Contenidos
MÓDULO I: Antecedentes y definiciones del Big Data
- 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
- 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
- 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
- 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
- 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
- TEMA 6: Normativas sobre el tratamiento de datos
- Introducción
- Objetivos
- El RGPD
- La LOPD
MÓDULO III: Data Visualization
- 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
- Tema 8. Representación de datos
- Introducción
- Objetivos
- ¿Por qué se entienden mejor los gráficos que los números?
- Infografías
- Cuadros comparativos
- Gráficos
- 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
- Tema 10. Analítica tradicional vs Big Data
- Introducción
- Objetivos
- Cómo se complementan el BI tradicional y el Big Data
- Herramientas del BI tradicional
- Tema 11. Analítica Predictiva
- Introducción
- Objetivos
- Aplicaciones de la analítica predictiva
- Aprendizaje supervisado
- Aprendizaje no supervisado
- Aprendizaje por refuerzo
- Tema 12. Analítica Prescriptiva
- Introducción
- Objetivos
- ¿Qué entendemos por analítica prescriptiva?
- Sistemas de gestión basados en reglas
- Optimización matemática
Aplicaciones
- 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.
- 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.
- Aprender el concepto y el alcance de la analítica tradicional, así como saber definir los diferentes elementos que lo forman y su utilidad.
- 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.
- 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.
- 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.
