Técnico/a Superior en Ciencias de Datos, Ayuntamiento de Barcelona (2026)

Temari Específic (TS Ciències de Dades) (continuación)

1. 3Tipus de dades: estructurades, no estructurades i semiestructurades.
2. 4Principals proveïdors de dades.
3. 5Enginyeria de dades versus ciència de dades: diferències i complementarietats.
4. 6Governança de dades. Sistemes corporatius de govern de les dades.
5. 7Definició i implementació dels fluxos de dades.
6. 8Càlcul. Nombres, funcions, derivació, integració, successions i sèries.
7. 9Àlgebra lineal. Vectors i matrius. Sistemes lineals. Espais vectorials.
8. 10Estadística descriptiva: mesures de tendència central i dispersió. Distribucions de probabilitat i les seves aplicacions.
9. 11Inferència estadística, estimació i contrast. Propietats dels estimadors. Estimació puntual i per interval. Estimació de la mitjana poblacional. Contrast de la mitjana poblacional. Anàlisi de la variància. Contrast d’hipòtesis. Contrast de mitjanes i proporcions. Contrast amb Chi2, la t de Student i F.
10. 12Anàlisi de correlació. Anàlisi de regressió: lineal, múltiple i logística.
11. 13Anàlisi estadística multivariant. La informació redundant. Anàlisi de components principals.
12. 14Anàlisi de sèries temporals. Mètodes clàssics de sèries temporals. Descomposició de sèries: component tendencial, cíclica, estacional i aleatòria. Mitjanes mòbils i allisat exponencial. Els models ARIMA.
13. 15Població, marc i mostra. Teoria del mostreig. Mostres aleatòries. Mostreig aleatori i altres tipus de mostreig. Mostreig per quotes. Mostreig aleatori simple. Determinació de la grandària de la mostra. Mostreig aleatori estratificat. Models d’afixació. Estratificació a posteriori. Mostreig per conglomerats unietàpic. Mostreig sistemàtic. Mostreig per conglomerats polietàpic. Mostreig per conglomerats bietàpic. Determinació del nombre d'unitats de primera i segona etapa.
14. 16Python per a ciència de dades: estructures i funcions bàsiques.
15. 17Llibreries de Python: NumPy, Pandas, Matplotlib, Scikit-learn i TensorFlow/ PyTorch.
16. 18Introducció a R per a l’anàlisi estadística.
17. 19Llibreries (packages) de R: tidyverse, data.table, lubridate, ggplot2.
18. 20QGIS: anàlisi i visualització de dades espacials.
19. 21Accés a serveis de dades mitjançant API i sistemes d’autenticació.
20. 22Tècniques d’ofuscació i d’anonimització de dades en entorns d’anàlisi i desenvolupament.
21. 23Consistència de la dada: fonaments, dimensions i mètriques d’avaluació. Dada única: disseny i implementació d’una font fiable.
22. 24Arquitectures centrades en la dada mestra: principis i models de gestió. Taules mestres: estructura, govern i rol en la integritat de la informació corporativa.
23. 25Metodologies àgils i DevOps en projectes de Ciència de dades.
24. 26Entorns integrats de desenvolupament (IDE) (Jupyter, Rstudio, Visual Studio Code).
25. 27Control de versions amb GIT: fonaments i bones pràctiques.
26. 28Eines de treball col·laboratiu. Principals funcions i usos.
27. 29Bases de dades SQL. Gestió de bases de dades relacionals.
28. 30Bases de dades NoSQL: tipologies, estructura, usos i avantatges.
29. 31Seguretat en bases de dades i control d'accés.
30. 32Models d’arquitectura Big Data. Models lambda i kappa, data fabric i data mesh.
31. 33Data Lakes, Data Warehouses i Data Lakehouses. Principals característiques.
32. 34Processament distribuït amb apache spark per a l’anàlisi de dades massives. Aplicació i principals usos.
33. 35Principals entorns i etapes del desplegament de codi. Desenvolupament, preproducció i producció.
34. 36Bones pràctiques en els gràfics, taules i mapes en les visualització de dades. Guies d’estils i accessibilitat.
35. 37Eines de visualització de dades. Shiny, RMarkdown, PowerBi.
36. 38Dashboards i informes interactius. Definició, estructura, usos, eines.
37. 39Storytelling amb dades. Definició, estructura, eines. Passos clau.
38. 40Fonaments de l’aprenentatge automàtic “machine learning”: tipus d'aprenentatge.
39. 41Algorismes d’aprenentatge supervisat: regressió i classificació. Màquina de vector de suport. Mètodes ensemble: boscos aleatoris, potenciació de gradient, i XGBoost.
40. 42Algorismes d’aprenentatge no supervisat: clusterització i reducció de dimensionalitat. Detecció d’anomalies. Sistemes de recomanació.
41. 43Xarxes neuronals i l’aprenentatge profund.
42. 44Processament del llenguatge natural (NLP) i les seves aplicacions. Models de Llenguatge de gran escala (LLM) i les seves aplicacions.
43. 45Aprenentatge per reforç i aplicacions en dades públiques.
44. 46Models generatius i aplicacions en Ciència de dades. Generació de dades sintètiques.
45. 47La Intel·ligència artificial explicable (XAI) i la interpretabilitat dels models.
46. 48Operacions de l’Aprenentatge Automàtic (MLOps) i gestió del cicle de vida dels models d'aprenentatge automàtic.
47. 49Protecció de dades personals (RGPD, LOPDGDD). El Reglament 2016/679 del Parlament Europeu i La Llei Orgànica 3/2018 de Protecció de Dades Personals i garantia dels drets digitals.
48. 50Normativa sobre ciberseguretat i protecció de dades sensibles. L'Esquema nacional de seguretat (ENS).
49. 51Drets digitals i drets de la ciutadania en la societat de la informació. Llei 19/2014, del 29 de desembre, de transparència, accés a la informació pública i bon govern.
50. 52Canals de transparència i accés a la informació pública. Dades obertes en l’Administració Pública i reutilització de la informació.
51. 53El secret estadístic. Principis bàsics i objectius.
52. 54L'estadística oficial. Principis i principals organitzacions i agents. El Sistema estadístic de Catalunya.
53. 55Unitats i classificacions (territorials / econòmiques).
54. 56Ètica i privacitat en l’ús de dades en el sector públic. Protocol per implantar amb garanties la intel·ligència artificial en tots els serveis municipals.
55. 57Regulació europea sobre intel·ligència artificial i ús de dades. Objectius i principis clau. Reglament (UE) 2024/1689 del Parlament Europeu i del Consell, de 13 de juny de 2024, pel qual s'estableixen normes harmonitzades en matèria d'intel·ligència artificial.
56. 58El Portal Barcelona Dades.
57. 59Principals indicadors i fonts de les dades sobre població i demografia.
58. 60Principals indicadors i fonts de dades sobre economia, hisenda, treball, turisme, comerç i renda.
59. 61Principals indicadors i fonts de dades sobre medi urbà, territori, urbanisme, clima i medi ambient.
60. 62Principals indicadors i fonts de dades sobre transports i mobilitat.
61. 63Principals indicadors i fonts de dades sobre edificis, habitatge i mercat immobiliari.
62. 64Principals indicadors i fonts de dades sobre societat, salut, educació, seguretat, cultura i gènere.
63. 65Principals indicadors i fonts de dades sobre política i estadístiques electorals.
64. 66Principals indicadors i fonts de dades sobre administració pública, participació ciutadana, pressupostos i recursos humans.
65. 67El Pla d’estudis sociològics de l’Ajuntament de Barcelona.
66. 68L’Enquesta de serveis municipals.
67. 69El Baròmetre polític municipal.
68. 70L’Enquesta de valors socials.
69. 71L’Enquesta sociodemogràfica de Barcelona.
70. 72Llei 31/1995, de 8 de novembre, de prevenció de riscos laborals: objecte, àmbit d'aplicació i definicions. Política en matèria de prevenció de riscos per protegir la seguretat i la salut en el treball. Drets i obligacions. Consulta i participació del personal. El Reglament d'ús de la llengua catalana de l'Ajuntament de Barcelona.