01 FUNDAMENTOS TECNOLÓGICOS PARA EL TRATAMIENTO DE DATOS

• Manejo de máquinas virtuales y terminal de comandos.
• Fundamentos de programación con Python.
• Fundamentos de bases de datos relacionales.
• Fundamentos de tecnologías de Internet.
• Compartir datos, código y recursos en repositorios.
• Fundamentos de tratamiento de datos con el stack científico de Python.

02 MODELOS Y APRENDIZAJE ESTADÍSTICOS

• Lenguaje R y tratamiento de datos.
• Análisis exploratorio de datos.
• Probabilidad e inferencia estadística.
• Modelos lineales y aprendizaje estadístico.
• Regresión logística, modelos restringidos de ridge y lasso y gradiante descendiente.
• GLMS y series temporales.

03 APRENDIZAJE AUTOMÁTICO APLICADO

• Modelos supervisados.
• Modelos no supervisados.
• Ingeniería de características y selección de modelos.
• Modelos conexionistas.
• Reglas de asociación y market basket analysis.

04 MINERÍA DE TEXTO Y PROCESAMIENTO DE PLN

• Introducción histórica y tecnológica.
• Herramientas PLN I: NLTK.
• Herramientas PLN II: Brat y Gate.
• Text Mining I: Clustering.
• Text Mining II: Sentimiento y Temas.
• Otras aplicaciones y técnicas de PLN.

05 BUSINESS INTELIGENCE Y VISUALIZACIÓN

• Introducción al Business Inteligence.
• Almacenes de datos y bases de datos analíticas.
• Herramientas de extracción, transformación y carga.
• Aplicaciones de Business Inteligence.
• Fundamentos de visualización de datos.
• Herramientas de visualización.

06 INFRAESTRUCTURA DE BIG DATA

• Herramientas Hadoop.
• Procesamiento de datos con Spark.
• Arquitecturas de streaming.
• Componentes de arquitecturas de streaming.
• Plataformas y apis en la nube.

07 ALMACENAMIENTO E INTEGRACIÓN DE DATOS

• Bases de datos no convencionales.
• Modelos de bases de datos basados en documentos.
• Modelos de bases de datos basados en columnas.
• Modelos de bases de datos basados en grafos.
• Modelos de bases de datos basados en clave-valor.
• Adquisición de datos.

08 VALOR Y CONTEXTO DE LA ANALÍTICA BIG DATA

• El business case de Big Data.
• Proyectos de Big Data. Aplicaciones analíticas por sectores.
• Tecnologías emergentes en analítica.
• Gestión de equipos y métodos ágiles.
• Aspectos regulatorios del tratamiento de datos.

09 APLICACIONES ANALÍTICAS

• Caso de estudio de analítica escalable.
• Caso de estudio de analítica en redes sociales.
• Caso de estudio en Internet of things.
• Caso de estudio en analítica financiera (el rating de empresas).
• Caso de estudio en analítica de clientes: Location Analytics.
• Caso de estudio de técnicas de recuperación de información.