Especialista en Ciencia de Datos
Código 2511.C
¿Qué hace un Especialista en Ciencia de Datos?
Los científicos de datos detectan, interpretan y fusionan fuentes de datos. Son capaces de gestionar grandes cantidades de datos, garantizar la coherencia de esos conjuntos y crear visualizaciones a fin de ayudar a su comprensión. Pueden elaborar presentaciones para comunicar información y conclusiones sobre datos a especialistas, científicos en su equipo o a un público no especializado. Ellos se basan en modelos matemáticos y pueden recomendar formas de aplicar los datos.
¿Estás definiendo o contratando un cargo de Especialista en Ciencia de Datos?
Usa este perfil como punto de partida. Ajusta responsabilidades y criterios de evaluación a lo que tu equipo realmente necesita.
El enlace a la app abre el registro. Podrás crear tu cargo al ingresar.
Habilidades esenciales
Conocimientos
- Análisis exploratorio de datos
- Desafíos específicos en el análisis de datos de salud
- Ecosistemas Big Data
- GIT
- Hadoop
- ML (programación informática)
- Monitoreo y evaluación continua de los resultados de las decisiones
- Métodos de visualización y exploración de datos
- PostgreSQL
- Python (programación informática)
- SPARK
- SQL Server
- Sistemas de control centralizados y distribuidos
- Sistemas de control de versiones
- Spark Core
- Spark SQL
- Spark Streaming
- Técnicas de normalización y análisis de datos
- algoritmos
- anomalías del software
- base de datos
- diseño orientado a objetos
- estadística
- extracción de datos
- gestión de proyectos basada en metodologías ágiles
- gestión de proyectos de TIC
- gestión de proyectos según la metodología Lean
- herramientas de desarrollo de bases de datos
- herramientas para la gestión de la configuración del software
- lenguajes de consulta
- metodología ágil de desarrollo de software
- metodologías de diseño de software
- metodologías de gestión de proyectos de TIC
- modelo de desarrollo en cascada
- modelo híbrido
- modelos de datos
- software de entorno de desarrollo interactivo
- teoría de la probabilidad
- técnicas de presentación visual
Habilidades y competencias
- Administrar el flujo de trabajo con GitHub
- Analizar series de tiempo
- Configurar un GIT
- Desarrollar herramientas de navegación y localización de imágenes médicas
- Evaluar de modelos predictivos
- Fomentar una cultura que valora la seguridad y la ética en el manejo de los datos
- Formular modelos de aprendizaje no supervisados
- Formular modelos de aprendizaje supervisado
- Gestionar ramas de código abierto
- Gestionar repositorios remotos
- Implementar Apache Spark en la nube
- Implementar modelos de Machine Learning
- Interpretar datos de wearables
- Interpretar los resultados del análisis de datos
- Optimización de funciones multivariadas
- Realizar análisis exploratorio
- Solucionar problemas de compatibilidad de datos entre sistemas interconectados en salud
- compilar sistemas de recomendación
- crear diagramas de bases de datos
- crear modelos de datos
- definir la estructura física de bases de datos
- definir requisitos técnicos
- desarrollar aplicaciones de procesamiento de datos
- establecer procesos de datos
- gestionar bases de datos
- gestionar cambios en el sistema de TIC
- gestionar datos
- identificar las necesidades y expectativas del cliente
- integrar datos de las TIC
- normalizar datos
- proporcionar presentaciones visuales de datos
- realizar una limpieza de datos
- utilizar aprendizaje automático
- utilizar bibliotecas de software
- utilizar lenguajes de consulta
- utilizar programación orientada a objetos
- utilizar sistema de tickets de TIC
- utilizar técnicas de tratamiento de datos
Competencias transversales
- Realizar cálculo diferencial en mútiples variables
- Realizar cálculo diferencial en una variable
- adaptarse a los cambios de los planes de desarrollo tecnológico
- aplicar métodos de análisis estadísticos
- calcular duración del trabajo
- calcular probabilidades
- construir modelos predictivos
- ejecutar cálculos matemáticos analíticos
- evaluación de la calidad de los datos
Descarga el perfil de cargo
Te enviamos el perfil listo para pegar en tu aviso: propósito, habilidades esenciales, deseables y qué conviene evaluar. Un correo, sin registro.
Qué conviene evaluar en este cargo
Los conocimientos técnicos se verifican con pruebas y referencias. Lo que no aparece en el currículum son las competencias transversales, y son las que explican la mayoría de las contrataciones fallidas. Antes de cerrar, conviene medirlas con una batería estandarizada.
Ver evaluación psicolaboralCargos similares
Otros puestos del mismo grupo, útiles si el cargo que buscas no calza exacto.
¿Necesitas encontrar este perfil?
Buscamos, filtramos y evaluamos candidatos para este tipo de cargo, con garantía de reemplazo. Proceso ágil y precio por cargo, sin porcentajes sobre la renta.
En Obrii App el perfil se transforma en descriptor de cargo, filtro de currículums y pauta de entrevista.
Fuentes
Este servicio utiliza la Taxonomía Mapha desarrollada por OTIC SOFOFA (CC BY 4.0) y la clasificación ESCO de la Comisión Europea, en una versión adaptada. Los códigos de grupo provienen de la ISCO-08 de la OIT. Ver fuentes y licencias