1. Big Data aplicada y sus tecnologías

• 1.1 Gestión de soluciones con sistemas de almacenamiento y herramientas del centro de datos para la resolución de problemas.Recursos Cloud (Servidores, Microservicios, Colas, Bases de datos, ML, Gráficos y otros servicios), teoría, prácticas y casos de aplicación.
• 1.2 Bases de datos (SQL, NoSQL, Documentales, clave-valor y Graph), teoría, prácticas y casos de aplicación.
• 1.3 Gestión de sistemas de almacenamiento y ecosistemas Big Data.
• 1.4 Procesamiento distribuido (Hadoop y Spark) herramientas Open Source y Cloud, teoría, prácticas y casos de aplicación.
• 1.5 Generación de mecanismos de Integridad de los datos. Comprobación de mantenimiento de sistemas de ficheros.
• 1.6 Desarrollo de aplicaciones de Inteligencia Artificial (IA).1.7 Microsoft Azure Data Fundamentals.
• 1.8 Aplicación práctica #2 con Microsoft Azure BD.

2. Aplicación de Herramientas y Técnicas de Visualización de Datos

• 2.1 Teoría de gráficas.
• 2.2 Gramática de las gráficas.
• 2.3 Herramientas de visualización de datos.

3. Microsoft Power BI (BUSINESS INTELLIGENCE)

• 3.1 Introducción.
• 3.2 Obteniendo datos.
• 3.3 Transformación de datos.
• 3.4 Creación de informes.
• 3.5 Modelado de Datos.
• 3.6 Introducción a DAX.
• 3.7 Publicar en el Servicio Power BI y Compartir.

4. Proyectos en Contextos de Inteligencia Artificial y Metodología • Desarrollo de proyectos con metodología ágil mediante SCRUM.

• 4.1 Conocer los puntos de seguimiento en el contexto ágil.
• 4.2 Métodos ágiles avanzados.
• 4.3 Capacitación en metodologías ágiles.
• 4.4 Gestión de proyectos.
• 4.5 Esquema de un proyecto de trabajo final y metodologías.
• 4.6 Comprender el comportamiento y entender las implicaciones éticas.

5. Big Data Aplicada y sus Tecnologías (con Microsoft Azure BD) - PRÁCTICA

• 5.1 Explorar las opciones de computación y almacenamiento para cargas de trabajo de ingeniería de datos.
• 5.2 Diseño e implementación de la capa de Servicio.
• 5.3 Consideraciones de ingeniería de datos para archivos Fuente.
• 5.4 Ejecutar consultas interactivas con grupos de SQL sin servidor de Azure Synapse Analytics.
• 5.5 Explorar, transformar y cargar datos en el almacén de datos usando Apache Spark.
• 5.6 Exploración y transformación de datos en Azure Databricks.
• 5.7 Ingesta y carga datos en el almacén de datos.
• 5.8 Transformar datos con Azure Data Factory o Azure Synapse Pipelines.
• 5.9 Orquestar el movimiento y la transformación de datos en Azure Synapse Pipelines.
• 5.10 Optimizar el rendimiento de las consultas con grupos de SQL dedicados en Azure Synapse.
• 5.11 Analizar y optimizar el almacenamiento del Data Warehouse.
• 5.12 Soporte del procesamiento analítico transaccional híbrido (HTAP) con Azure Synapse Link.
• 5.13 Seguridad de un extremo a otro con Azure Synapse Analytics.
• 5.14 Procesamiento de transmisión en tiempo real con Stream Analytics.
• 5.15 Crear una solución de procesamiento de transmisión con Event Hubs y Azure Databricks.
• 5.16 Generar informes mediante la integración de Power BI con Azure Synpase Analytics.
• 5.17 Realizar procesos integrados de aprendizaje automático en Azure Synapse Analytics.