Asociado certificado por NVIDIA

Ciencia de Datos Acelerada

(NCA-ADS)

Sobre Esta Certificación
Preparación Para El Examen
Esquema del Examen
Contáctenos

Sobre Esta Certificación
Preparación Para El Examen
Esquema del Examen
Contáctenos

Sobre Esta Certificación

La Certificación en Ciencia de Datos Acelerada por NCA es una credencial de nivel intermedio que valida la competencia de un candidato para aprovechar herramientas y bibliotecas aceleradas por GPU para los workflows de ciencia de datos. El examen se hace en línea y se supervisa de forma remota, incluye de 50 a 60 preguntas y tiene un límite de tiempo de 60 minutos.

Revise cuidadosamente nuestras Preguntas Frecuentes de Certificación y nuestras Políticas sobre Exámenes antes de programar su examen.

Si tiene alguna pregunta, contáctenos aquí.

Nota importante: para acceder al examen, deberá crear una cuenta de Certiverse.

Detalles del Examen de Certificación

Duración: 60 minutos

Precio: 125 dólares

Nivel de certificación: Asociado

Asunto: Ciencia de datos acelerada

Número de preguntas: 50–60

Requisitos previos: 1 o 2 años de experiencia en ciencia de datos acelerada, usando herramientas basadas en GPU para procesar y analizar grandes conjuntos de datos de manera eficiente, y mejorar el desempeño de las cargas de trabajo de Machine Learning, ETL y análisis.

Idioma: Inglés

Validez: Esta certificación tiene una validez de dos años a partir de su fecha de emisión. Se puede conseguir la certificación de nuevo mediante una nueva presentación al examen.

Credenciales: al aprobar el examen, los participantes reciben una insignia digital y un certificado opcional que indica el nivel de certificación y el tema.

Preparación Para El Examen

Temas Que Cubre el Examen

Estructuras de Datos Avanzadas
Manipulación y Preparación de Datos
Pipelines de Ciencia de Datos y Automatización de Workflows
Visualización y Análisis Descriptivo
Bases de la Ciencia de Datos Acelerada
Prácticas Introductorias de MLOps
Machine Learning con NVIDIA RAPIDS™
Administración de Entornos y Software

Audiencias Candidatas

Científicos de datos
Analistas de datos
Ingenieros de datos
Ingenieros de machine learning
Ingenieros de IA DevOps
Ingenieros de software
Arquitectos de soluciones
Ingenieros de desempeño de deep learning
Investigadores

Ruta de Aprendizaje de Certificación

Acelere los Workflows de Ciencia de Datos Completos

En este curso autogestionado, aprenderá a crear y ejecutar workflows integrales de ciencia de datos acelerados por GPU que le permitirán explorar, iterar y poner su trabajo en producción rápidamente.

Nota: Este curso también se ofrece como un taller dirigido por instructores.

Más Información Sobre este Curso

Introducción al Pronóstico de Series Temporales

¡Próximamente!

Mejores Prácticas en Ingeniería de Funciones para Datos Tabulares con Aceleración por GPU

Aprenda a mejorar el desempeño de los modelos para grandes conjuntos de datos mediante la ingeniería de funciones usando bibliotecas Python aceleradas por GPU.

Más Información Sobre este Curso

Guía de Estudio Del Examen

DISPONIBLE PRONTO.

Esquema del Examen

La siguiente tabla proporciona una descripción general de las áreas temáticas cubiertas en el examen de certificación y cuánto del examen se centra en ese tema.

Áreas Temáticas	% del Examen	Temas Abarcados
Manipulación y Preparación de Datos	23%	Integración, unión y manipulación de datos mediante NVIDIA cuDF y pandas Limpieza de datos, manejo de calidad y cumplimiento normativo Workflows ETL acelerados por GPU con RAPIDS, Dask o Spark Ingeniería de características para variables numéricas y categóricas Manejo del desequilibrio de clases y generación de datos sintéticos Reducción de la dimensionalidad y muestreo de datos Procesamiento y almacenamiento eficientes con Parquet y frameworks modernos
Machine Learning con RAPIDS	16 %	Entrenamiento de modelos acelerado por GPU con NVIDIA cuML y XGBoost Técnicas de regresión, clasificación y agrupamiento Evaluación, comparación y generalización de modelos Ajuste y optimización de hiperparámetros Métodos de validación cruzada Métricas de desempeño e interpretación de matrices de confusión
Pipelines de Ciencia de Datos y Automatización de Workflows	13 %	Diseño integral de pipeline de ciencia de datos Ingeniería, selección y transformación de características para la mejora de modelos Mitigación de subadaptación y superadaptación mediante ajustes de modelos y características Aumento e integración de conjuntos de datos para la optimización de los datos de entrenamiento Automatización y escalabilidad de los workflows de ciencia de datos Creación de procesos reproducibles con RAPIDS y Dask
Visualización y Análisis Descriptivo	13 %	Análisis de datos exploratorio (EDA) y estadísticas descriptivas Visualización Seleccionar gráficas apropiadas para diferentes objetivos de análisis Pruebas de hipótesis y evaluación de la significación estadística Interpretación de patrones, tendencias y relaciones en los datos
Bases de la Ciencia de Datos Acelerada	12%	Conceptos básicos de Python para el análisis de datos (NumPy, pandas, Jupyter) Conceptos y ventajas fundamentales de la aceleración por GPU para la ciencia de datos Cargas de trabajo de CPU frente a GPU y optimización de la transferencia de memoria Workflow completo de ciencia de datos (ingesta, ETL, limpieza, transformación) Frameworks de computación distribuida frente a frameworks acelerados por GPU Parámetros de modelos, ajuste y conceptos de sobreajuste y subajuste
Prácticas Introductorias de MLOps	10%	Monitoreo y optimización de pipelines de Machine Learning (ML) para lograr el desempeño y la confiabilidad Administrar y rastrear experimentos con MLflow, Weights & Biases y herramientas personalizadas Guardado, carga y generación de predicciones de modelos Monitoreo de modelos de producción para la deriva y la degradación del desempeño Administración de artefactos y configuraciones de modelos para la reproducibilidad Evaluación de workflows y selección de hardware óptimo
Estructuras de Datos Avanzadas	7 %	Manejo, división y evaluación del proceso de pronóstico de datos de series temporales Administración de marcas de tiempo faltantes o irregulares con interpolación cuDF Desempeño del CPU en comparación con el GPU para el análisis temporal Representación y análisis de datos basados en gráficos Evaluación de la importancia de los nodos y visualización de relaciones de red
Administración de Entornos y Software	6 %	Contribuir a la reproducibilidad en los proyectos de ciencia de datos mediante el mantenimiento de archivos de entorno Configuración de entornos reproducibles Python mediante Conda, PIP o Docker Administrar las dependencias del software de manera eficiente y colaborar en entornos de ciencia de datos de múltiples usuarios Realizar la comprobación del entorno de GPU (compatibilidad con driver/CUDA/RAPIDS, nvidia-smi, visibilidad de dispositivos) y resolver un conflicto de dependencia Comprender los conceptos básicos del control de versiones mediante git

Obtenga la Certificación

Regístrese ahora para dar el siguiente paso en su carrera con una certificación reconocida por la industria.

Registrarse para el Examen

Contáctenos

NVIDIA ofrece capacitaciones y certificaciones para profesionales que buscan mejorar sus habilidades y conocimientos en el campo de la IA, la computación acelerada, la ciencia de datos, las redes avanzadas, los gráficos, la simulación y más.

Contáctenos para obtener información sobre cómo podemos ayudarle a lograr sus objetivos.

Contáctenos

Manténgase Actualizado

Reciba noticias sobre capacitación, anuncios y más de NVIDIA, incluida la información más reciente sobre nuevos cursos autogestionados, talleres dirigidos por instructores, capacitaciones gratuitas, descuentos y más. Puede darse de baja en cualquier momento.

Regístrese