Tareas a realizar

1) Preparación de datos. Requerirá un gran número de horas de ingeniería de datos para la preparación de los datos antes de estar preparados para el uso con las herramientas y algoritmos. Esto implica adquisición de datos de procesos, recogida e importación de otras fuentes, curación de datos (filtrado, imputación de datos faltantes, etc.), estructurado de los datos en un formato adecuado para uso general y elaboración de documentación de alta calidad del proceso para uso futuro y reproducibilidad. 2) Programación de algoritmos. Se requerirá la programación de algoritmos de aprendizaje automático (machine learning, ML) y la integración de éstos con los diversos elementos de las aplicaciones. 3) Interfaz de visualización de datos. Esta tarea requerirá el renderizado de visualizaciones avanzadas de los datos y de los resultados de los algoritmos. Incluye también la programación de los mecanismos de interacción necesarios usuario-interfaz, que permitan reconfigurar la visualización durante el proceso de análisis. También implicará la optimización de la interfaz en cuanto a tiempos de respuesta, fluidez, etc. 4) Despliegue de las aplicaciones. Esta tarea implica la integración de todos los elementos anteriores en aplicaciones operativas. Incluye también el despliegue de las mismas en servidores y/o en plataformas en la nube (tipo Amazon AWS, Google Cloud, Microsoft Azure, etc.) que permitan el acceso remoto via web.