¿Qué quieres aprender?

Curso de Big Data

Curso de Big Data

CEsCODI

Curso a distancia


39

Duración : 6 Meses

La Big Data ha entrado en la empresa con todo el aspecto de que esta tecnología va a revolucionar el tratamiento y las conclusiones extraídas de los datos. Pero ¿hay algo realmente disruptivo o nuevo dentro de este conocimiento disruptivo? La respuesta es si.

Hasta ahora estaba todo muy restringido al poder de una máquina y los análisis eran locales. Las tecnologías principales que se usan son bases de datos relacionales (MySQL) y librerías monomáquina.

A partir de ahora será muy razonable hablar de analizar la influencia de toso los individuos en una red social. Las tecnologías principales han evolucionado ( Hadoop, Hbase, Storm ) y van a suponer una revolución en muchos de los departamentos empresariales.

Este programa especializado e innovador permitirá a sus titulados liderar tanto el diseño como la administración y explotación de infraestructuras de última generación de Big Data, convirtiéndose en perfiles clave en la aportación de valor en estos entornos.

El profesional estará capacitado para realizar proyectos de desarrollo y administración de soluciones de Big Data con tecnologías como Hadoop; diseñar estrategias de inteligencia de negocio en grandes conjuntos de datos; proyectos de integración de Big Data con el Data Warehouse de una compañía; gestión del conocimiento en grandes bases de datos distribuidas; liderazgo de planes de análisis de datos en entornos masivos como redes sociales, operadoras de telecomunicaciones, comercio electrónico o e-Health, entre otras.

¿Quieres hablar con un asesor sobre este curso?

Temario completo de este curso

El curso consta de 4 sesiones con los siguientes contenidos:

1. Contrastes no paramétricos
1.1. Pruebas de normalidad
1.2. Contrastes de localización
1.3. Contrastes para 2 muestras relacionadas
1.4. Contrastes para 2 muestras independientes
1.5. Contrastes para k muestras relacionadas
1.6. Contrastes para k muestras independientes
1.7. Contrastes para variables cualitativas.

2. Análisis de varianza
2.1. ANOVA básico
2.2. Comparación de grupos específicos
2.3. Ajuste del nivel de significación en comparaciones múltiples.

3. Regresión lineal múltiple
3.1. Modelos de regresión simple
3.2. Contrastes de hipótesis en el modelo de regresión lineal simple
3.3. Condiciones teóricas del modelo de regresión lineal simple
3.4. Predicciones
3.5. Modelo de regresión lineal múltiple
3.6. Novedades en el caso múltiple
3.7. Condiciones teóricas del modelo de regresión lineal múltiple
3.8. Comentarios finales.

4. Introducción al análisis multivariante: análisis de componentes principales
4.1. Introducción al análisis de componentes principales
4.2. ¿Cómo llevar a cabo un análisis de componentes principales?
4.3. Análisis de componentes principales vs análisis factorial
4.4. La rotación de los factores.

Trabajo final.

Ver más