ADQUISICIÓN Y DOMINIO DE CONCEPTOS BÁSICOS Y DE CONOCIMIENTOS SOBRE LOS AVANCES EN BIG DATA:

• Cómo evoluciona el BI tradicional al Big Data (navegación web, geolocalización, audiencias TV,…)
• El Big Data como solución al tratamiento masivo de datos: definición e historia desde su invención.
• Hadoop como revolución para el tratamiento paralelo de datos masivo.
• Características del Big Data (4 V's y más): volumetría, velocidad, variedad (estructurados/no estructurados), veracidad (calidad del dato), valor del dato.
• Nuevos paradigmas del Big Data: Procesos en Real Time y Cloud Computing.

CONOCIMIENTO DE NOCIONES BÁSICAS SOBRE ARQUITECTURA BIG DATA Y PRINCIPALES TECNOLOGÍAS:

• El ecosistema Hadoop: HDFS y MapReduce.
• Principales lenguajes de programación utilizados: Java, Scala, SQL y Python.
• Procesos ETL (extracción, transformación y carga): Flume, Sqoop y HIVE.
• Procesos Real Time y bases de datos de alta disponibilidad: Kafka, HBASE y Redis.
• Procesamiento y analítica avanzada con Spark.
• Seguridad y gobierno del dato.

COMPRENSIÓN DE LOS PRINCIPALES CONCEPTOS SOBRE LA “CIENCIA DE DATOS” E IA:

• Introducción a la “Ciencia de datos” y la Inteligencia Artificial.
• Principales lenguajes de programación utilizados: R y Python.
• Algoritmos supervisados: ¿Qué son? Algunos Ejemplos.
• Algoritmos no-supervisados: ¿Qué son? Algunos Ejemplos.
• Al Deep Learning y el Aprendizaje por Refuerzo.
• Procesamiento de información no estructurada: Imágenes y Textos.
• Visualización de datos: Visualizaciones interactivas y Dashboards.

ADQUISICIÓN DE UNA VISIÓN TRASVERSAL SOBRE EL FUTURO DEL BIGDATA Y CÓMO SE APLICA ACTUALMENTE EN DIFERENTES ÁREAS:

• Ejemplos en las instituciones públicas: OpenData.

• Ejemplos en el mundo empresarial: ejemplos de aplicabilidad del Big Data a la eficiencia de las operaciones de una compañía.
• “Data for Good”: Big Data para el bien social.
• Reflexiones finales sobre el impacto del Big Data en los años venideros