Diplomatura en big data
Diplomado
En Buenos Aires
Descripción
-
Tipología
Diplomado
-
Lugar
Buenos aires
-
Inicio
Fechas disponibles
Big data se refiere a las grandes colecciones de datos, estructurados, o no estructurados, que pueden crecer a volúmenes enormes y a un ritmo tan alto que es complejo manejarlos con las técnicas habituales de los sistemas de bases de datos y las herramientas de análisis existentes hasta hace un tiempo. La gestión y el análisis de estas cantidades masivas de datos exigen nuevas soluciones que van más allá de los procesos tradicionales o herramientas de software habituales en la práctica diaria, lo que ha llevado a acuñar el término “big data analytics”.
Sedes y fechas disponibles
Ubicación
inicio
inicio
Opiniones
Materias
- Herramientas comerciales
- Diseño conceptual
- Arquitectura
- Lenguajes de consulta
- Variables
- Tecnología
- Informática Aplicada
- Programación
- Casos de estudio
- Predicción
Plan de estudios
plan de estudios
Data Mining para Business Analytics
Contenidos mínimos: Conceptos básicos de Data Mining. Modelos descriptivos y predictivos. TÉcnicas fundamentales: reglas de asociación, clasificación, clustering, patrones. Árboles de decisión. Aplicación a problemas concretos de predicción. Casos de estudio. KPIs (Key Performance Indicators). Dashboards. Herramientas comerciales y open source.
Data Warehousing y OLAP
Contenidos mínimos: Arquitecturas. El proceso de ETL. Diseño conceptual, lógico y físico. El modelo multidimensional: estrella, snowlflake y constellation. Slowly changing dimensions. Diseño físico. On Line Analytical Processing: OLAP. OLAP vd OLTP. Lenguajes de consulta: MDX básico y avanzado. Entornos avanzados para OLAP. Herramientas comerciales y open source.
Técnicas y Herramientas para Big Data
Contenidos mínimos: Conceptos fundamentales de Big Data. Datos estructurados y no estructurados. El paradigma MapReduce. Hadoop File System, HadoopDB. Lenguages de alto niveL: HiveQL y Pig Latin. Google Cloud SQL. Google Big Table. Utilizacion en data Warehousing. Análisis de datos con Hadoop y Hive.
Visualización de la Información
Contenidos mínimos. Introducción, definiciones, antecedentes, gráficos notables. Principios de la excelencia gráfica. Observaciones y variables. Tipo de variables. Visualizando tablas, jerarquías y redes. Utilización del color. GIS. Representación eficiente de la información, sumarización y visualización de grandes volúmenes de datos. Prácticas con d3js, jit, Processing, Google Visualization API, Tableau, Fusion Tables y QGIS.
Diplomatura en big data