Curso de Big Data
Introducción a la Ciencia de Datos
Desarrolla tu perfil como un científico de datos. Aprende las diferentes técnicas para recabar y procesar información. Aprende a detectar patrones y predecir comportamientos. Incorpórate en un nuevo mercado en pleno desarrollo. Únete a la revolución de los datos! Dificultad Garantía de Aprendizaje
Quiero saber más
Descargar en PDF
En este curso aprenderás a
- Definir estrategias de negocio que permitan progresar en un entorno de alta competitividad
- Manejar bases de datos y consultas en paralelo
- Relacionar los conceptos de Big Data y Business Intelligence
- Modelar estadísticas y sus trampas
- Diferenciar técnicas para recabar y procesar información.
- Detectar patrones y predecir comportamientos
1. Introducción a Big Data
Definición de Big Data, datos estructurados y no estructurados
Herramientas específicas: Apache Hadoop
Características de Big Data: Volumen, Velocidad, Variedad, Veracidad
Aplicaciones de Big Data
Desafíos tecnológicos de Big Data
2. Arquitectura de Big Data
Definición
Componentes
Arquitectura de aplicaciones de Big Data
Arquitecturas de Big Data en grandes empresas
3. Hadoop
HDFS
Arquitectura Master-Slave
Sistema de bloques ("block system")
Integridad de datos
MapReduce
YARN
Instalación en un solo nodo
Instalación en Cluster
4. Spark
Definición
Arquitectura
"Resilient Distributed Datasets" - RDD
"Directed Acyclic Graph" - DAG
Ecosistema Spark
Spark para procesamiento de Big Data
Comparación de Spark y Hadoop
5. Hive - Pig - NoSQL
HIVE
Definición, operaciones DDL, DML, SQL, organización, tipos de datos
PIG
Definición, estructura, modos de ejecución, carga de datos, funciones
NoSQL
Definición
Hbase, Cassandra, MongoDB: características, arquitectura, modelo de datos, lenguajes de consultas
6. Cloud Computing
Características
Modelos de servicios
Azure
IBMCloud
AWS
Preguntas
Demos/Labs
7. Data Analytics ("Análisis de datos")
Inteligencia de negocios ("Business Intelligence - BI")
Reconocimiento de patrones
Tipos de patrones
Cadena de procesamiento de datos ("Data processing chain")
Datos, bases de datos, "Data Warehouse"
Minería de datos ("Data Mining")
Proceso de minería de datos
Visualización de datos
Obtención y "limpieza" ("data cleansing") de datos
Salidas ("outputs") de los datos
Evaluación de resultados
Técnicas de Minería de datos
Mejores prácticas
Preguntas
8. Python y R para Big Data
Fundamentos de los lenguajes
Aplicacion de los lenguajes a Big Data
Jupyter notebooks
Pyspark
RStudio
Requisitos
Es recomendable contar con conocimientos sólidos en:
- Base de Datos o haber realizado el curso Introducción a Base de Datos
- MongoDB o haber realizado el curso MongoDB Avanzado
Modalidad de cursado
Modalidad Presencial
- Cursos 100% prácticos con grupos reducidos.
- Clases con uso de PC, una por alumno (no tienes que traer tu PC).
- Coffee Break incluido.
- Espacio de networking.
- Posibilidad de volver a tomar el mismo curso gratis.
Modalidad Distancia
- Cursos 100% prácticos con grupos reducidos.
- Clase en tiempo real por video conferencia.
- Profesor disponible para hacer consultas en vivo.
- Grabación de las clases disponibles para ver en otro momento.
- Asistencia administrativa personalizada todos los días.
Certificaciones
- Diploma de asistencia impreso (solo para cursos presenciales)
- Diploma de asistencia y de aprobación online
Paquetes Promocionales
Recursos adicionales entregados
¿Por qué nosotros?
- No es necesario que traigas tu PC
- Todos nuestros cursos se dictan en laboratorios donde cada alumno tiene su propia PC
- Las clases son 70% prácticas por lo que vas a estar trabajando toda la clase
