Curso de Introducción a la inteligencia artificial: Machine / Deep Learning y Big Data

Este curso es bonificable hasta el 100% por la Fundación Tripartita para trabajadores en activo en
Régimen General de la Seguridad Social (no válido para autónomos ni funcionarios), por lo que no supondría coste alguno para la empresa ni para el propio trabajador.

En cualquier caso, recuerde que al no ser formación reglada, ESTA ENSEÑANZA NO CONDUCE A LA
OBTENCIÓN DE UN TÍTULO OFICIAL.

A profesionales de áreas diversas como ciencias, ingeniería, documentación, comunicación, ciencias sociales, marketing, empresariales... que desean conocer los principios fundamentales de Big Data y de cómo se puede obtener rentabilidad y eficiencia a la manipulación de los grandes volúmenes de datos junto el conocimiento de las técnicas y herramientas utilizadas en organizaciones y empresas para utilizar con eficacia el poder de los grandes volúmenes de datos.

Analizar los beneficios de la implementación del Big Data en la empresa.

Conocer la arquitectura del Big Data.

Conocer las infraestructuras necesarias para la aplicación de Big Data y cómo se lleva a cabo su implementación.

Enumerar las siete categorías diferentes en las que se divide un ecosistema de Big Data.

Desarrollar la función Map y la función Reduce.

Definir en qué consiste la tecnología Hadoop, sus conceptos básicos y los conceptos básicos de arquitectura.

Enumerar las fases del plan experimental y desarrollar en qué consiste cada una de ellas.

Identificar los tipos de formatos de datos y de modelos estadísticos.

1. Contexto, aplicación y funcionamiento del Big Data.

Introducción al contexto, aplicación, funcionamiento del Big Data.
Contexto a la aplicación del Big Data.
Aplicación de Big Data a las empresas.
Plan de implementación del Big Data.
Funcionamiento del Big Data.

2. Arquitectura y herramientas utilizadas en el Big Data.

Introducción a la arquitectura y herramientas utilizadas en el Big Data.
Definición de la arquitectura del Big Data.
Recolección y almacenamiento en el sistema Big Data.
Procesamiento y análisis del sistema Big Data.
Visualización e informes del Big Data.
Herramientas y proveedores del Big Data.

3. Creación y desarrollo de aplicaciones útiles.

Introducción a la arquitectura y herramientas utilizadas en el Big Data.
Etapas en el desarrollo de una solución Big Data.
Arquitectura y tipo de tecnologías aplicadas Big Data.
Infraestructura para aplicaciones Big Data.
Implementación para aplicaciones Big Data.
Ejemplo de aplicación real.

4. Tecnologías utilizadas. Mapreduce, Hadoop.

Introducción a la arquitectura y herramientas utilizadas en el Big Data.
Ecosistema de las tecnologías del Big Data.
Tecnología mapreduce.
Tecnología Hadoop.
Tecnologías compatibles con Hadoop y Mapreduce.
Otras tecnologías importantes de Big Data.

5. Diseño de experimentos con visualizaciones y modelo estadístico.

Introducción diseño de experimentos con visualizaciones y modelo estadístico.
Definición y conceptos básicos de estadística.
Diseño teórico de experimentos.
Tipos de visualizaciones en los datos.
Tipos de modelos estadísticos.
Evaluación de resultados.