MÓDULO 1. BIG DATA INTRODUCTION UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL BIG DATA ¿Qué es Big Data? La era de las grandes cantidades de información. Historia del big data La importancia de almacenar y extraer información Big Data enfocado a los negocios Open Data Información pública IoT (Internet of Things-Internet de las cosas) UNIDAD DIDÁCTICA 2. FUENTES DE DATOS Definición y relevancia de la selección de las fuentes de datos Naturaleza de las fuentes de datos Big Data UNIDAD DIDÁCTICA 3. OPEN DATA Definición, Beneficios y Características Ejemplo de uso de Open Data UNIDAD DIDÁCTICA 4. FASES DE UN PROYECTO DE BIG DATA Diagnóstico inicial Diseño del proyecto Proceso de implementación Monitorización y control del proyecto Responsable y recursos disponibles Calendarización Alcance y valoración económica del proyecto UNIDAD DIDÁCTICA 5. BUSINESS INTELLIGENCE Y LA SOCIEDAD DE LA INFORMACIÓN Definiendo el concepto de Business Intelligence y sociedad de la información Arquitectura de una solución de Business Intelligence Business Intelligence en los departamentos de la empresa Conceptos de Plan Director, Plan Estratégico y Plan de Operativa Anual Sistemas operacionales y Procesos ETL en un sistema de BI Ventajas y Factores de Riesgos del Business Intelligence UNIDAD DIDÁCTICA 6. PRINCIPALES PRODUCTOS DE BUSINESS INTELLIGENCE Cuadros de Mando Integrales (CMI) Sistemas de Soporte a la Decisión (DSS) Sistemas de Información Ejecutiva (EIS) UNIDAD DIDÁCTICA 7. BIG DATA Y MARKETING Apoyo del Big Data en el proceso de toma de decisiones Toma de decisiones operativas Marketing estratégico y Big Data Nuevas tendencias en management UNIDAD DIDÁCTICA 8.DEL BIG DATA AL LINKED OPEN DATA Concepto de web semántica Linked Data Vs Big Data Lenguaje de consulta SPARQL UNIDAD DIDÁCTICA 9. INTERNET DE LAS COSAS Contexto Internet de las Cosas (IoT) ¿Qué es IoT? Elementos que componen el ecosistema IoT Arquitectura IoT Dispositivos y elementos empleados Ejemplos de uso Retos y líneas de trabajo futuras MÓDULO 2. ARQUITECTURA BIG DATA UNIDAD DIDÁCTICA 1. BATCH PROCESSING Hadoop Pig Hive Sqoop Flume Spark Core Spark 2.0 UNIDAD DIDÁCTICA 2. STREAMING PROCESSING Fundamentos de Streaming Processing Spark Streaming Kafka Pulsar y Apache Apex Implementación de un sistema real-time UNIDAD DIDÁCTICA 3. SISTEMAS NOSQL Hbase Cassandra MongoDB NeoJ Redis Berkeley DB UNIDAD DIDÁCTICA 4. INTERACTIVE QUERY Lucene + Solr UNIDAD DIDÁCTICA 5. SISTEMAS DE COMPUTACIÓN HÍBRIDOS Arquitectura Lambda Arquitectura Kappa Apache Flink e implementaciones prácticas Druid ElasticSearch Logstash Kibana UNIDAD DIDÁCTICA 6. CLOUD COMPUTING Amazon Web Services Google Cloud Platform UNIDAD DIDÁCTICA 7. ADMINISTRACIÓN DE SISTEMAS BIG Administración e Instalación de clusters: Cloudera y Hortonworks Optimización y monitorización de servicios Seguridad: Apache Knox, Ranger y Sentry UNIDAD DIDÁCTICA 8. VISUALIZACIÓN DE DATOS Herramientas de visualización: Tableau y CartoDB Librerías de Visualización: D, Leaflet, Cytoscape MÓDULO 3. TECNOLOGÍAS APLICADAS A BUSINESS INTELLIGENCE UNIDAD DIDÁCTICA 1. MINERÍA DE DATOS O DATA MINING Y EL APRENDIZAJE AUTOMÁTICO Introducción a la minería de datos y el aprendizaje automático Proceso KDD Modelos y Técnicas de Data Mining Áreas de aplicación Minería de textos y Web Mining Data mining y marketing UNIDAD DIDÁCTICA 2. DATAMART. CONCEPTO DE BASE DE DATOS DEPARTAMENTAL Aproximación al concepto de DataMart Bases de datos OLTP Bases de Datos OLAP MOLAP, ROLAP & HOLAP Herramientas para el desarrollo de cubos OLAP UNIDAD DIDÁCTICA 3. DATAWAREHOUSE O ALMACÉN DE DATOS CORPORATIVOS Visión General. ¿Por qué DataWarehouse? Estructura y Construcción Fases de implantación Características Data Warehouse en la nube UNIDAD DIDÁCTICA 4. INTELIGENCIA DE NEGOCIO Y HERRAMIENTAS DE ANALÍTICA Tipos de herramientas para BI Productos comerciales para BI Productos Open Source para BI Beneficios de las herramientas de BI UNIDAD DIDÁCTICA 5. HERRAMIENTA POWERBI 1. Business Intelligence en Excel Herramienta Powerbi UNIDAD DIDÁCTICA 6. HERRAMIENTA TABLEAU Herramienta Tableau UNIDAD DIDÁCTICA 7. HERRAMIENTA QLIKVIEW Instalación y arquitectura Carga de datos Informes Transformación y modelo de datos Análisis de datos MÓDULO 4. HERRAMIENTAS PARA EXPLOTACIÓN Y ANÁLISIS DE BIG DATA UNIDAD DIDÁCTICA 1. BASES DE DATOS NOSQL Y EL ALMACENAMIENTO ESCALABLE ¿Qué es una base de datos NoSQL? Bases de datos Relaciones Vs Bases de datos NoSQL Tipo de Bases de datos NoSQL. Teorema de CAP Sistemas de Bases de datos NoSQL UNIDAD DIDÁCTICA 2.INTRODUCCIÓN A UN SISTEMA DE BASES DE DATOS NOSQL. MONGODB ¿Qué es MongoDB? Funcionamiento y uso de MongoDB Primeros pasos con MongoDB. Instalación y shell de comandos Creando nuestra primera Base de Datos NoSQL.Modelo e Inserción de Datos Actualización de datos en MongoDB. Sentencias set y update Trabajando con índices en MongoDB para optimización de datos Consulta de datos en MongoDB UNIDAD DIDÁCTICA 3. PROCESAMIENTO DISTRIBUIDO DE DATOS CON HADOOP ¿Qué es Hadoop? El sistema de archivos HDFS Algunos comandos de referencia Procesamiento MapReduce con Hadoop El concepto de los clusters en Hadoop UNIDAD DIDÁCTICA 4. WEKA Y DATA MINING ¿Qué es Weka? Técnicas de Data Mining en Weka Interfaces de Weka Selección de atributos UNIDAD DIDÁCTICA 5. PENTAHO UNA SOLUCIÓN OPEN SOURCE PARA BUSINESS INTELLIGENCE Una aproximación a Pentaho Soluciones que ofrece Pentaho MongoDB & Pentaho Hadoop & Pentaho Weka & Pentaho MÓDULO 5. INTRODUCCIÓN A LA PROGRAMACIÓN ESTADÍSTICA UNIDAD DIDÁCTICA 1. PYTHON Y EL ANÁLISIS DE DATOS Introducción a Python ¿Qué necesitas? Librerías para el análisis de datos en Python MongoDB, Hadoop y Python. Dream Team del Big Data UNIDAD DIDÁCTICA 2. R COMO HERRAMIENTA PARA BIG DATA Introducción a R ¿Qué necesitas? Tipos de datos Estadística Descriptiva y Predictiva con R Integración de R en Hadoop MÓDULO 6. DATA SCIENCE UNIDAD DIDÁCTICA 1.INTRODUCCIÓN A LA CIENCIA DE DATOS ¿Qué es la ciencia de datos? Herramientas necesarias para el científico de datos Data Science & Cloud Compunting Aspectos legales en Protección de Datos UNIDAD DIDÁCTICA 2.BASES DE DATOS RELACIONALES Introducción El modelo relacional Lenguaje de consulta SQL MySQL. Una base de datos relacional UNIDAD DIDÁCTICA 3. PRE-PROCESAMIENTO & PROCESAMIENTO DE DATOS Obtención y limpieza de los datos (ETL) Inferencia estadística Modelos de regresión Pruebas de hipótesis UNIDAD DIDÁCTICA 4. ANÁLISIS DE LOS DATOS Inteligencia Analítica de negocios La teoría de grafos y el análisis de redes sociales Presentación de resultados MÓDULO 7. INTELIGENCIA ARTIFICIAL (IA), MACHINE LEARNING (ML) Y DEEP LEARNING (DL) UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL Introducción a la inteligencia artificial Historia La importancia de la IA UNIDAD DIDÁCTICA 2. TIPOS DE INTELIGENCIA ARTIFICIAL Tipos de inteligencia artificial UNIDAD DIDÁCTICA 3. ALGORITMOS APLICADOS A LA INTELIGENCIA ARTIFICIAL Algoritmos aplicados a la inteligencia artificial UNIDAD DIDÁCTICA 4. RELACIÓN ENTRE INTELIGENCIA ARTIFICIAL Y BIG DATA Relación entre inteligencia artificial y big data IA y Big Data combinados El papel del Big Data en IA Tecnologías de IA que se están utilizando con Big Data UNIDAD DIDÁCTICA 5. SISTEMAS EXPERTOS Sistemas expertos Estructura de un sistema experto Inferencia: Tipos Fases de construcción de un sistema Rendimiento y mejoras Dominios de aplicación Creación de un sistema experto en C# Añadir incertidumbre y probabilidades UNIDAD DIDÁCTICA 6. FUTURO DE LA INTELIGENCIA ARTIFICIAL Futuro de la inteligencia artificial Impacto de la IA en la industria El impacto económico y social global de la IA y su futuro UNIDAD DIDÁCTICA 7. INTRODUCCIÓN AL MACHINE LEARNING Introducción Clasificación de algoritmos de aprendizaje automático Ejemplos de aprendizaje automático Diferencias entre el aprendizaje automático y el aprendizaje profundo Tipos de algoritmos de aprendizaje automático El futuro del aprendizaje automático UNIDAD DIDÁCTICA 8. EXTRACCIÓN DE ESTRUCTURA DE LOS DATOS: CLUSTERING Introducción Algoritmos UNIDAD DIDÁCTICA 9. SISTEMAS DE RECOMENDACIÓN Introducción Filtrado colaborativo Clusterización Sistemas de recomendación híbridos UNIDAD DIDÁCTICA 10. CLASIFICACIÓN Clasificadores Algoritmos UNIDAD DIDÁCTICA 11. REDES NEURONALES Y DEEP LEARNING Componentes Aprendizaje UNIDAD DIDÁCTICA 12. SISTEMAS DE ELECCIÓN Introducción El proceso de paso de DSS a IDSS Casos de aplicación UNIDAD DIDÁCTICA 13. DEEP LEARNING CON PYTHON, KERAS Y TENSORFLOW Aprendizaje profundo Entorno de Deep Learning con Python Aprendizaje automático y profundo UNIDAD DIDÁCTICA 14. SISTEMAS NEURONALES Redes neuronales Redes profundas y redes poco profundas UNIDAD DIDÁCTICA 15. REDES DE UNA SOLA CAPA Perceptrón de una capa y multicapa Ejemplo de perceptrón UNIDAD DIDÁCTICA 16. REDES MULTICAPA Tipos de redes profundas Trabajar con TensorFlow y Python UNIDAD DIDÁCTICA 17. ESTRATEGIAS DE APRENDIZAJE Entrada y salida de datos Entrenar una red neuronal Gráficos computacionales Implementación de una red profunda El algoritmo de propagación directa Redes neuronales profundas multicapa MÓDULO 8. CIBERSEGURIDAD APLICADA A INTELIGENCIA ARTIFICIAL (IA), SMARTPHONES, INTERNET DE LAS COSAS (IOT) E INDUSTRIA 4.0 UNIDAD DIDÁCTICA 1. INTRODUCCIÓN Y CONCEPTOS BÁSICOS La sociedad de la información Diseño, desarrollo e implantación Factores de éxito en la seguridad de la información UNIDAD DIDÁCTICA 2. COMUNICACIONES SEGURAS: SEGURIDAD POR NIVELES Seguridad a Nivel Físico Seguridad a Nivel de Enlace Seguridad a Nivel de Red Seguridad a Nivel de Transporte Seguridad a Nivel de Aplicación UNIDAD DIDÁCTICA 3. CIBERSEGURIDAD EN NUEVAS TECNOLOGÍAS Concepto de seguridad TIC Tipos de seguridad TIC Aplicaciones seguras en Cloud Plataformas de administración de la movilidad empresarial (EMM) Redes WiFi seguras Caso de uso: Seguridad TIC en un sistema de gestión documental UNIDAD DIDÁCTICA 4. CIBERSEGURIDAD EN SMARTPHONES Buenas prácticas de seguridad móvil Protección de ataques en entornos de red móv UNIDAD DIDÁCTICA 5. INTELIGENCIA ARTIFICIAL (IA) Y CIBERSEGURIDAD Inteligencia Artificial Tipos de inteligencia artificial Impacto de la Inteligencia Artificial en la ciberseguridad UNIDAD DIDÁCTICA 6. CIBERSEGURIDAD E INTERNET DE LAS COSAS (IOT) Contexto Internet de las Cosas (IoT) ¿Qué es IoT? Elementos que componen el ecosistema IoT Arquitectura IoT Dispositivos y elementos empleados Ejemplos de uso Retos y líneas de trabajo futuras Vulnerabilidades de IoT Necesidades de seguridad específicas de IoT UNIDAD DIDÁCTICA 7. SEGURIDAD INFORMÁTICA EN LA INDUSTRIA 4.0 Industria 4.0 Necesidades en ciberseguridad en la Industria 4.0 MÓDULO 9. PROYECTO FIN DE MÁSTER