Temario del Curso de Big Data y Análisis de Datos (165 h)

• Módulo 1: Fundamentos de Big Data y Análisis de Datos (20 h)
  • Introducción al Big Data: conceptos clave, historia y evolución.
  • Tipos de datos: estructurados, no estructurados y semi-estructurados.
  • Introducción al procesamiento y almacenamiento de grandes volúmenes de datos. Introducción a Hadoop y
  • Spark como plataformas de análisis.
• Módulo 2: Programación con Python para el Análisis de Datos (20 h)
  Introducción a Python para Big Data.
  Manipulación de datos con pandas.
  Visualización de datos: matplotlib y seaborn.
  Limpieza y preparación de datos.
  Prácticas: análisis exploratorio con datos reales.
• Módulo 3: Introducción a PySpark (20 h)
  • Arquitectura y funcionamiento de PySpark.
  • Configuración del entorno y conceptos básicos.
  • Manipulación y procesamiento de datos con DataFrames.
  • Realización de consultas y filtrado de datos en PySpark.
  • Casos prácticos de análisis con PySpark.
• Módulo 4: Procesamiento de Datos en Tiempo Real con Spark Streaming (25 h)
  • Introducción al procesamiento en tiempo real.
  • Arquitectura de Spark Streaming.
  • Integración de Spark Streaming con fuentes de datos en tiempo real (Kafka, Flume).
  • Desarrollo de aplicaciones de análisis en tiempo real.
  • Prácticas: análisis en tiempo real de flujos de datos de redes sociales.
• Módulo 5: Machine Learning con Spark MLlib (30 h)
  • Fundamentos de Machine Learning en el contexto de Big Data.
  • Herramientas y algoritmos de MLlib.
  • Modelos de regresión y clasificación.
  • Clustering y segmentación de datos.
  • Implementación de modelos predictivos en Spark.
  • Prácticas: creación de un modelo predictivo con datos reales.
• Módulo 6: Almacenamiento y Consultas con SQL PySpark y Databricks (25 h)
  • Introducción a SQL en el entorno PySpark.
  • Consultas complejas y manejo de bases de datos.
    Integración de PySpark y Databricks para análisis avanzados.
  • Creación de pipelines de datos en Databricks.
  • Prácticas: consulta y visualización de grandes volúmenes de datos.
• Módulo 7: Casos Prácticos y Resolución de Ejercicios Reales (25 h)
  • Análisis y solución de problemas reales en diferentes sectores: tecnología, finanzas y salud.
• Proyecto de fin de curso: desarrollo de una aplicación de Big Data en un entorno real.
  • Implementación de un pipeline de datos completo.
  • Documentación y presentación de resultados.