Manejo De Power Bi Intermedio

Este curso está dirigido a: Analistas de Datos: Profesionales que trabajan analizando grandes volúmenes de datos y buscan mejorar su capacidad para gestionar y visualizar estos datos de manera avanzada. Desarrolladores de BI: Aquellos que se dedican a desarrollar soluciones de inteligencia de negocios y necesitan profundizar en herramientas avanzadas de Power BI. Responsables de Informes y Dashboards: Personas encargadas de crear y gestionar informes y dashboards interactivos para la toma de decisiones en su organización. Gerentes de Proyectos de Datos: Profesionales que lideran proyectos de análisis de datos y requieren un manejo avanzado de las herramientas de Power BI para optimizar procesos y presentar resultados.

• AE3: Desarrollar cálculos y medidas avanzadas utilizando DAX
• Según información del usuario AE1: Optimizar modelos de datos con relaciones complejas y seguridad a nivel de fila, según manual del usuario AE5: Usar Power Bi en la publicación de informes y dashboards, según estándares de la empresa AE2: Automatizar tareas avanzadas de limpieza y transformación de datos en Power Query
• Según lineamientos de la empresa AE4: Crear informes interactivos con visualizaciones avanzadas
• De acuerdo a los estándares de la empresa

• ¿ Conocimientos Básicos en Power BI: Los participantes deben tener un conocimiento previo de Power BI, incluyendo la creación de informes, conexión a fuentes de datos y modelado básico de datos. ¿ Familiaridad con Funciones DAX Básicas: Los participantes deben haber trabajado previamente con funciones básicas de DAX, como la creación de medidas simples. ¿ Capacidad de Resolución de Problemas: Los participantes deben estar acostumbrados a resolver problemas complejos relacionados con la gestión y análisis de datos. ¿ Habilidades Técnicas Intermedias: Deben tener habilidades técnicas suficientes para trabajar con bases de datos, entender conceptos de modelado de datos y aplicar fórmulas o funciones avanzadas en entornos de análisis. ¿ Orientación a la Mejora Continua: Los participantes están motivados para mejorar constantemente sus procesos y capacidades en el uso de herramientas de análisis de datos

Esta metodología organiza cada módulo en torno a actividades prácticas, donde los estudiantes aprenden haciendo. Cada módulo se enfoca en una tarea específica que corresponde a las habilidades clave necesarias para trabajar con Power BI. Al final del curso, los estudiantes habrán construido proyectos completos, adquiriendo competencias prácticas y transferibles al entorno laboral. Se desglosa de acuerdo con los AE Módulo 1: Modelado de Datos Avanzado AE1: Optimizar modelos de datos con relaciones complejas y seguridad a nivel de fila, según manual del usuario Demostración Guiada: El instructor muestra cómo optimizar modelos y aplicar RLS con un ejemplo en vivo. Ejercicio Práctico Guiado: Los alumnos siguen un ejercicio paso a paso con un conjunto de datos preconfigurado, aplicando relaciones complejas y RLS. Proyecto Individual: Los alumnos optimizan un modelo de datos más complejo de forma autónoma y aplican RLS en un caso práctico. Evaluación y Feedback: El instructor revisa

Se aplicará una prueba escrita con preguntas a desarrollar para medir el nivel de conocimientos alcanzados sobre: Descripción del equipo, estabilidad de carga, electricidad básica del equipo, procedimientos para mover la máquina, normas de seguridad, Las leyes de tránsito, etc. La evaluación mínima es de nota 4 en escala de 1 a 7. Los talleres prácticos se evaluarán con Pauta de Cotejo de aplicación de conocimientos en conceptos aplica / no aplica. La escala será de 1 a 100 siendo el 75 % la nota mínima de aprobación Los criterios de evaluación de acuerdo con los módulos Módulo 1: Modelado de Datos Avanzado Aprendizaje Esperado (AE1): AE1: Optimizar modelos de datos con relaciones complejas y seguridad a nivel de fila, según manual del usuario ¿ Criterios de Evaluación: o Implementación correcta de relaciones complejas entre tablas (incluyendo claves compuestas y relaciones bidireccionales). o Optimización del rendimiento del modelo de datos, mejorando tiempos de respuesta y us