Curso de Big Data Online / Distancia en Tokio

Dirigido a:

Personas interesadas en realizar un Curso de Big Data.

Comentarios:

Cada minuto de cada día se generan millones de datos en bruto que necesitan ser recopilados, analizados, gestionados y de los cuales se obtiene valor. ¿Cómo se logra? Gracias al Big Data, una tecnología que permite establecer patrones y comportamientos y ayudar así al tejido empresarial en la toma de decisiones. Es por eso que los Leer más Data Scientist son una figura fundamental hoy en día y la demanda de profesionales cualificados es constante.


Objetivos del Programa:

- Adentrar al alumno en el mundo de la programación.
- Familiarizarse con el ecosistema Big Data y cómo usarlo en la resolución de problemas.
- Visualizar los datos de una manera correcta para conseguir una clara interpretación de los mismos.
- Conocer y poner en práctica las diferentes técnicas para la explotación de datos.
- Preparar proyectos orientados al Big Data incluyendo los elementos fundamentales?.


Salidas Laborales:

- Arquitecto de datos.
- Data scientist.
- Data consultant.
- Big Data developer.


Metodología:

Nuestros cursos no tienen una fecha de inicio y fin. Con el programa formativo 100% online de Tokio, tú decides tus ritmos, circunstancias y capacidades y nosotros te seguimos. El nuestro es un aprendizaje “hecho a medida”.

Lugar de impartición:

en Cádiz

Titulación que se obtiene:

Con este curso podrás obtener la certificación de Data Science de la mano de IBM.Leer menos

Big Data: arquitectura y análisis de datos

Módulo 1: introducción al Big Data

Ecosistema Big Data
- Definición de componentes y arquitectura
- Disponibilidad, Escalabilidad y Resiliencia
- Introducción a Hadoop y MapReduce

Estrategias Basadas en Datos
- Cuadros de Mando (Dashboards)
- Business Intelligence vs Big Data

Entornos de procesamiento
- Cloud Computing
- Internet de las Cosas (IoT)

Casos de uso de Big Data: ejemplos en la industria


Módulo 2: El dato y su ciclo de vida

Datos
- El Dato
- Calidad del dato
- Derechos sobre los datos

Ciclo de vida del dato
- Fuentes de datos
- Adquisición de datos
- Tratamiento, Carga y procesamiento
- Almacenamiento de datos
- Análisis para la explotación
- Visualización y Storytelling para la explotación
- La selección de los elementos visuales
.- Toma de decisiones


Módulo 3: Almacenamiento escalable de datos

- Sistemas distribuidos (Hadoop)
- Bases de datos no estructuradas (MongoDB)
- Bases de datos de grafos (Neo4j o Spark graph x)


Módulo 4: Arquitectura Big Data

El ecosistema Hadoop
- Introducción a Hadoop
- Herramientas del ecosistema Hadoop

Cluster y sistemas distribuidos (HDFS, MapReduce)

Análisis de datos con Hive y Pig

Procesamiento de datos con Spark
- Spark RDD (Resilient Distributed Datsets)
- Spark Streaming
- Spark SQL


Módulo 5: Análisis para la exportación de dato

Perfiles de datos
- Científicos de datos
- Ingeniero de datos

Análisis Exploratorio de datos
- Estadística descriptiva
- Distribución de los datos
- Exploración de datos categóricos y binarios
- Correlación
- Exploración de 2 o más variables

Técnicas de muestreo de datos
- Selección aleatoria
- Selección Bias
- Selección por distribución estadística

Contraste de hipótesis
- Testeo de muestras A/B
- Testeo de hipótesis
- Significancia estadística y P-value
- P-Value

Regresión y Predicción
- Regresión Linear
- Regresión Multilineal
- Interpretar los resultados de una regresión
- Predecir usando regresión

Aprendizaje Supervisado
- Conceptos
- Algoritmos: Arboles de decisión

Aprendizaje No supervisado
- Componentes principales
- Algoritmos: K-Means, Clusters Jerárquicos

Introducción al Deep Learning
- Conceptos fundamentales
- Redes Neuronales


Módulo 6: Presentación proyectos Big Data y storytelling

Presentación de un proyecto big data
- La importancia del contexto
- La audiencia y su importancia

Componentes para la presentación de un proyecto Big Data
- Ideas de diseño


Leer más Apache Hadoop

Módulo 1. Introducción al Big Data

Conceptos básicos
- Definición y conceptos
- Evolución de los datos

SQL vs NoSQL

Preparación entorno de trabajo


Módulo 2. Apache Hadoop (HDFS)

Conceptos básicos y arquitectura
- Conceptos fundamentales
- Arquitectura Hadoop

Lectura, escritura y replicación

Permisos y borrado de datos

Safemode, snapshots y gestión de caché

Profundizando con la shell


Módulo 3. Map Reduce & Yarn

Map reduce: el algoritmo
- Arquitectura
- Configuración

Implementación de algoritmos map reduce

Maneras de ejecutar el algoritmo

YARN: Arquitectura, gestión de colas y Zookeeper


Módulo 4. Ecosistema Hadoop

Apache Hive
- Arquitectura
- Componentes

Apache Sqoop
- Arquitectura
- Componentes

Apache Pig
- Arquitectura
- Componentes
- Pig Latin

Apache Spark
- Arquitectura
- Componentes
- Tipos de datos
- Integración con Hive

Reporting con Zeppelin
- La importancia del reporting
- Creación de reportes con Zeppelin


Business Intelligence

Módulo 1. Introducción al BI

Historia y evolución del BI
- ¿Qué es el BI?
- Componentes BI.
- Fuentes de información

Conceptos Básicos BI.
- Herramientas/procesos básicos BI.

Modelado de datos
- Modelo en estrella
- Modelo copo de nieve
- Modelo multidimensional

Aprovisionamiento de datos
- Datawarehouse
- Datamart
- Principales diferencias


Módulo 2. ETL e introducción a la visualización

Procesos de extracción transformación y cargas y herramientas
- Diseño de proceso ETL.
- Principales herramientas del mercado y particularidades

Introducción a la visualización
- Introducción a la visualización de la información
- Beneficios de la visualización
- Categorías de la visualización

Herramientas y particularidades
- Principales herramientas del mercado y comparativa


Módulo 3. Introducción al power BI

Comprensión básica de PowerBI
- ¿Qué es?
- ¿Para qué sirve?
- Interfaz

Conexión a orígenes de datos

Editor Power Query
- Formateo de datos
- Detección de errores
- Pivot

Creación de gráficos

Construcción de informe con filtros
- Vinculación y desvinculación en gráficos

Introducción a DAX (Data Analysis Expressions)
- Introducción a DAX
- Tablas y columnas calculadas, medidas simples
- Filtrado de filas y medidas avanzadas

Creación de métricas y gráficos avanzados


Módulo 4. Introducción a Tableau: Visualización

Tableau I
- Comprensión básica de Tableau
- Conexión a fuente/base de datos
- Combinación de datos
- Editar y guardar fuente de datos
- Dimensiónes y métricas

Tableau II
- Conversión tipo de datos
- Representación gráfica de los datos
- Filtrado de informes y características
- Creación Jerarquías y drill down

Tableau III
- Creación campos calculados. (medidas y dimensiones)
- Creación de parámetros
- Combinación campos calculados y parámetros
- Descripciones emergentes


Módulo 5. Tableau avanzado: Visualización II

Tableau Avanzado I
- Creación de grupos
- Creación de conjuntos
- Expresiones LOD

Tableau Avanzado II
- Creación de dashboard
- Objetos dashboard
- Fomatos Dashboard
- Interactividad Dashboard

Tableau Avanzado III
- Extensiones Tableau
- Configuración Extensión
- Gráficos no nativos

Movilidad y colaboración
- Creación de historias
- Adaptación de informes para móvil y TabletLeer menos