BigData

Horas: 20

Contenidos

MÓDULO I: Antecedentes y definiciones del Big Data

  1. TEMA 1: Antecedentes del Big Data
    • Introducción
    • Objetivos
    • Cómo se utilizaban los datos en la antigüedad
    • Los primeros pasos de la era digital
    • Dónde y por qué aparece el Big Data
  2. TEMA 2: La inteligencia de negocio y el Data Mining
    • Introducción
    • Objetivos
    • ¿Qué entendemos por business intelligence?
    • La ingesta de datos de un proceso BI
    • ETL
    • Almacenamiento de datos en BI
    • El análisis en un proceso BI
    • El data mining
    • Inteligencia Artificial
    • El científico de datos
  3. TEMA 3: Definiciones, casos de uso y aplicaciones del Big Data
    • Introducción
    • Objetivos
    • Algunos conceptos clave para el Big Data
    • Las 7 V del Big Data
    • Otras definiciones del Big Data
    • Casos de uso del Big Data

MÓDULO II: La importancia del dato

  1. TEMA 4: El valor del dato
    • Introducción
    • Objetivos
    • Los datos, el petróleo del Siglo XXI
    • El valor estratégico de los datos
    • Datos cuantitativos y cualitativos
    • El data management
  2. TEMA 5: Tecnología Big Data para el tratamiento de datos
    • Introducción
    • Objetivos
    • Google como pionero de la tecnología Big Data
    • Aparece la tecnología Big Data de uso libre: Hadoop
    • Ecosistema Hadoop
    • Distribuciones comerciales de Hadoop
    • Almacenamiento No SQL
    • Servicios Cloud Computing
  3. TEMA 6: Normativas sobre el tratamiento de datos
    • Introducción
    • Objetivos
    • El RGPD
    • La LOPD

MÓDULO III: Data Visualization

  1. Tema 7. Orígenes de datos en Big Data
    • Introducción
    • Objetivos
    • Tipos de datos básicos utilizados en Big Data
    • Datos estructurados
    • Datos no estructurados o semiestructurados
    • Diferencias entre datos estructurados y no estructurados
  2. Tema 8. Representación de datos
    • Introducción
    • Objetivos
    • ¿Por qué se entienden mejor los gráficos que los números?
    • Infografías
    • Cuadros comparativos
    • Gráficos
  3. Tema 9. El Modelado de datos
    • Introducción
    • Objetivos
    • Modelado de datos
    • Modelado de datos jerárquico
    • Modelado de datos relacional

MÓDULO IV: Big Data y Analítica Avanzada

 

  1. Tema 10. Analítica tradicional vs Big Data
    • Introducción
    • Objetivos
    • Cómo se complementan el BI tradicional y el Big Data
    • Herramientas del BI tradicional
  2. Tema 11. Analítica Predictiva
    • Introducción
    • Objetivos
    • Aplicaciones de la analítica predictiva
    • Aprendizaje supervisado
    • Aprendizaje no supervisado
    • Aprendizaje por refuerzo
  3. Tema 12. Analítica Prescriptiva
    • Introducción
    • Objetivos
    • ¿Qué entendemos por analítica prescriptiva?
    • Sistemas de gestión basados en reglas
    • Optimización matemática

Aplicaciones

  1. Entender el contexto en el que se sitúa el big data y cómo surge a través del desarrollo de diferentes soluciones para trabajar con los datos, así como conocer estas soluciones.
  2. Entender la importancia que tiene el dato en todas las áreas de la sociedad, haciendo especial énfasis en su importancia estratégica para las organizaciones y la preservación de la privacidad mediante una correcta gestión.
  3. Aprender el concepto y el alcance de la analítica tradicional, así como saber definir los diferentes elementos que lo forman y su utilidad.
  4. Aprender con qué datos se trabaja en big data y cómo se representan estos en función de la situación, el big data, los seres humanos y desde el punto de vista de las máquinas que los utilizan.
  5. Ahondar en la definición de big data y conocer uno de los marcos de trabajo de aplicaciones más importantes en este terreno junto con sus características principales, que ayudarán a implementar un sistema big data.
  6. Aprender el concepto y las características de la analítica avanzada y su estrecha relación con el big data, y conocer las distintas técnicas, tales como son la analítica predictiva y la analítica prescriptiva.