Experto en Big Data: Hadoop y Analítica de datos
Top

Experto en Big Data: Hadoop y Analítica de datos

2495 euros
Categories:

Sobre este curso

El ingeniero de datos y el experto en Big Data son profesiones cada vez más demandadas por el sector empresarial. Hoy en día la tecnología ofrece herramientas para que las empresas puedan tomar decisiones objetivas basadas en la analítica de grandes cantidades de datos, que hasta hace poco no era posible analizar. Una ventaja competitiva que las empresas no quieren desaprovechar y para lo que necesitan incorporan nuevos perfiles.

Nuestro programa experto te permitirá adentrarte en el mundo del Big Data de la mano del ecosistema Hadoop, formación que se complementará con un completo programa de analítica de datos. Olvídate de la formación teórica que conoces porque trabajaremos con proyectos reales y abordando las tecnologías que más utilizan los departamentos técnicos de las compañías. Una formación dirigida a tecnólogos y desarrollada por formadores que trasladarán su experiencia profesional al aula.

 

 

 

Objetivos

Los Objetivos Generales del programa serán:
* Formar a profesionales de perfil tecnológico y con conocimientos de programación para dotarles de nuevos conocimientos, que les permitan reorientar su labor profesional hacia un nicho de mercado con alta demanda de profesionales cualificados.

Los Objetivos Específicos serán los siguientes:
* Entender con claridad los fundamentos del Big Data y que circunstancias nos llevan a estas tecnologías.
* Refrescar los conocimientos estadísticos, básicos necesarios para acometer los capítulos siguientes.
* Comprender las nuevas tecnologías de almacenamiento con bases de datos NOSQL y saber identificar los casos de uso.
* Conocer en conjunto las distintas tecnologías de procesamientos de Big Data así como sus ecosistemas y los casos de uso propis para cada una de ellas.
* Conocer las técnicas de Minería de datos, que nos permitirán el análisis de la información resultante del procesamiento del Big Data.
* Conocer las implicaciones legales del uso de la información, así como las garantías necesarias para su obtención.
* Entender las nuevas herramientas de visualización, que nos permitirán una comprensión clara de la realidad que nos muestra la información obtenida.
* Conocer las tecnologías IoT y que generarán gran cantidad de información, así como los dispositivos utilizados y las fases del diseño.
* Aprender a utilizar elementos de machine learning que, gracias a la ingente cantidad de información y la posibilidad de su proceso, han hecho resurgir esta tecnología.
* Introducirse en el proceso del lenguaje natural, que posibilitará el análisis de sentimientos en las redes sociales.
* Tener una amplia idea del conjunto de lenguajes con más proyección en el mundo del Big Data.
* Conocer el lenguaje de programación de propósito general, estadístico R, que nos permitirá el análisis de grandes conjuntos de datos.

Admisión

Nuestros programas formativos están orientados a obtener el máximo rendimiento de la formación. Esto es posible gracias a que los grupos se establecen con carácterísticas comunes en cuanto a la formación inicial.
REQUISITOS DE ADMISIÓN:
- Contar con titulación universitaria o experiencia laboral contrastada en relación al programa formativo solicitado
- Aportar a ADI la documentación requerida (datos personales, formación académica, forma de pago) en los plazos establecidos
- Realizar una entrevista personal con nuestro departamento técnico
. Abonar la matrícula para la reserva de plaza


Requisitos

Haber finalizado o estar finalizando ingeniería informática, telecomunicaciones o carreras técnicas.
Desarrollo profesional equivalente. Es necesario tener conocimientos de programación, SQL y Linux. Si no cuentas con los conocimientos necesarios podemos desarrollar un plan formativo previo al programa experto que te capacitará para poder acceder al mismo.

Programa

UNIDAD 1: FUNDAMENTOS DEL BIG DATA
- El crecimiento exponencial de la información
- Definiciones de Big Data
- Tipos de datos
- Plataformas
- Ecosistemas
- Aplicaciones del Big Data
- Principales fuentes de información:
* Agroindustria
* Salud
*Turismo
*Energía
*SmartCity
*Industria 4.0
- Casos de éxito de BigData en estos sectores.
UNIDAD 2: CONCEPTOS ESTADÍSTICOS DE INTERÉS
- Introducción a la Estadística Descriptiva
- Distribuciones de frecuencia y frecuencia agrupada
- Medidas de posición central
- Medidas de dispersión
- Grado de concentración - índice de Gini
- Coeficiente de asimetría, curtosis
- Regresión lineal
- Probabilidad, condicionada y compuesta
- Teorema de la probabilidad total
- Teorema de Bayes
- Distribuciones discretas
- Distribuciones continuas
UNIDAD 3: BASES DE DATOS No SQL
- ¿Qué es Hbase?
- ¿Por qué se usa Hbase?
- Tablas Hbase
- HBase Shell
- Trabajar con tablas
- Trabajar con los datos de las tablas
- Regiones HBase
- Arquitectura de un Cluster HBase
- HBase y HDFS: Localidad de Datos
- Diseño del Schema
- Acceso Básico a los datos mediante la API de Hbase
- Características más avanzadas de la API Hbase
- HBase en el Cluster
- Cómo HBase escribe datos
- Cómo HBase lee datos
- Bloqueo de chachés para lectura
- HBase Ajuste de rendimiento
- Tratar con series de tiempo y datos secuenciales
- Administración de Hbase
- Reparar tablas con hbck
- Seguridad HBase
- HBase Replicación y Backup
- Utilizar Hive e Impala con HBase
- Acceso de datos con Python y Thrift
UNIDAD 4: HADOOP, PROCESAMIENTO EN DISCO
- Hbase
- Pig
- Hive
- Mahout
- Oozie
- Sqoop
- Flume
- ZooKeeper
UNIDAD 5: SPARK, PROCESAMIENTO EN MEMORIA
- SparkQL
- SparkStreaming
- Mlib
- GraphX
UNIDAD 6: STORM, PROCESAMIENTO EN EVENTOS
UNIDAD 7: Minería de Datos
- Modelos estadísticos discretos
- Modelos estadísticos continuos
- Regresiones
- Reglas de Asociación
- Árboles de Decisión
- Agrupamiento
- Redes Neuronales
UNIDAD 8: VISUALIZACIÓN DE DATOS
Elementos de Power BI
- Power Query
- Power pivot
- Power View
- Power map
Unidad 9: TRAZABILIDAD Y DISPOSITIVOS IOT PARA LA CAPTURA DE DATOS
- Introducción a IoT
- Principios de conectividad de dispositivos
- Principios de Internet
- Pensando acerca del prototipo
- Dispositivos de prototipado rápido
- Diseño físico
- Prototipos de componentes OnLine
- Código embebido
Unidad 10: MACHINE LEARNING
¿Qué es el Machine Learning?
- Aprendizaje supervisado
- Aprendizaje no supervisado
- Regresión lineal con una variable
- Repaso de algebra lineal
- Regresión lineal multivariavle
- Regresión logística
- Regularización
- Redes neuronales
- Detectores de anomalías
- Sistemas de recomendación
- Aplicaciones del Machine Learning

Claustro

Experto en analítica de datos y business intelligence. Instructor certificado Oracle y Microsoft
Dirección técnica de proyectos con enfoque estratégico y de negocio para el cliente
Responsable de proyectos Big Data en BBVA Research relacionados con el análisis económico, social y geopolítico
Experto en transformación digital y analítica de datos.