Big Data

Big Data es actualmente una de las áreas críticas de la trasformación digital que están realizando las empresas, administraciones públicas y la sociedad en general, convirtiéndose en una de las tendencias tecnológicas más importantes en la actualidad.

Su gran potencial permitirá cambiar la forma en la que las organizaciones utilizan la información para mejorar sus procesos externos y transformar sus modelos de negocio. Para ello será necesario saber afrontar cómo una empresa puede transformar grandes cantidades de datos en conocimiento.
No sólo interesan los mecanismos de gestión del almacenamiento de grandes volúmenes de datos, sino las técnicas y tecnologías a través de las cuales extraerles valor.

Objetivos:

  • Conocer las diferentes áreas de aplicación de Big Data y las oportunidades de negocio a las que responden.
  • Identificar los retos tecnológicos relacionados con el manejo de grandes volúmenes de datos.
  • Conocer las características específicas de los proyectos Big Data para adaptar la metodología y reducir riesgos durante su ciclo de vida.
  • Obtener una visión global sobre las diferentes tecnologías y ecosistema Big Data para afrontar con criterio la selección tanto de tecnologías base como de herramientas de infraestructura, Análisis y Aplicaciones entre la multitud de opciones del mercado.
  • Dotar al alumno de una visión estratégica de Big Data que oriente los proyectos de forma eficiente en el entorno empresarial para que análisis de la información obtenida aporte valor real en la toma de decisiones.


Audiencia:
Jefes de proyecto, Gerentes de áreas de negocio, analistas y desarrolladores interesados en adquirir conocimientos generales sobre Big Data.


 
PROGRAMA

1. Introducción al BigData

  • Las 4 V’s del BigData
  • BigData Analytics
  • Ecosistemas BigData
  • Oportunidades de negocio


2. Tecnologías BigData.

  • Ecosistema Hadoop
  • Ingestión y consulta: Sqoop, Hive, Spark, Hue
  • Streaming de datos: Kafka, Flume,  Flink
  • Almacén NoSQL: Cassandra, MongoDB, Neo4j, Elastic


3. Ecosistema BigData

  • El proceso de Data Analytics
  • Análisis matemático estadístico: Jupyter, H2O, SparkML
  • Gestión de los servicios
  • Gestión de la infraestructura          
  • El equipo BigData


4. Integración

  • De los modelos matemáticos a las aplicaciones
  • Gestión de eventos complejos
  • Modelos de despliegue
  • Soluciones para visualización: Tableau, QLik


5. Ejemplos de aplicación

  • Objetivos: Detección de anomalías, Predicción, Optimización
  • Campos de aplicación: profiling de clientes, mantenimiento predictivo, calibración de maquinaria