Ministerio de Hacienda. II. Autoridades y personal. - B. Oposiciones y concursos. Personal laboral. (BOE-A-2024-25710)
Resolución de 2 de diciembre de 2024, de la Presidencia de la Autoridad Independiente de Responsabilidad Fiscal, AAI, por la que se convoca proceso selectivo para la provisión de plazas de personal laboral fijo, fuera de convenio, con la categoría de Titulado Superior.
15 páginas totales
Página
Zahoribo únicamente muestra información pública que han sido publicada previamente por organismos oficiales de España.
Cualquier dato, sea personal o no, ya está disponible en internet y con acceso público antes de estar en Zahoribo. Si lo ves aquí primero es simple casualidad.
No ocultamos, cambiamos o tergiversamos la información, simplemente somos un altavoz organizado de los boletines oficiales de España.
Cualquier dato, sea personal o no, ya está disponible en internet y con acceso público antes de estar en Zahoribo. Si lo ves aquí primero es simple casualidad.
No ocultamos, cambiamos o tergiversamos la información, simplemente somos un altavoz organizado de los boletines oficiales de España.
BOLETÍN OFICIAL DEL ESTADO
Martes 10 de diciembre de 2024
Sec. II.B. Pág. 167950
Tema 6. Panorámica general de las metodologías y microdatos (encuestas, datos
administrativos y big data) para la evaluación de políticas públicas en España.
Tema 7. La institucionalización de la evaluación en España y en el contexto
internacional. Mejores prácticas nacionales e internacionales.
Tema 8. La evaluación de políticas públicas en la Autoridad Independiente de
Responsabilidad Fiscal, AAI (AIReF).
Tema 9. La protección de datos personales. El tratamiento de datos personales.
Principios y derechos. Obligaciones. Las figuras del responsable y el encargado del
tratamiento.
Puesto «Científico/a de datos para la evaluación de políticas públicas»
Parte específica
Tema 1. Fundamentos de la ciencia de datos. Definición y conceptos de ciencia de
datos. Ciclo de vida y gestión de proyectos. Calidad, gobernanza y seguridad de los
datos (ENS, RGPD y técnicas de anonimización). Lenguajes de programación usados en
ciencia de datos (R, Python).
Tema 2. Recolección y preproceso de datos (procesos ETL). Selección y extracción
de datos (fuentes y formatos, redes sociales, data scraping). Limpieza de datos
(formatos e inconsistencia, análisis de atípicos, imputación de valores faltantes).
Procesos de transformación e integración de datos. Flujos de trabajo de datos.
Tema 3. Tecnologías de big data. Diseño de sistemas distribuidos de
almacenamiento (HDFS, S3, etc.) y para procesamiento (Spark, MapReduce, etc.).
Infraestructuras de big data en la nube.
Tema 4. Bases de datos relacionales y no relacionales. Diseño, optimización,
indexación y particionamiento de bases de datos relacionales (PostgreSQL, MySQL,
etc.). Data Warehouse y Data Lake. Lenguaje SQL de definición, consulta y manipulación
de datos. Bases de datos NoSQL: tipos y casos de uso (MongoDB, ElasticSearch, etc.).
Bases de datos analíticas o columnares: tipos y casos de uso (Cassandra, ClickHouse,
etc.).
Tema 5. Análisis estadístico. Estadística básica (muestreo, medidas de posición,
medidas de asociación, reducción de la dimensionalidad, extracción de características,
optimización, regresión paramétrica y no paramétrica, etc.). Inferencia estadística
(variables aleatorias, probabilidad, estimación puntual y por intervalos de confianza,
contrastes de hipótesis paramétricos y no paramétricos, etc.). Estadística bayesiana.
Lenguajes de programación aplicados al análisis estadístico.
Tema 6. Fundamentos de Aprendizaje automático: Validación y evaluación de
resultados. Extracción y selección de atributos. Métodos no supervisados (agrupamiento
jerárquico, k-means y derivados, canopy clustering). Métodos supervisados (algoritmo kNN, máquinas de soporte vectorial, redes neuronales, árboles de decisión, random
forest). Aprendizaje automático e inferencia causal. Lenguajes de programación
aplicados al aprendizaje automático.
Tema 7. Procesamiento de lenguaje natural y análisis de redes complejas. Uso de
modelos de lenguaje natural a través de APIs. Análisis de textos (procesamiento del
lenguaje natural, análisis de sentimientos). Análisis de redes (grafos y redes, detección
de comunidades, redes complejas).
Tema 8. Visualización de datos masivos: Herramientas gráficas de Business
Intelligence Tableau, Power Bi, QLikViewDomo…). Programación visualización
interactiva de información (Plotly, Matplotlib, Seaborn, Shiny, D3.js, etc.).
Tema 9. Análisis y visualización de datos geoespaciales. Sistemas de Información
Geográfica (GIS) y su integración con el análisis de datos. Análisis espacial, detección
de patrones geográficos en datos y autocorrelación espacial. Técnicas de mapeo de
datos: coropletas, mapas de calor, cartogramas. Visualización de datos espaciotemporales. Herramientas para la creación de mapas interactivos (QGIS, GeoPandas,
Leaflet, etc.).
cve: BOE-A-2024-25710
Verificable en https://www.boe.es
Núm. 297
Martes 10 de diciembre de 2024
Sec. II.B. Pág. 167950
Tema 6. Panorámica general de las metodologías y microdatos (encuestas, datos
administrativos y big data) para la evaluación de políticas públicas en España.
Tema 7. La institucionalización de la evaluación en España y en el contexto
internacional. Mejores prácticas nacionales e internacionales.
Tema 8. La evaluación de políticas públicas en la Autoridad Independiente de
Responsabilidad Fiscal, AAI (AIReF).
Tema 9. La protección de datos personales. El tratamiento de datos personales.
Principios y derechos. Obligaciones. Las figuras del responsable y el encargado del
tratamiento.
Puesto «Científico/a de datos para la evaluación de políticas públicas»
Parte específica
Tema 1. Fundamentos de la ciencia de datos. Definición y conceptos de ciencia de
datos. Ciclo de vida y gestión de proyectos. Calidad, gobernanza y seguridad de los
datos (ENS, RGPD y técnicas de anonimización). Lenguajes de programación usados en
ciencia de datos (R, Python).
Tema 2. Recolección y preproceso de datos (procesos ETL). Selección y extracción
de datos (fuentes y formatos, redes sociales, data scraping). Limpieza de datos
(formatos e inconsistencia, análisis de atípicos, imputación de valores faltantes).
Procesos de transformación e integración de datos. Flujos de trabajo de datos.
Tema 3. Tecnologías de big data. Diseño de sistemas distribuidos de
almacenamiento (HDFS, S3, etc.) y para procesamiento (Spark, MapReduce, etc.).
Infraestructuras de big data en la nube.
Tema 4. Bases de datos relacionales y no relacionales. Diseño, optimización,
indexación y particionamiento de bases de datos relacionales (PostgreSQL, MySQL,
etc.). Data Warehouse y Data Lake. Lenguaje SQL de definición, consulta y manipulación
de datos. Bases de datos NoSQL: tipos y casos de uso (MongoDB, ElasticSearch, etc.).
Bases de datos analíticas o columnares: tipos y casos de uso (Cassandra, ClickHouse,
etc.).
Tema 5. Análisis estadístico. Estadística básica (muestreo, medidas de posición,
medidas de asociación, reducción de la dimensionalidad, extracción de características,
optimización, regresión paramétrica y no paramétrica, etc.). Inferencia estadística
(variables aleatorias, probabilidad, estimación puntual y por intervalos de confianza,
contrastes de hipótesis paramétricos y no paramétricos, etc.). Estadística bayesiana.
Lenguajes de programación aplicados al análisis estadístico.
Tema 6. Fundamentos de Aprendizaje automático: Validación y evaluación de
resultados. Extracción y selección de atributos. Métodos no supervisados (agrupamiento
jerárquico, k-means y derivados, canopy clustering). Métodos supervisados (algoritmo kNN, máquinas de soporte vectorial, redes neuronales, árboles de decisión, random
forest). Aprendizaje automático e inferencia causal. Lenguajes de programación
aplicados al aprendizaje automático.
Tema 7. Procesamiento de lenguaje natural y análisis de redes complejas. Uso de
modelos de lenguaje natural a través de APIs. Análisis de textos (procesamiento del
lenguaje natural, análisis de sentimientos). Análisis de redes (grafos y redes, detección
de comunidades, redes complejas).
Tema 8. Visualización de datos masivos: Herramientas gráficas de Business
Intelligence Tableau, Power Bi, QLikViewDomo…). Programación visualización
interactiva de información (Plotly, Matplotlib, Seaborn, Shiny, D3.js, etc.).
Tema 9. Análisis y visualización de datos geoespaciales. Sistemas de Información
Geográfica (GIS) y su integración con el análisis de datos. Análisis espacial, detección
de patrones geográficos en datos y autocorrelación espacial. Técnicas de mapeo de
datos: coropletas, mapas de calor, cartogramas. Visualización de datos espaciotemporales. Herramientas para la creación de mapas interactivos (QGIS, GeoPandas,
Leaflet, etc.).
cve: BOE-A-2024-25710
Verificable en https://www.boe.es
Núm. 297
