1. Introducción al Big Data

• Evolución del BI tradicional al Big Data: navegación web, geolocalización, audiencias de TV.
• Definición e historia del Big Data desde su invención.
• Características del Big Data: las 4 V’s (volumen, velocidad, variedad, veracidad) y más.
• Nuevos paradigmas del Big Data: procesos en tiempo real y computación en la nube.

2. Arquitectura y Tecnologías del Big Data

• Ecosistema Hadoop: HDFS y MapReduce.
• Lenguajes de programación utilizados: Java, Scala, SQL y Python.
• Procesos ETL (Extracción, Transformación y Carga): Flume, Sqoop y HIVE.
• Procesos en tiempo real y bases de datos de alta disponibilidad: Kafka, HBase y Redis.
• Procesamiento y analítica avanzada con Spark.
• Seguridad y gobierno del dato.

3. Inteligencia Artificial y Ciencia de Datos

• Introducción a la Ciencia de Datos y la Inteligencia Artificial.
• Lenguajes de programación utilizados: R y Python.
• Algoritmos supervisados: definición y ejemplos.
• Algoritmos no supervisados: definición y ejemplos.
• Introducción al Deep Learning y al Aprendizaje por Refuerzo.
• Procesamiento de información no estructurada: imágenes y textos.
• Visualización de datos: visualizaciones interactivas y dashboards.

4. Aplicaciones y Futuro del Big Data y la IA

• Aplicaciones en instituciones públicas: OpenData.
• Aplicaciones en el mundo empresarial: eficiencia operativa mediante Big Data.
• "Data for Good": uso del Big Data para el bien social.
• Reflexiones sobre el impacto futuro del Big Data y la IA.