 Adquisición y dominio de conceptos básicos y de conocimientos sobre los avances en Big Data: o Cómo evoluciona el BI tradicional al Big Data (navegación web, geolocalización, audiencias T…) o El Big Data como solución al tratamiento masivo de datos: definición e historia desde su invención. o Hadoop como revolución para el tratamiento paralelo de datos masivos. o Características del Big Data (4 V's y más): volumetría, velocidad, variedad (estructurados/no estructurados), veracidad (calidad del dato), valor del dato, … o Nuevos paradigmas del Big Data: Procesos en Real Time y Cloud Computing. o  Conocimiento de nociones básicas sobre arquitectura Big Data y principales tecnologías: o El ecosistema Hadoop: HDFS y MapReduce. o Principales lenguajes de programación utilizados: Java, Scala, SQL y Python. o Procesos ETL (extracción, transformación y carga): Flume, Sqoop y HIVE. o Procesos Real Time y bases de datos de alta disponibilidad: Kafka, HBASE y Redis. o Procesamiento y analítica avanzada con Spark. o Seguridad y gobierno del dato. o  Comprensión de los principales conceptos sobre La “Ciencia de datos” e IA: o Introducción a la “Ciencia de datos” y la Inteligencia Artificial. o Principales lenguajes de programación utilizados: R y Python. o Algoritmos supervisados: ¿Qué son? Algunos Ejemplos. o Algoritmos no-supervisados: ¿Qué son? Algunos Ejemplos. o Introducción al Deep Learning y el Aprendizaje por Refuerzo. o Procesamiento de información no estructurada: Imágenes y Textos. o 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: o Ejemplos en las instituciones públicas: OpenData. o Ejemplos en el mundo empresarial: ejemplos de aplicabilidad del Big Data a la eficiencia de las operaciones de una compañía. o “Data for Good”: Big Data para el bien social. o Reflexiones finales sobre el impacto del Big Data en los años venideros.