Módulo 1 — Pregunta urbana y datos: limpieza y normalización

1.1 Fundamentos, alcance y criterio profesional: Aborda Pregunta urbana y datos: limpieza y normalización desde el problema concreto de limpieza y normalización, relacionando limpieza y normalización con el comportamiento esperado del sistema o proceso. El alumno aprende a identificar mecanismos, dependencias y restricciones antes de ejecutar cálculos o mediciones. Se documentan supuestos, criterios stop/go y señales que invalidan una conclusión, evitando respuestas genéricas que no puedan defenderse ante un revisor. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

1.2 Datos, preparación y calidad de entrada: Prepara las entradas de Pregunta urbana y datos: limpieza y normalización: fuentes, unidades, fechas, versiones, cobertura y responsable. Se organizan datos sobre limpieza y normalización y se contrastan con limpieza. El alumno detecta vacíos, valores improbables y conflictos de información, clasifica cada dato por nivel de confianza y define qué evidencia adicional necesita antes de aumentar la fidelidad del análisis. Esta disciplina evita construir una decisión precisa en apariencia sobre entradas débiles. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

1.3 Método, herramienta y comprobación: Utiliza GIS/BIM como instrumento de decisión para Pregunta urbana y datos: limpieza y normalización, no como fin del ejercicio. El alumno define entradas y controles, analiza limpieza y normalización, revisa sensibilidad y detecta salidas incompatibles con el comportamiento esperado. El método debe ser reproducible y explicar qué parte del resultado depende de la herramienta, qué parte de la evidencia y qué supuestos permanecen abiertos. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

1.4 Riesgos, interfaces y controles: Evalúa cómo sesgo de datos puede comprometer Pregunta urbana y datos: limpieza y normalización. A partir de limpieza y normalización, se identifican escenarios, barreras y puntos de inspección; después se priorizan acciones por criticidad y facilidad de detección. Cada medida incluye una forma concreta de verificación, evitando considerar cerrado un riesgo solo porque exista un procedimiento o una intención de control. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

1.5 Entregable y aplicación profesional: Cierra Pregunta urbana y datos: limpieza y normalización mediante modelo o dataset urbano. El documento integra alcance, fuentes, hipótesis, análisis de limpieza y normalización, resultados, riesgos residuales y próximos pasos. Se exige trazabilidad entre dato y conclusión y un criterio de aceptación claro, de forma que la entrega pueda utilizarse en coordinación, revisión, aprobación o actualización sin depender de explicaciones informales. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

Módulo 2 — GIS y estructura espacial: limpieza

2.1 Fundamentos, alcance y criterio profesional: Construye el marco técnico de GIS y estructura espacial: limpieza para limpieza y normalización. El bloque utiliza limpieza como hilo conductor y revisa condiciones previas, variables dominantes y errores de interpretación. Se exige declarar qué información está confirmada, qué se estima y qué requiere verificación adicional. La salida es un esquema de decisión que permite justificar por qué una comprobación es suficiente o por qué debe escalarse a un nivel de mayor profundidad. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

2.2 Datos, preparación y calidad de entrada: Convierte los datos de limpieza en entradas verificables para GIS y estructura espacial: limpieza. Se aplican comprobaciones de consistencia, orden de magnitud, completitud y procedencia, relacionándolas con normalización. El resultado es una ficha de información que deja explícitos supuestos y limitaciones y permite que otro profesional entienda qué se sabe realmente antes de interpretar el resultado. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

2.3 Método, herramienta y comprobación: Utiliza Python/SQL como instrumento de decisión para GIS y estructura espacial: limpieza, no como fin del ejercicio. El alumno define entradas y controles, analiza limpieza, revisa sensibilidad y detecta salidas incompatibles con el comportamiento esperado. El método debe ser reproducible y explicar qué parte del resultado depende de la herramienta, qué parte de la evidencia y qué supuestos permanecen abiertos. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

2.4 Riesgos, interfaces y controles: Evalúa cómo indicador mal definido puede comprometer GIS y estructura espacial: limpieza. A partir de limpieza, se identifican escenarios, barreras y puntos de inspección; después se priorizan acciones por criticidad y facilidad de detección. Cada medida incluye una forma concreta de verificación, evitando considerar cerrado un riesgo solo porque exista un procedimiento o una intención de control. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

2.5 Entregable y aplicación profesional: Formaliza GIS y estructura espacial: limpieza en dashboard de indicadores. El participante sintetiza limpieza sin perder evidencia, diferencia hecho, cálculo, interpretación y recomendación, y registra supuestos pendientes. La revisión final comprueba coherencia, control de versiones y capacidad para reproducir el proceso en otro caso comparable. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

Módulo 3 — Movilidad/servicios urbanos: normalización

3.1 Fundamentos, alcance y criterio profesional: Sitúa limpieza y normalización dentro de analítica urbana, movilidad, smart cities y planificación basada en datos y define qué decisión profesional debe sostener Movilidad/servicios urbanos: normalización. Se establecen alcance, actores, datos mínimos y límites del análisis. El participante diferencia observación, hipótesis y criterio de aceptación, y conecta normalización con consecuencias sobre seguridad, calidad, coste, plazo u operación. El objetivo es comenzar con una pregunta técnicamente bien formulada y no con una herramienta elegida por costumbre. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

3.2 Datos, preparación y calidad de entrada: Estructura la información necesaria para Movilidad/servicios urbanos: normalización tomando normalización como variable de control. Se revisan nomenclatura, tolerancias, resolución y trazabilidad, y se comparan con los requisitos de indicador urbano. La práctica obliga a registrar incertidumbres y a establecer criterios de aceptación para decidir si el conjunto de datos es utilizable, debe condicionarse o necesita una nueva medición o revisión documental. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

3.3 Método, herramienta y comprobación: Aplica APIs y datos abiertos para desarrollar Movilidad/servicios urbanos: normalización con un nivel de detalle proporcional al objetivo. Se estudia normalización, los parámetros sensibles y las condiciones que pueden cambiar la respuesta. El participante debe contrastar el resultado mediante una segunda referencia, una medición o una comprobación independiente. La herramienta se considera útil solo si su salida puede explicarse, verificarse y vincularse con los datos que la originaron. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

3.4 Riesgos, interfaces y controles: Integra privacidad insuficiente en Movilidad/servicios urbanos: normalización y analiza su relación con normalización, otras disciplinas y la operación. Se construye una lógica causa-consecuencia-control con señales tempranas, responsable y evidencia de cierre. El alumno distingue controles preventivos, detectivos y correctivos, y deja explícito el riesgo residual para que la matriz de riesgos esté conectada con la decisión real. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

3.5 Entregable y aplicación profesional: Convierte el trabajo de Movilidad/servicios urbanos: normalización en análisis de escenarios, con especial atención a normalización. La entrega debe permitir reconstruir el razonamiento: qué dato se utilizó, cómo se procesó, qué alternativa se descartó, qué riesgo permanece y qué acción corresponde. Se valora claridad y utilidad para la decisión, no la acumulación de anexos sin propósito. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

Módulo 4 — Indicadores y métricas: indicador urbano

4.1 Fundamentos, alcance y criterio profesional: Construye el marco técnico de Indicadores y métricas: indicador urbano para limpieza y normalización. El bloque utiliza indicador urbano como hilo conductor y revisa condiciones previas, variables dominantes y errores de interpretación. Se exige declarar qué información está confirmada, qué se estima y qué requiere verificación adicional. La salida es un esquema de decisión que permite justificar por qué una comprobación es suficiente o por qué debe escalarse a un nivel de mayor profundidad. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

4.2 Datos, preparación y calidad de entrada: Estructura la información necesaria para Indicadores y métricas: indicador urbano tomando indicador urbano como variable de control. Se revisan nomenclatura, tolerancias, resolución y trazabilidad, y se comparan con los requisitos de accesibilidad. La práctica obliga a registrar incertidumbres y a establecer criterios de aceptación para decidir si el conjunto de datos es utilizable, debe condicionarse o necesita una nueva medición o revisión documental. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

4.3 Método, herramienta y comprobación: Desarrolla el método de Indicadores y métricas: indicador urbano con apoyo de plataformas IoT. La práctica transforma indicador urbano en una secuencia de análisis: preparación, ejecución, comprobación y decisión. Se documentan configuraciones, unidades y resultados intermedios, y se comparan escenarios para reconocer qué variable controla la conclusión y dónde existe incertidumbre relevante. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

4.4 Riesgos, interfaces y controles: Evalúa cómo correlación interpretada como causalidad puede comprometer Indicadores y métricas: indicador urbano. A partir de indicador urbano, se identifican escenarios, barreras y puntos de inspección; después se priorizan acciones por criticidad y facilidad de detección. Cada medida incluye una forma concreta de verificación, evitando considerar cerrado un riesgo solo porque exista un procedimiento o una intención de control. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

4.5 Entregable y aplicación profesional: Cierra Indicadores y métricas: indicador urbano mediante recomendación de política/operación. El documento integra alcance, fuentes, hipótesis, análisis de indicador urbano, resultados, riesgos residuales y próximos pasos. Se exige trazabilidad entre dato y conclusión y un criterio de aceptación claro, de forma que la entrega pueda utilizarse en coordinación, revisión, aprobación o actualización sin depender de explicaciones informales. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

Módulo 5 — Analítica y modelos: accesibilidad

5.1 Fundamentos, alcance y criterio profesional: Construye el marco técnico de Analítica y modelos: accesibilidad para limpieza y normalización. El bloque utiliza accesibilidad como hilo conductor y revisa condiciones previas, variables dominantes y errores de interpretación. Se exige declarar qué información está confirmada, qué se estima y qué requiere verificación adicional. La salida es un esquema de decisión que permite justificar por qué una comprobación es suficiente o por qué debe escalarse a un nivel de mayor profundidad. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

5.2 Datos, preparación y calidad de entrada: Prepara las entradas de Analítica y modelos: accesibilidad: fuentes, unidades, fechas, versiones, cobertura y responsable. Se organizan datos sobre accesibilidad y se contrastan con demanda. El alumno detecta vacíos, valores improbables y conflictos de información, clasifica cada dato por nivel de confianza y define qué evidencia adicional necesita antes de aumentar la fidelidad del análisis. Esta disciplina evita construir una decisión precisa en apariencia sobre entradas débiles. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

5.3 Método, herramienta y comprobación: Aplica dashboards urbanos para desarrollar Analítica y modelos: accesibilidad con un nivel de detalle proporcional al objetivo. Se estudia accesibilidad, los parámetros sensibles y las condiciones que pueden cambiar la respuesta. El participante debe contrastar el resultado mediante una segunda referencia, una medición o una comprobación independiente. La herramienta se considera útil solo si su salida puede explicarse, verificarse y vincularse con los datos que la originaron. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

5.4 Riesgos, interfaces y controles: Evalúa cómo dato obsoleto puede comprometer Analítica y modelos: accesibilidad. A partir de accesibilidad, se identifican escenarios, barreras y puntos de inspección; después se priorizan acciones por criticidad y facilidad de detección. Cada medida incluye una forma concreta de verificación, evitando considerar cerrado un riesgo solo porque exista un procedimiento o una intención de control. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

5.5 Entregable y aplicación profesional: Cierra Analítica y modelos: accesibilidad mediante modelo o dataset urbano. El documento integra alcance, fuentes, hipótesis, análisis de accesibilidad, resultados, riesgos residuales y próximos pasos. Se exige trazabilidad entre dato y conclusión y un criterio de aceptación claro, de forma que la entrega pueda utilizarse en coordinación, revisión, aprobación o actualización sin depender de explicaciones informales. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

Módulo 6 — IoT y sensórica: demanda

6.1 Fundamentos, alcance y criterio profesional: Aborda IoT y sensórica: demanda desde el problema concreto de limpieza y normalización, relacionando demanda con el comportamiento esperado del sistema o proceso. El alumno aprende a identificar mecanismos, dependencias y restricciones antes de ejecutar cálculos o mediciones. Se documentan supuestos, criterios stop/go y señales que invalidan una conclusión, evitando respuestas genéricas que no puedan defenderse ante un revisor. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

6.2 Datos, preparación y calidad de entrada: Convierte los datos de demanda en entradas verificables para IoT y sensórica: demanda. Se aplican comprobaciones de consistencia, orden de magnitud, completitud y procedencia, relacionándolas con dato abierto. El resultado es una ficha de información que deja explícitos supuestos y limitaciones y permite que otro profesional entienda qué se sabe realmente antes de interpretar el resultado. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

6.3 Método, herramienta y comprobación: Utiliza GIS/BIM como instrumento de decisión para IoT y sensórica: demanda, no como fin del ejercicio. El alumno define entradas y controles, analiza demanda, revisa sensibilidad y detecta salidas incompatibles con el comportamiento esperado. El método debe ser reproducible y explicar qué parte del resultado depende de la herramienta, qué parte de la evidencia y qué supuestos permanecen abiertos. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

6.4 Riesgos, interfaces y controles: Evalúa cómo sesgo de datos puede comprometer IoT y sensórica: demanda. A partir de demanda, se identifican escenarios, barreras y puntos de inspección; después se priorizan acciones por criticidad y facilidad de detección. Cada medida incluye una forma concreta de verificación, evitando considerar cerrado un riesgo solo porque exista un procedimiento o una intención de control. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

6.5 Entregable y aplicación profesional: Cierra IoT y sensórica: demanda mediante dashboard de indicadores. El documento integra alcance, fuentes, hipótesis, análisis de demanda, resultados, riesgos residuales y próximos pasos. Se exige trazabilidad entre dato y conclusión y un criterio de aceptación claro, de forma que la entrega pueda utilizarse en coordinación, revisión, aprobación o actualización sin depender de explicaciones informales. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

Módulo 7 — Gobernanza y privacidad aplicado a limpieza y normalización

7.1 Fundamentos, alcance y criterio profesional: Sitúa limpieza y normalización dentro de analítica urbana, movilidad, smart cities y planificación basada en datos y define qué decisión profesional debe sostener Gobernanza y privacidad aplicado a limpieza y normalización. Se establecen alcance, actores, datos mínimos y límites del análisis. El participante diferencia observación, hipótesis y criterio de aceptación, y conecta dato abierto con consecuencias sobre seguridad, calidad, coste, plazo u operación. El objetivo es comenzar con una pregunta técnicamente bien formulada y no con una herramienta elegida por costumbre. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

7.2 Datos, preparación y calidad de entrada: Prepara las entradas de Gobernanza y privacidad aplicado a limpieza y normalización: fuentes, unidades, fechas, versiones, cobertura y responsable. Se organizan datos sobre dato abierto y se contrastan con equidad. El alumno detecta vacíos, valores improbables y conflictos de información, clasifica cada dato por nivel de confianza y define qué evidencia adicional necesita antes de aumentar la fidelidad del análisis. Esta disciplina evita construir una decisión precisa en apariencia sobre entradas débiles. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

7.3 Método, herramienta y comprobación: Aplica Python/SQL para desarrollar Gobernanza y privacidad aplicado a limpieza y normalización con un nivel de detalle proporcional al objetivo. Se estudia dato abierto, los parámetros sensibles y las condiciones que pueden cambiar la respuesta. El participante debe contrastar el resultado mediante una segunda referencia, una medición o una comprobación independiente. La herramienta se considera útil solo si su salida puede explicarse, verificarse y vincularse con los datos que la originaron. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

7.4 Riesgos, interfaces y controles: Somete Gobernanza y privacidad aplicado a limpieza y normalización a una revisión de riesgo centrada en indicador mal definido y su interacción con dato abierto. El participante identifica mecanismos de fallo, dependencias y condiciones de escalado, define controles proporcionados y documenta qué información podría modificar la decisión. El objetivo es convertir riesgo e incertidumbre en acciones verificables. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

7.5 Entregable y aplicación profesional: Convierte el trabajo de Gobernanza y privacidad aplicado a limpieza y normalización en análisis de escenarios, con especial atención a dato abierto. La entrega debe permitir reconstruir el razonamiento: qué dato se utilizó, cómo se procesó, qué alternativa se descartó, qué riesgo permanece y qué acción corresponde. Se valora claridad y utilidad para la decisión, no la acumulación de anexos sin propósito. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

Módulo 8 — Política/intervención: equidad

8.1 Fundamentos, alcance y criterio profesional: Aborda Política/intervención: equidad desde el problema concreto de limpieza y normalización, relacionando equidad con el comportamiento esperado del sistema o proceso. El alumno aprende a identificar mecanismos, dependencias y restricciones antes de ejecutar cálculos o mediciones. Se documentan supuestos, criterios stop/go y señales que invalidan una conclusión, evitando respuestas genéricas que no puedan defenderse ante un revisor. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

8.2 Datos, preparación y calidad de entrada: Convierte los datos de equidad en entradas verificables para Política/intervención: equidad. Se aplican comprobaciones de consistencia, orden de magnitud, completitud y procedencia, relacionándolas con serie temporal. El resultado es una ficha de información que deja explícitos supuestos y limitaciones y permite que otro profesional entienda qué se sabe realmente antes de interpretar el resultado. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

8.3 Método, herramienta y comprobación: Desarrolla el método de Política/intervención: equidad con apoyo de APIs y datos abiertos. La práctica transforma equidad en una secuencia de análisis: preparación, ejecución, comprobación y decisión. Se documentan configuraciones, unidades y resultados intermedios, y se comparan escenarios para reconocer qué variable controla la conclusión y dónde existe incertidumbre relevante. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

8.4 Riesgos, interfaces y controles: Evalúa cómo privacidad insuficiente puede comprometer Política/intervención: equidad. A partir de equidad, se identifican escenarios, barreras y puntos de inspección; después se priorizan acciones por criticidad y facilidad de detección. Cada medida incluye una forma concreta de verificación, evitando considerar cerrado un riesgo solo porque exista un procedimiento o una intención de control. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

8.5 Entregable y aplicación profesional: Formaliza Política/intervención: equidad en recomendación de política/operación. El participante sintetiza equidad sin perder evidencia, diferencia hecho, cálculo, interpretación y recomendación, y registra supuestos pendientes. La revisión final comprueba coherencia, control de versiones y capacidad para reproducir el proceso en otro caso comparable. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

Módulo 9 — Resiliencia y clima: serie temporal

9.1 Fundamentos, alcance y criterio profesional: Aborda Resiliencia y clima: serie temporal desde el problema concreto de limpieza y normalización, relacionando serie temporal con el comportamiento esperado del sistema o proceso. El alumno aprende a identificar mecanismos, dependencias y restricciones antes de ejecutar cálculos o mediciones. Se documentan supuestos, criterios stop/go y señales que invalidan una conclusión, evitando respuestas genéricas que no puedan defenderse ante un revisor. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

9.2 Datos, preparación y calidad de entrada: Estructura la información necesaria para Resiliencia y clima: serie temporal tomando serie temporal como variable de control. Se revisan nomenclatura, tolerancias, resolución y trazabilidad, y se comparan con los requisitos de causalidad. La práctica obliga a registrar incertidumbres y a establecer criterios de aceptación para decidir si el conjunto de datos es utilizable, debe condicionarse o necesita una nueva medición o revisión documental. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

9.3 Método, herramienta y comprobación: Utiliza plataformas IoT como instrumento de decisión para Resiliencia y clima: serie temporal, no como fin del ejercicio. El alumno define entradas y controles, analiza serie temporal, revisa sensibilidad y detecta salidas incompatibles con el comportamiento esperado. El método debe ser reproducible y explicar qué parte del resultado depende de la herramienta, qué parte de la evidencia y qué supuestos permanecen abiertos. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

9.4 Riesgos, interfaces y controles: Evalúa cómo correlación interpretada como causalidad puede comprometer Resiliencia y clima: serie temporal. A partir de serie temporal, se identifican escenarios, barreras y puntos de inspección; después se priorizan acciones por criticidad y facilidad de detección. Cada medida incluye una forma concreta de verificación, evitando considerar cerrado un riesgo solo porque exista un procedimiento o una intención de control. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

9.5 Entregable y aplicación profesional: Convierte el trabajo de Resiliencia y clima: serie temporal en modelo o dataset urbano, con especial atención a serie temporal. La entrega debe permitir reconstruir el razonamiento: qué dato se utilizó, cómo se procesó, qué alternativa se descartó, qué riesgo permanece y qué acción corresponde. Se valora claridad y utilidad para la decisión, no la acumulación de anexos sin propósito. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

Módulo 10 — Equidad y accesibilidad aplicado a limpieza y normalización

10.1 Fundamentos, alcance y criterio profesional: Sitúa limpieza y normalización dentro de analítica urbana, movilidad, smart cities y planificación basada en datos y define qué decisión profesional debe sostener Equidad y accesibilidad aplicado a limpieza y normalización. Se establecen alcance, actores, datos mínimos y límites del análisis. El participante diferencia observación, hipótesis y criterio de aceptación, y conecta causalidad con consecuencias sobre seguridad, calidad, coste, plazo u operación. El objetivo es comenzar con una pregunta técnicamente bien formulada y no con una herramienta elegida por costumbre. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

10.2 Datos, preparación y calidad de entrada: Prepara las entradas de Equidad y accesibilidad aplicado a limpieza y normalización: fuentes, unidades, fechas, versiones, cobertura y responsable. Se organizan datos sobre causalidad y se contrastan con gobernanza del dato. El alumno detecta vacíos, valores improbables y conflictos de información, clasifica cada dato por nivel de confianza y define qué evidencia adicional necesita antes de aumentar la fidelidad del análisis. Esta disciplina evita construir una decisión precisa en apariencia sobre entradas débiles. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

10.3 Método, herramienta y comprobación: Utiliza dashboards urbanos como instrumento de decisión para Equidad y accesibilidad aplicado a limpieza y normalización, no como fin del ejercicio. El alumno define entradas y controles, analiza causalidad, revisa sensibilidad y detecta salidas incompatibles con el comportamiento esperado. El método debe ser reproducible y explicar qué parte del resultado depende de la herramienta, qué parte de la evidencia y qué supuestos permanecen abiertos. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

10.4 Riesgos, interfaces y controles: Somete Equidad y accesibilidad aplicado a limpieza y normalización a una revisión de riesgo centrada en dato obsoleto y su interacción con causalidad. El participante identifica mecanismos de fallo, dependencias y condiciones de escalado, define controles proporcionados y documenta qué información podría modificar la decisión. El objetivo es convertir riesgo e incertidumbre en acciones verificables. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

10.5 Entregable y aplicación profesional: Convierte el trabajo de Equidad y accesibilidad aplicado a limpieza y normalización en dashboard de indicadores, con especial atención a causalidad. La entrega debe permitir reconstruir el razonamiento: qué dato se utilizó, cómo se procesó, qué alternativa se descartó, qué riesgo permanece y qué acción corresponde. Se valora claridad y utilidad para la decisión, no la acumulación de anexos sin propósito. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

Módulo 11 — Dashboards y decisión aplicado a limpieza y normalización

11.1 Fundamentos, alcance y criterio profesional: Define los fundamentos operativos de Dashboards y decisión aplicado a limpieza y normalización aplicados a limpieza y normalización. Se revisa el papel de gobernanza del dato, su interacción con otras variables y la diferencia entre cumplir una rutina y demostrar técnicamente un resultado. El participante prepara criterios de suficiencia, responsables y puntos de control para que el análisis pueda repetirse de forma consistente en otro proyecto o activo. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

11.2 Datos, preparación y calidad de entrada: Prepara las entradas de Dashboards y decisión aplicado a limpieza y normalización: fuentes, unidades, fechas, versiones, cobertura y responsable. Se organizan datos sobre gobernanza del dato y se contrastan con limpieza y normalización. El alumno detecta vacíos, valores improbables y conflictos de información, clasifica cada dato por nivel de confianza y define qué evidencia adicional necesita antes de aumentar la fidelidad del análisis. Esta disciplina evita construir una decisión precisa en apariencia sobre entradas débiles. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

11.3 Método, herramienta y comprobación: Utiliza GIS/BIM como instrumento de decisión para Dashboards y decisión aplicado a limpieza y normalización, no como fin del ejercicio. El alumno define entradas y controles, analiza gobernanza del dato, revisa sensibilidad y detecta salidas incompatibles con el comportamiento esperado. El método debe ser reproducible y explicar qué parte del resultado depende de la herramienta, qué parte de la evidencia y qué supuestos permanecen abiertos. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

11.4 Riesgos, interfaces y controles: Somete Dashboards y decisión aplicado a limpieza y normalización a una revisión de riesgo centrada en sesgo de datos y su interacción con gobernanza del dato. El participante identifica mecanismos de fallo, dependencias y condiciones de escalado, define controles proporcionados y documenta qué información podría modificar la decisión. El objetivo es convertir riesgo e incertidumbre en acciones verificables. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

11.5 Entregable y aplicación profesional: Convierte el trabajo de Dashboards y decisión aplicado a limpieza y normalización en análisis de escenarios, con especial atención a gobernanza del dato. La entrega debe permitir reconstruir el razonamiento: qué dato se utilizó, cómo se procesó, qué alternativa se descartó, qué riesgo permanece y qué acción corresponde. Se valora claridad y utilidad para la decisión, no la acumulación de anexos sin propósito. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

Módulo 12 — Caso urbano aplicado aplicado a limpieza y normalización

12.1 Fundamentos, alcance y criterio profesional: Sitúa limpieza y normalización dentro de analítica urbana, movilidad, smart cities y planificación basada en datos y define qué decisión profesional debe sostener Caso urbano aplicado aplicado a limpieza y normalización. Se establecen alcance, actores, datos mínimos y límites del análisis. El participante diferencia observación, hipótesis y criterio de aceptación, y conecta limpieza y normalización con consecuencias sobre seguridad, calidad, coste, plazo u operación. El objetivo es comenzar con una pregunta técnicamente bien formulada y no con una herramienta elegida por costumbre. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

12.2 Datos, preparación y calidad de entrada: Estructura la información necesaria para Caso urbano aplicado aplicado a limpieza y normalización tomando limpieza y normalización como variable de control. Se revisan nomenclatura, tolerancias, resolución y trazabilidad, y se comparan con los requisitos de limpieza. La práctica obliga a registrar incertidumbres y a establecer criterios de aceptación para decidir si el conjunto de datos es utilizable, debe condicionarse o necesita una nueva medición o revisión documental. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

12.3 Método, herramienta y comprobación: Aplica Python/SQL para desarrollar Caso urbano aplicado aplicado a limpieza y normalización con un nivel de detalle proporcional al objetivo. Se estudia limpieza y normalización, los parámetros sensibles y las condiciones que pueden cambiar la respuesta. El participante debe contrastar el resultado mediante una segunda referencia, una medición o una comprobación independiente. La herramienta se considera útil solo si su salida puede explicarse, verificarse y vincularse con los datos que la originaron. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

12.4 Riesgos, interfaces y controles: Somete Caso urbano aplicado aplicado a limpieza y normalización a una revisión de riesgo centrada en indicador mal definido y su interacción con limpieza y normalización. El participante identifica mecanismos de fallo, dependencias y condiciones de escalado, define controles proporcionados y documenta qué información podría modificar la decisión. El objetivo es convertir riesgo e incertidumbre en acciones verificables. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

12.5 Entregable y aplicación profesional: Cierra Caso urbano aplicado aplicado a limpieza y normalización mediante recomendación de política/operación. El documento integra alcance, fuentes, hipótesis, análisis de limpieza y normalización, resultados, riesgos residuales y próximos pasos. Se exige trazabilidad entre dato y conclusión y un criterio de aceptación claro, de forma que la entrega pueda utilizarse en coordinación, revisión, aprobación o actualización sin depender de explicaciones informales. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.