Big Data, Machine Learning, Tensor Flow, Data Science, Data Analytics, Arquitecturas Big Data, Plataformas Big Data
Los grandes volúmenes de datos han inundado nuestro mundo. La utilización de manera eficiente y ética de estos datos nos permiten mejorar nuestro negocio, conocer a nuestro clientes y obtener valor a toda la información que recogemos con el fin de mejorar la experiencia de nuestros usuarios y producir nuevas funcionalidades derivadas de sus necesidades.
Con el Máster en Big Data y Machine Learning de Fictizia aprenderás los fundamentos básicos para el diseño, desarrollo y despliegue de arquitecturas Big Data con el fin de construir desde aplicaciones sencillas que impliquen sólo alguna de las fases del ciclo de vida de los datos hasta aplicaciones complejas que permitan desplegar de manera completa un pipeline sobre una de las diferentes arquitecturas que se describen en el programa.
Aprenderás sobre fundamentos y lógica de la programación de los diferente lenguajes más utilizados en Big Data, construcción y despliegue de contenedores. Tambien se conocerán en profundidad las diferentes arquitecturas Big Data, los tipos de bases de datos más comunes utilizados en Big Data, así como las diferentes herramientas que pueden ser utilizadas en el ciclo de vida de los datos: Ingestión, tratamiento, manipulación y presentación.
Durante este Máster en Big Data y Machine Learning, con el fin de presentar una perspectiva global de las diferentes tecnologías BigData que existen actualmente se realizarán ejemplos prácticos de diferentes plataformas y tecnologas.
- Horario: Martes y Jueves de 19:00h a 22:00h
- Fechas: 8/10/19 - 05/03/20
- Dias festivos:
- 23/12/19 - 06/01/20 Navidad
| Fecha | Cap | Contenido | Recurso | Descripción |
|---|---|---|---|---|
| 08/10/19 | 0 | Clase 01 | Recurso 01 | Introducción al curso |
| 10/10/19 | 1 | Clase 02 | Recurso 02 | Introducción al Big Data - GIT |
| 10/10/19 | 1 | Clase 02 | Recurso 03 | Introducción al Big Data - Python |
| 15/10/19 | 1 | Clase 03 | Recurso 04 | Introducción al Big Data |
| 17/10/19 | 2 | Clase 04 | Recurso 06 | Contenedores - Creación, uso, depligue |
| 22/10/19 | 2 | Clase 05 | Recurso 05 | Contenedores - Desplegando una infraestructura |
| 24/10/19 | 2 | Clase 06 | Recurso 06 | Apificación - Parte I |
| 29/10/19 | 2 | Clase 07 | Recurso 07 | Apificación - Parte II |
| 31/10/19 | 3 | Clase 08 | Recurso 08 | Representación de la información - Formatos y tipos |
| 05/11/19 | 3 | Clase 09 | Recurso 09 | Representación de la información - Bases de datos relacionales |
| 07/11/19 | 3 | Clase 10 | Recurso 10 | Representación de la información - Bases columnares y documentales |
| 12/11/19 | 3 | Clase 11 | Recurso 11 | Representación de la información - Bases en grafo |
| 14/11/19 | 3 | Clase 12 | Recurso 12 | Representación de la información - Almacenando ficheros |
| 19/11/19 | 4 | Clase 13 | Recurso 13 | Arquitecturas Big Data |
| 21/11/19 | 4 | Clase 14 | Recurso 14 | Arquitecturas - Procesamiento batch |
| 26/11/19 | 4 | Clase 15 | Recurso 15 | Arquitecturas - Procesamiento streaming |
| 28/11/19 | 5 | Clase 16 | Recurso 16 | Ingestión de datos |
| 03/12/19 | 5 | Clase 17 | Recurso 17 | Ingestión - Scrapeando datos |
| 05/12/19 | 5 | Clase 18 | Recurso 18 | Ingestión - Almacenando los datos ingeridos |
| 10/12/19 | 6 | Clase 19 | Recurso 19 | Procesamiento - Analizando datos |
| 12/12/19 | 6 | Clase 20 | Recurso 20 | Procesamiento - Multiplicando nuestros datos. |
| 17/12/19 | 6 | Clase 21 | Recurso 21 | Procesamiento - Orquestación de procesos de ingestión y procesamiento |
| 19/12/19 | 6 | Clase 22 | Recurso 22 | Procesamiento - Creación de mi primera ETL |
| 07/01/20 | 6 | Clase 23 | Recurso 22 | Procesamiento - ETL & colas |
| 09/01/20 | 7 | Clase 24 | Recurso 24 | Manipulación - Introducción al aprendizaje automático |
| 14/01/20 | 7 | Clase 25 | Recurso 25 | Manipulación - Aprendizaje de modelos |
| 16/01/20 | 7 | Clase 26 | Recurso 26 | Manipulación - Creando modelos con datos en TensorFlow - Parte I |
| 21/01/20 | 7 | Clase 27 | Recurso 27 | Manipulación - Creando modelos con datos en TensorFlow - Parte II |
| 23/01/20 | 7 | Clase 28 | Recurso 28 | Manipulación - Creando modelos con keras |
| 21/01/20 | 7 | Clase 29 | Recurso 29 | Manipulación - Creando modelos con scikit-learn |
| 30/01/20 | 8 | Clase 30 | Recurso 30 | Admin & Platforms - Administración de infraestructuras Big Data |
| 04/02/20 | 8 | Clase 30 | Recurso 30 | Admin & Platforms - Herramientas y plataformas |
| 06/02/20 | 8 | Clase 31 | Recurso 31 | Admin & Platforms - Máquinas Virtuales |
| 11/02/20 | 8 | Clase 32 | Recurso 32 | Admin & Platforms - Máquinas Virtuales |
| 13/02/20 | 8 | Clase 33 | Recurso 33 | Admin & Platforms - Kubernetes |
| 18/02/20 | 8 | Clase 34 | Recurso 34 | Admin & Platforms - Kubernetes |
| 20/02/20 | 8 | Clase 35 | Recurso 35 | Admin & Platforms - Orquestando procesos en cloud |
| 25/02/20 | 9 | Clase 36 | Recurso 36 | Visualización |
| 27/02/20 | 9 | Clase 37 | Recurso 37 | Visualización - Visualizando datos mediante un sistema de BI |
| 03/03/20 | 9 | Clase 38 | Recurso 38 | Visualización - Visualizando datos mediante un sistema de BI |
| 05/05/20 | 9 | Clase 39 | Recurso 39 | Visualización - Visualizando datos con aplicaciones web |
Capítulo 1 - Introducción al Big Data
- Ciclo de vida de los datos
- Tipos de infraestructuras (Distribuida, Cloud y Edge)
- Algoritmia para datos
- El valor de los datos
- Legislación y normativa
- Ética en el uso de la información
Capítulo 2 - Preparando el entorno (Entrada y Salida)
- Introducción a Dockers
- Trabajando con contenedores
- Apificando el acceso a los datos y servicios.
- API REST
- GraphQL
Capítulo 3 - Representación de la información
- El concepto del dato
- Modos de almacenamiento
- Ficheros (Google Cloud Storage)
- Bases de datos relacionales (MySQL)
- Bases de datos no relacionales (Documental, Clave:Valor, Columares y Grafos)
- DataLakes: Almacenando todos mis datos
- DataMarts: Dividiendo la información
Capítulo 4 - Arquitecturas Big Data
- Arquitectura híbridas
- Arquitecturas Lambda
- Arquitectura Kappa
- Arquitectura Zeta
- Procesamiento de datos
- El concepto del tiempo en Big Data
- Procesamiento Batch
- Procesamiento Streaming
Capítulo 5 - Ingestión de datos
- Procesos de ingestión de datos
- Sistema de ingestión externos (Scrapers & Co)
- Sistema de ingestión internos (Colas de mensajes)
Capítulo 6 - Procesamiento y manipulación
- Analizando datos
- Técnicas de manipulación
- Aumentación de datos
- Generación de datos derivados
- El concepto de ETL (Extract, Transform and Load)
- Procesamiento y manipulación
- Diseñando nuestrs ETLs
Capítulo 7 - Machine Learning
- Aprendizaje automático
- Aprendizaje supervisado
- Aprendizaje no supervisado
- Aprendizaje profundo (Deep Learning)
- Generando nuestros modelos
- TensorFlow
- Keras
- scikit-learn
- Gestión de modelos
Capítulo 8 - Administración y uso de plataformas Cloud
- Diseñando Arquitecturas
- Plataformas en el cloud
- Virtual Machines
- Kubernetes
- Modelos de despliegue
- Software as a Service (SaaS)
- Platform as a Service (PaaS)
- Infraestructure as a Service (IaaS)
- Manipulación del dato
- Gobernanza
- Seguridad
Capítulo 9 - Visulizando datos
- Introducción a la visualización de datos.
- Visualización mediante sistemas de BI (Google Data Studio).
- Visualización mediante aplicaciones web (Python).
Con este máster de Big Data y Machine Learning los alumnos aprenderán los fundamentos básicos para el diseño, desarrollo y despliegue de arquitecturas Big Data con el fin de construir desde aplicaciones sencillas que impliquen sólo alguna de las fases del ciclo de vida de los datos hasta aplicaciones complejas que permitan desplegar de manera completa una pipeline que incluya la construcción de modelos de Machine Learning sobre una de las diferentes arquitecturas que se describe en el programa.