Objetivos
Conocer las principales características del procesamiento masivo de datos en su relación con aplicaciones y algoritmos de Inteligencia Artificial, así como facilitar una aproximación a la planificación y desarrollo de programas de inteligencia artificial y Big Data en el entorno empresarial.
Índice
MÓDULO 1. CONCEPTOS BÁSICOS SOBRE SEGURIDAD Y SALUD EN EL TRABAJO
1. ADQUISICIÓN Y DOMINIO DE CONCEPTOS BÁSICOS Y DE CONOCIMIENTOS SOBRE LOS AVANCES EN BIG DATA
1.1 Cómo evoluciona el BI tradicional al Big Data (navegación web, geolocalización, audiencias TV,…)
1.2 El Big Data como solución al tratamiento masivo de datos: definición e historia desde su invención.
1.3 Hadoop como revolución para el tratamiento paralelo de datos masivo.
1.4 Características del Big Data (4 V’s y más): volumetría, velocidad, variedad (estructurados/no estructurados), veracidad (calidad del dato), valor del dato, …
1.5 Nuevos paradigmas del Big Data: Procesos en Real Time y Cloud Computing.
2. CONOCIMIENTO DE NOCIONES BÁSICAS SOBRE ARQUITECTURA BIG DATA Y PRINCIPALES TECNOLOGÍAS
2.1 El ecosistema Hadoop: HDFS y MapReduce.
2.2 Principales lenguajes de programación utilizados: Java, Scala, SQL y Python.
2.3 Procesos ETL (extracción, transformación y carga): Flume, Sqoop y HIVE.
2.4 Procesos Real Time y bases de datos de alta disponibilidad: Kafka, HBASE y Redis.
2.5 Procesamiento y analítica avanzada con Spark.
2.6 Seguridad y gobierno del dato.
3. COMPRENSIÓN DE LOS PRINCIPALES CONCEPTOS SOBRE LA “CIENCIA DE DATOS” E IA
3.1 Introducción a la “Ciencia de datos” y la Inteligencia Artificial.
3.2 Principales lenguajes de programación utilizados: R y Python.
3.3 Algoritmos supervisados: ¿Qué son? Algunos Ejemplos.
3.4 Algoritmos no-supervisados: ¿Qué son? Algunos Ejemplos.
3.5 Introducción al Deep Learning y el Aprendizaje por Refuerzo.
3.6 Procesamiento de información no estructurada: Imágenes y Textos.
3.7 Visualización de datos: Visualizaciones interactivas y Dashboards.
4. ADQUISICIÓN DE UNA VISIÓN TRASVERSAL SOBRE EL FUTURO DEL BIGDATA Y CÓMO SE APLICA ACTUALMENTE EN DIFERENTES ÁREAS
4.1 Ejemplos en las instituciones públicas: OpenData.
4.2 Ejemplos en el mundo empresarial: ejemplos de aplicabilidad del Big Data a la eficiencia de las operaciones de una compañía.
4.3 “Data for Good”: Big Data para el bien social.
4.4 Reflexiones finales sobre el impacto del Big Data en los años venideros
Contenido SCORM para el Curso IFCT159 Introducción al Big Data e IA
Impulsa la transformación digital en el ámbito de la formación con el curso IFCT159 Introducción al Big Data e IA. Este contenido especializado en Big Data y la Inteligencia Artificial está diseñado para centros de formación que buscan ofrecer a empresas una visión actualizada y práctica sobre el tratamiento masivo de datos y su aplicación en el entorno empresarial.
Contenidos clave
- Aplicaciones del Big Data y la Inteligencia Artificial en el entorno empresarial.
- Ecosistema Hadoop: HDFS, MapReduce y su importancia en el procesamiento de datos masivos.
- Algoritmos supervisados y no supervisados en la Ciencia de Datos y la IA.
- Procesamiento de información no estructurada: Imágenes y Textos.
- Impacto del Big Data en instituciones públicas, empresas y en el ámbito social.
