formaran parte del portfolio que cada estudiante generara como muestra de sus competencias a la hora de egresar y ejercer la profesién 6. CONDICIONES DE EGRESO Haber cursado y aprobado todos los espacios curriculares incluidos en la estructura de la carrera. 7. ALCANCE DEL TITULOENTRE CORDOBA BP rooos 2020- “Ao del cetenario del Pos la weertlied de Genero Manet Blgrano™ Del anidlisis de las actividades profesionales que se desprenden del Perfil Profesional, se establecen como alcances para el Técnico Superior en Ciencia de Datos e Inteligencia Artificial ~ disefiar, desarrollar e implementar técnicas de Machine Learning (aprendizaje automatico) Para su utilizacion aplicada a través de modelos predictivos, sistemas de recomendacion, ‘coring, reconocimiento de segmentos y clusters, entre otras. ~ _construir secuencias de analisis utilizando vigorosas librerias de datos pudiendo, incluso, construir librerias propias para su aplicacién en diferentes industrias. - construir redes neuronales y liderar exitosamente proyectos de Machine Learning que Permitan implementar vision por computadora y aplicarias a datos de imagenes. ~ _aplicar 1A para procesar audio y texto a partir de aplicaciones que permitan, por ejemplo, reconocimiento automatico del habla, sintesis de musica, chatbots, traduccién automatica, comprensién del lenguaje natural, entre otras posibilidades. - utilizar herramientas de ciberseguridad considerando tanto las posibilidades de ataque como de errores en los requerimientos, la implementacién o el despliegue, asi como tener en cuenta la confidencialidad de los datos suministrados por el usuario. - explora, limpiar y preparar diversas fuentes de datos antes de su procesamiento + disefiar visualizaciones de informacién y comunicarlas eficazmente ~ brindar asesoramiento 2 clientes que estén planificando el disefo y/o implementacién de una solucién que involucre Ciencia de Datos y/o inteligencia Artificial, analizando y recomendando diversas alternativas que mejor se ajusten a sus necesidades y posibilidades ~ _interpretar y producir documentacién técnica necesaria tomando en cuenta los criterios de eficiencia energética y la normativa existente de seguridad e higiene en medios, personas y medio ambiente para llevar adelante las diferentes actividades involucradas. = testear la calidad de la programacién realizada, la calidad de deep learning utilizada y de las aplicaciones desarrolladas. PERFIL PROFESIONAL, EI Técnico Superior en Ciencia de Datos e Inteligencia Artificial estara capacitado para realizar proyectos de innovacién que involucren actividades tanto del campo de la Ciencia de Datos como de la Inteligencia Artificial. Estard calificado para pensar con criterio estadistico situaciones de trabajo que involucren una amplia cantidad de datos, comprendiendo el ciclo de trabajo de la Ciencia de Datos dentro de una organizacién o para un cliente particular aplicando técnicas especificas. A partir de la consulta y la interpretacién de las necesidades del cliente y/u organizacién, podra implementar y modelar la solucién, para lo cual realiza las tareas de programacién y entrenamiento, pudiendo también realizar acciones de mantenimiento, mejoras y actualizaciones de soluciones. EI Técnico Superior podra participar activamente en el desarrollo colaborativo de proyectos de innovacién, interactuando con actores relacionados no con su disciplina, estableciendo el diélogo con especialistas del campo particuler en el cual esta inserto su proyecto de trabajo. EI Técnico Superior en Ciencia de Datos e Inteligencia Artificial trabaja en la adquisicién, captura, adecuacién y disponibilidad de datos siendo una parte importante de su trabajo la capacidad de disefiar visualizaciones de informacién acertadas y de comunicar eficazmente los hallazgosScoRdOBA BFE 2020- “Ao del enteric Peso al rata el Generel Marve Belgrano” obtenidos, traduciéndolos de manera comprensible a los roles no especializados de la organizacién ylo clientes. 9. PERFIL PROFESIONAL DEL DOCENTE Las denominaciones académicas de titulacién consignadas en el cuadro que a continuacién se expone, son orientativas. Para cubrir los Espacios Curriculares los postulantes deberdn contar con titulacién Superior® A los fines de la seleccién se debera considerar el “Perfil Docente” como instancia prioritaria* PERFIL DOCENTE* Denominaciones Espacios Académicas posibles* Cluicuiares | Conacimento | Gon experiencia en Profesor de Inglés noes Tic (evas | EImanejodetitioma | 2 Nel superior Finge teenologies) | eneleampo especiea Inglés, Traductor de Inglés. Etica y Deontologta Profesional Sistemas de Comunicacion Aspectos éticos y legales informaticos Experiencia y actuacién profesional en la disciplina Ingeniero en Sistemas Ingeniero en Computacién Licenciado en Sistemas de informacion Analista de Sistemas > Lay acon de Eavenin Super 1 24.52 * Vora snnteamamente as sredtacones qu rotenten los pofesonses er tan docerte * Se debe valor sontcatwererte al pesos! dcorteque mss re acerqe a lacorgackn delosconacnertosy expec bor! seta2020- Ao det Bcentenaro del Foro ola nrtalied de Genero! Manvel Betgrano® - Base de Datos, - Programacién | - Practica Profesionalizante | |. Ciberseguridad . Gerencia de Proyectos - Testeo de software - Tecnologia y [Sociedad = Programacién estructurada - Programacién Orientada a Objetos = Lenguaje Orientado a Objetos = Administraci6 nde motor de base de datos - Herramientas de testeo - Procesos de desarrollo de software = Programacién experiencia y actuaci6n profesional en la disciplina - Dictado de clases en el paradigma Orientado a Objetos - Disefio y gestion de bases de datos - Gestion de proyectos de software ~ Seguridad informatica - Testeo de software Ingeniero en Sistemas Licenciado en Sistemas de Informacién Analista de Sistemas Técnico Superior en Desarrollo de Software ~ Ciencia de Datos - Procesamiento de Datos ~ Procesamiento de imagenes Mineria de Datos ~ Aprendizaje ‘Automatico ~ Técnicas de Procesamiento de Habla Desarrollo de Sistemas de IA - Estadisticas y Exploracion de Datos ~ Practica Profesionalizante It - Practica Profesionalizante It ~ Légica ~ Analisis Matematico ~ Algebra Programacién Analisis de Bases de Datos Estadisticas Disefiar soluciones que involucren andlisis de datos Desarrollar sistemas de inteligencia artificial, que ademas involucren Vision Artificial 0 Procesamiento de Habla Ingeniero en Sistemas Licenciado en Sistemas de Informacién, Analista de Sistemas Técnico Superior en Desarrollo de Software 40. CAMPOS DE FORMACION. Seguin Resolucién C.F.E N° 229/14 — Anexo!S CORDOBA SPANESE 4 2020-1 de Bcentenario del Po 9 ls iortlted del Genera! Mone elano” [AREA DE FORMACION ‘CURSO | HORAS | HORAS | Porcen- RELOJ | TOTALES | "tie FORMACION GENERAL Inglés 1 teo | 64 Sistemas de Comunicacién tero | 32 192 | 12% Elica y Deontologia Profesional tero | 32 Inglés i 2do | 64 FORMACION DE FUNDAMENTO |Légica tero | 43 ‘Analisis Matematico reo | 43 ‘Algebra foro. #48 Ciberseguridad zao | 53 | 320 | 20% Gerencia de Proyectos | ado | 8 Testeo de software 2do | 83 Tecnologia y Sociedad a zdo | 32 FORMACION ESPECIFICA z Ciencia de Datos 2d0 107 Procesamiento de Datos 2do 64 Procesamiento de imagenes geo | Ot Minerta de Datos geo | os [Aprendizaje Automatica aero | 64 | 725 | 45% Frécnicas de Procesamiento de Habia [ero | 64 Desarrollo de Sistemas de 1A 7 3er0 75 Base de Datos Teo | 64 Estadisticas y Exporacion de Datos 240 33ScoRDOBA PTE 2020-"Ato sel Bcentenaro el Po als rmortolted se General Manvel elroro” Programacién | tero 107 | PRACTICA PROFESIONALIZANTE Practica Profesionalizante | tero | 174 Practica Profesionalizante I! 2d0 107 363 | 22% Practica Profesionalizante Ill 3er0 85 14. PRACTICAS FORMATIVAS Se establece que en cuanto al total de horas destinadas a practicas formativas: "corresponde un minimo del 33% de la carga horaria total de los campos involucrados y debe hallarse distribuida de manera equilibrada en todos los afios de la trayectoria formativa”. Las Practicas formativas estén destinadas a validar y perfeccionar saberes, habilidades y capacidades que deben alcanzar los estudiantes en relacion a un espacio curricular especifico o a un grupo articulado de ellos. | Campos de Formacion Se sugiere Articulacion | Estudio de casos relacionados a los espacios | curriculares del campo de la formacién de General fundamento, de la formacién especifica y de la practica profesionalizante y al peril profesional, con complejidad gradual y creciente Abordaje transversal Resolucién de situaciones _problematicas, simulacién, estudio de casos preferentemente en | ¢! curriculum Fundamento __articulacién con los otros campos de formacién y | basados en | orientados al perfil profesional | Propuestas auténticas eGOo que respondan a los [Estudio de situaciones reales 0 simuladas, intereses de los | resolucién de situaciones problematicas, ejercicios | estudiantes y articulen | de andlisis, ejercicios de optimizacién y/o | todos los espacios. modificacion de —desarrollos-—digitales, curriculares del preferentemente en arficulacién con los otros disefio, con foco en el campos de formacién y orientados al perfil| alcance y el perfil | profesional que habilten a: profesional propuesto Especitico - visualizar las problematicas actuales en relacion a la manipulacion, exploracién y preparacién de las fuentes de datos para su desemperio efectivo en el manejo de datos en empresas y organizaciones de distinto tipo.19 NTRE + CORDOBA Proves _2020- “Aa det Bcentenario del Psa ola inmortoled del Genera! Marvel elena” = tareas de investigacion mediante entrevistas ylo estudios de casos disponiendo de los Conjuntos de datos que representen esas | | problematicas detectadas, con el fin de analizar y comparar diferentes modelos de Data Mining y de Machine Learning para su | abordaje, haciendo especial hincapié en sus caracteristicas, ventajas y desventajas | - adecuacién de datos para su andlisis, como la creacién y caracterizacién de modelos de Data | Mining, Para el primer caso, se espera que los estudiantes puedan abordar las siguientes | practicas - _Deteccién de los objetivos: Definir el problema - Pre procesamiento de los datos: Obtencién, limpieza y adecuacién de datos. Deteccién de | datos atipicos en conjuntos de datos. | Determinacién de! modelo: Generar modelos, explorar y validar los modelos. Andlisis de los resultados. Implementar y actualizar los | modelos de acuerdo a resultados obtenidos Por otro lado, se espera que los estudiantes | también realicen las siguientes _ practicas vinculadas a modelos de Data Mining: - Creacién de modelos de regresion para | | conjuntos de datos de diversas problematicas | Creacién de modelos de clasificacién para conjuntos de datos de diversas problematicas. | Analisis de resultados y produccion de informes. Analisis comparativo de rendimiento | de modelos, evaluando ventajas y desventajas - _extraccién de datos para detectar patrones en los mismos y con ellos realizar la creacién de | modelos. Esta tarea supone también el analisis y comparacién de dichos modelos. ~ trabajar sobre conjuntos de datos de casos de regresion y clasificacién que representen diferentes problematicas. También disefiar algoritmos supervisados y no supervisados capaces de generalizar comportamientos y reconocer patrones a partir de informacion suministrada, - Analizar el problema / ejemplo y estudiar su complejidad eeeENTRE ~ CORDOBA $tooos 2020-0 de! Bcertenaro del Paso a nmertostod del General Manu Beigrano® Disefiar solucién factible del problema / ejemplo Detectar padrones de los datos y ajustar acciones del programa Disefiar algoritmes que den solucién al problema seleccionar y aplicar herramientas de software para el procesamiento de datos, a partir de | ejemplos coneretos. utlicen diversas herramientas aplicadas al| andlisis y creacién de modelos de complejidad creciente en diversos conjuntos de datos, particularmente, con grandes volimenes de datos a través de las técnicas especificas de Data Mining y Machine Learning analizar los resultados el rendimiento de los modelos y comparaciones entre herramientas, | evaluando las ventajas y desventajas en cada caso seleccionar cfiteriosamente y aplicar las herramientas mas eficaces para la visualizacién de la informacion, pudiendo | realizar un anélisis comparativo que ponga en valor las fortalezas y debilidades de cada una de elias estudio de casos sobre el proceso de caracterizacion de imagenes. _utlizando diversas fuentes, esto incluye transformar las imagenes, aplicar fitros y detectar patrones, obtener a partir de la imagen una descripcién util para el caso y analizar los resultados | obtenidos. | creacién de modelos de Aprendizaje Automatico a partir de conjuntos de imagenes para la resolucién de diversas problematicas, aplicando redes convolucionales a tareas de deteccién y reconocimiento visual a través de imagenes, video y otros datos 2D y 3D. Determinar la identidad y localizacion de objetos en una imagen Construir una representacién tridimensional del objeto. ‘Analizar un objeto para determinar su calidad. Descomponer un objeto o imagen en diferentes partes. Extraccion de | caracteristicas. Reconocimiento de patronesSORDOBA BF M _2020- “A del cetenaria cel Pool morte del General Manue! Beigrora” estudio de casos de interaccién entre la computadora y los seres humanos permitiendo interpretar el mensaje recibido. Conocimiento de procesos aciisticos. Creacién de sistemas de interaccién en forma escrita y/o hablada Andlisis de diversos textos Anélisis de resultados y creacién de informes. Creacién de modelos de Aprendizaje Automatico a partir de conjuntos (por ejemplo de textos) para la resolucién de diversas problematicas y la aplicacién de modelos secuenciales a aplicaciones de audio, _incluyendo reconocimiento del habla y sintesis de musica, entre otros 12. ACREDITACION DE SABERES DE TRAYECTORIAS FORMATIVAS DE OTROS AMBITOS Teniendo en cuenta la Resolucién del Consejo Federal de Educacién N° 295/16 “CRITERIOS PARA LA ORGANIZACION INSTITUCIONAL Y LINEAMIENTOS PARA LA ORGANIZACION DE LA OFERTA FORMATIVA PARA LA EDUCACION TECNICO PROFESIONAL DE NIVEL SUPERIOR" y, habiendo analizado y comparado los espacios curriculares del presente Diserio Curricular con los de: - Técnico en Programacién de nivel secund: (Marco de Referencia Res. CFE Nro 148/11), se acreditaran los siguientes espacios curriculares para los egresados con esa titulacion 1 Afio Programacién | Base de Datos Matematicas Logica - Técnico en Informatica Personal y Profesional de nivel secundario, (Marco de Referencia Res. CFE Nro 148/11), se acreditaran los siguientes espacios curriculares, para los egresados con esa titulacion. 1 Afio Programacién | Provenientes del campo de la formacién técnica - especifica de programacién (FTE)2020- “Ato del Bentenori del Paso ole inmortaliad del Genero! Manse Berane” Formacién Profesional Inicial de Programador Resolucién CFE N° 289/16, obtendran reconocimiento de saberes los estudiantes que acrediten su aprobacién para los espacios curriculares: ter. Aiio: Programacién | Base de Datos Etica y Deontologia Profesional y Practica Profesionalizante | - Capacitacién profesional Aplicacién de Procesamiento y Exploracién de Datos (aprobacién en trémite) obtendran reconocimiento de saberes los estudiantes que acrediten ‘su aprobacién para los espacios curriculares: 2do. Ao: Estadisticas y Exploracién de Datos Gerencia de Proyectos Ciencia de Datos Procesamiento de Datos Practica Profesionalizante Il - Capacitacién profesional Inteligencia Artificial Aplicada (aprobacion en trémite) obtendran reconocimiento de saberes los estudiantes que acrediten su aprobacién para los espacios curriculares: 3er. Afilo Mineria de Datos Aprendizaje Automatico Desarrollo de Sistemas de Inteligencia Artificial Practica Profesionalizante Ill 43. ACREDITACIONES PARCIALES. Teniendo en cuenta la Resolucién del Consejo Federal de Educacion N° 295/16 “CRITERIOS PARA LA ORGANIZACION INSTITUCIONAL Y LINEAMIENTOS PARA LA ORGANIZACION DE LA OFERTA FORMATIVA PARA LA EDUCACION TECNICO PROFESIONAL DE NIVEL SUPERIOR™ se reconocen los trayectos de formacién con acreditacién parcial, constituides por los espacios curriculares que forman en funciones y capacidades propias del perfil profesional, que se detallan a continuacién:2020- "Ato del lentenar del 809 a nortalidod del Genera! More! Begrano” Acreditacién Parcial Espacios curriculares Certificacién Profesional - Res. CFE N° 289/16 Programador Jer. Afio: Programacién | Base de Datos Etica y Deontologia Profesional Practica Profesionalizante | Certticacién Profesional - Res. en tramite Aplicacién de Procesamiento y Exploracién de Datos 2d0. Afio: Estadisticas y Exploracién de Datos Gerencia de Proyectos Ciencia de Datos Procesamiento de Datos Practica Profesionalizante Il Certificacién Profesional - Res. en trémite Ser. Afio Mineria de Datos Aprendizaje Automético Desarrollo de Sistemas de Inteligencia Aificial Practica Profesionalizante Ii Identificacién de la propuest N* 26.206. R SICE 170/18 Anexo I Grilla sintesis del disefio curricular presentado: CION JURISDICCIONAL Y LA EVALUACION 1S Y CERTIFICADOS DE ESTUDIOS ~ LEY ‘a. Normativa jurisdiccional de aprobacién: Res. Min. Nro. b. Sector/es de actividad socio productiva Terciario: Informatica ¢. Denominacién del perfil profesional ‘Técnico Superior en Ciencias de Datos e Inteligencia Artificial d. Familia profesional Informatica e. Denominacién del titulo Técnico Superior en Ciencias de Datos € Inteligencia Artificial AZ= CORDO 2120- Ao del Bcemterar el Pose Iiemortolded del General Manvel elrono” f. Nivel y Ambito de la trayectoria Nivel Superior y ambito de Educacién formativa/carrera’ Técnica de la modalidad de Educacién Técnico Profesional, segun Res. CFE Nro. 13/07 @. Duracién de la trayectoria formativa Zafios y medio h. Cohortes para las que se pide la validez de _| Seguin corresponda cuando se la titulacion (desde-hasta) implemente Componentes curriculares Respecto del referencial al perfil profesional: Indicar la presencia a. Alcance del Perfil Profesional Si b. Funciones que ejerce el profesional No cc. Area ocupacional si d. Habilitaciones profesionales No Respecto de la trayectoria formativa: El disefio de la trayectoria seguin los lineamientos de las Res. CFE Nro.295/16 y 229/14. Se extraera del disefic la siguiente informacién: Superior Para el formato o variante de diversificacién: ‘Campo formativo Carga horaria en horas reloj para cada campo Formacién general 192 Formacién de fundamento 320 Formacién especifica 726 Practicas Profesionalizantes 363S CORDOBA PRE 2020-"Afo dl entero del oso ol inmortalod del General Monue!Eeigrono” Carga Horaria (Mayor o igual a 1400 hs. reloj) 1601 |cS