CompTIA DataX

Resumen de los objetivos del examen DataX (V1)

Matemáticas y estadística (17%)

• Métodos estadísticos: aplicación de pruebas t, pruebas de chi-cuadrado, análisis de varianza (ANOVA), pruebas de hipótesis, métricas de regresión, índice de Gini, entropía, valor p, característica operativa del receptor/área bajo la curva (ROC/AUC), criterio de información de Akaike/criterio de información bayesiano (AIC/BIC) y matriz de confusión.
• Probabilidad y modelado: explicación de distribuciones, asimetría, curtosis, heterocedasticidad, función de densidad de probabilidad (PDF), función de masa de probabilidad (PMF), función de distribución acumulativa (CDF), datos faltantes, sobremuestreo y estratificación.
• Álgebra lineal y cálculo: comprensión de rango, valores propios, operaciones matriciales, métricas de distancia, derivadas parciales, regla de la cadena y logaritmos.
• Modelos temporales: comparación de series de tiempo, análisis de supervivencia e inferencia causal.

Modelado, análisis y resultados (24%)

• Métodos EDA: uso de técnicas de análisis exploratorio de datos (EDA) como análisis univariado y multivariado, gráficos, diagramas e identificación de características.
• Problemas de datos: análisis de datos dispersos, no linealidad, estacionalidad, granularidad y valores atípicos.
• Enriquecimiento de datos: aplicación de ingeniería de características, escalamiento, geocodificación y transformación de datos.
• Iteración del modelo: realización del diseño, evaluación, selección y validación.
• Comunicación de resultados: crear visualizaciones, seleccionar datos, evitar gráficos engañosos y garantizar la accesibilidad.

Aprendizaje automático (24%)

• Conceptos fundamentales: aplicación de funciones de pérdida, compensación entre sesgo y varianza, regularización, validación cruzada, modelos de conjunto, ajuste de hiperparámetros y fuga de datos.
• Aprendizaje supervisado: aplicación de regresión lineal, regresión logística, k vecinos más cercanos (KNN), bayes ingenuo y reglas de asociación.
• Aprendizaje basado en árboles: aplicación de árboles de decisión, bosque aleatorio, boosting y agregación bootstrap (bagging).
• Aprendizaje profundo: explicación de las redes neuronales artificiales (ANN), la deserción, la normalización por lotes, la retropropagación y los marcos de aprendizaje profundo.
• Aprendizaje no supervisado: explicación de la agrupación en clústeres, la reducción de dimensionalidad y la descomposición en valores singulares (SVD).

Operaciones y procesos (22%)

• Funciones comerciales: explicación del cumplimiento, indicadores clave de rendimiento (KPI) y recopilación de requisitos.
• Tipos de datos: explicación de datos generados, sintéticos y públicos.
• Ingesta de datos: comprensión de pipelines, streaming, procesamiento por lotes y linaje de datos.
• Manejo de datos: implementación de limpieza, fusión, imputación y etiquetado de verdad fundamental.
• Ciclo de vida de la ciencia de datos: aplicación de modelos de flujo de trabajo, control de versiones, código limpio y pruebas unitarias.
• DevOps y MLOps: explicación de la integración continua/implementación continua (CI/CD), implementación de modelos, orquestación de contenedores y monitoreo del rendimiento.
• Entornos de implementación: comparación de la contenedorización, la nube, la implementación híbrida, el borde y las instalaciones locales.

Aplicaciones especializadas de la ciencia de datos (13%)

• Optimización: comparación entre optimización restringida y sin restricciones.
• Conceptos de PNL: explicación de técnicas de procesamiento del lenguaje natural (PNL) como tokenización, incrustaciones, frecuencia de término-frecuencia de documento inversa (TF-IDF), modelado de temas y aplicaciones de PNL.
• Visión por computadora: explicación del reconocimiento óptico de caracteres (OCR), la detección de objetos, el seguimiento y el aumento de datos.
• Otras aplicaciones: explicación del análisis de gráficos, aprendizaje de refuerzo, detección de fraude, detección de anomalías, procesamiento de señales y otros.