Máster online
Duración : 6 Meses
Emagister S.L. (responsable) tratará tus datos personales con la finalidad de gestionar el envío de solicitudes de información y comunicaciones promocionales de formación con tu consentimiento. Ejerce tus derechos de acceso, supresión, rectificación, limitación, portabilidad y otros, según se indica en nuestra política de privacidad.
Objetivos
El objetivo es que el alumno sea capaz de trabajar y dominar los lenguajes y tecnologías que se utilizan hoy en día para desarrollar aplicaciones y soluciones en el ecosistema Big Data, desde los lenguajes de programación, a las metodologías, herramientas y aplicaciones prácticas. Si eres capaz de dominar esos conocimientos, pasarás a ser uno de los profesionales más cotizados a nivel internacional en cualquier ámbito empresarial o de negocio.
A quién va dirigido
El Máster Full Stack Developer en Tecnologías Big Data y Análisis de Datos, está pensado para cualquier persona que desee formarse profesionalmente en el desarrollo de aplicaciones y soluciones en las tecnologías más punteras y demandadas hoy en día en el ámbito empresarial y tecnológico. También está indicado para profesionales y técnicos relacionados con el Big Data y Data Science.
Requisitos
Es aconsejable tener conocimientos de algún lenguaje de programación. Sino tienes los conocimientos necesarios, contamos con un plan de formación previo sin coste para ti que te ayudará a adquirir y reforzar todos los conocimientos que necesitas antes de empezar el Máster Full Stack Developer en Tecnologías Big Data y Análisis de Datos.
Temario completo de este curso
TEMARIO RESUMIDO
El temario de este programa se desarrolla en los siguientes módulos:
1. Introducción
· Paradigmas de procesamiento en Big Data
· Economía del dato
· Innovación y Big Data
2. Batch Processing
· Hadoop. HDFS. MapReduce. Yarn
· Hive: Arquitectura, Modelado de datos, Metastore, HiveQL, APIs
· Sqoop
· Flume
· Spark Core
· Spark 2.0
3. Streaming Processing
· Fundamentos de Streaming Processing
· Spark Streaming
· Kafka
· Storm
· Samza y Apache Apex
· Apache NiFi. Implementación de un sistema real-time
4. Sistemas NoSQL
· HBase
· Cassandra
· MongoDB
· Neo4J
· Redis
· Couchbase
5. Interactive Query
· SQL-on-Hadoop: Impala, Drill y Presto
· Lucene + Solr
6. Sistemas de computación híbridos
· Arquitectura Lambda
· Arquitectura Kappa
· Apache Flink
· Druid
· ElasticSearch + Logstash + Kibana
7. Cloud Computing
· Amazon Web Services
· Google Cloud Platform
8. Administración de sistemas Big Data
· Planificación de clusters
· Tunning / Optimización
· Monitorización / Seguridad
9. Virtualización
· Docker y Kubernetes
· Open Stack y OpenShift
10. Análisis Avanzado de Datos
· Introducción al Data Science
· Data Analysis en Python: NumPy, PAndas, Scikit-learn, Matplotlib
· Machine Learning en Big Data: Spark MLib
· Análisis estadístico con R
11. Visualización de Datos
· Herramientas de visualización: Tableau y CartoDB
· Librerías de Visualización: D3, Leaflet, Cytoscape