Gestion de riesgos de un proyecto | 1/10 | UPV

Lección 0 de 100%

Sigue así. Cada lección te acerca más a tu certificado.

Sobre esta lección

Título: Gestion de riesgos de un proyecto Descripción automática: En este video, el profesor del departamento de sistemas informáticos y computación de la universidad politécnica presenta el curso de gestión de riesgos de proyectos siguiendo las metodologías del instituto de gestión de proyectos (PMI). El propósito del curso es que los estudiantes aprendan a identificar, describir y aplicar los procesos básicos de gestión de riesgos en proyectos sencillos. Los alumnos deben ver secuencialmente ocho vídeos que describen los conceptos y procedimientos fundamentales establecidos por el PMI. Tras una primera visualización, se espera que realicen al menos dos iteraciones de un plan de gestión de riesgos para un proyecto de su elección, repasando los materiales si surgen dudas. El curso incluye un ejemplo práctico en el que se analiza el riesgo en la elaboración de una paella auténtica, sirviendo como caso de estudio. Los contenidos didácticos se dividen en tres partes: una introducción al concepto de riesgo y a los procesos de gestión del riesgo según el PMI, seguida de una explicación detallada de los seis procesos específicos de la gestión de riesgos y la aplicación práctica en el caso de la paella. Autor/a: Palomares Chust Alberto Curso: Este vídeo es el 1/10 del curso Curso Gestión de Riesgos de un Proyecto | Universitat Politècnica de València (UPV). https://www.youtube.com/playlist?list=PL6kQim6ljTJu7EjUrgGaY3B442_fa9oUF + Universitat Politècnica de València UPV: https://www.upv.es + Más vídeos en: https://www.youtube.com/valenciaupv + Accede a nuestros MOOC: https://upvx.es #project #management #pmi #gestion #de #riesgos #incertidumbre #procesos #plan #de #proyecto #proyectos

Sobre este curso

poliMedia UPV

Lección 0 de 10Nivel: principianteDuración total: 1h 44m

Lo que aprenderás en este curso:

  • Comprender los fundamentos del aprendizaje automático
  • Implementar algoritmos de clasificación y regresión
  • Preparar y limpiar datos para modelos predictivos
  • Evaluar y optimizar modelos de machine learning