Objetivo General

Desarrollar competencias en el uso de herramientas de programación y análisis de datos para optimizar procesos en el contexto del Big Data.

Descargar Ficha PDF Cotizar

Objetivos Específicos

         1. Comprender los conceptos fundamentales de Big Data y su impacto.
         2. Manejar herramientas de programación específicas para análisis de datos.
         3. Implementar soluciones prácticas utilizando técnicas de Big Data.
         4. Evaluar y optimizar procesos de datos en entornos reales.

Módulo 1: Introducción a Big Data

        Aprendizaje Esperado: Comprender los fundamentos de Big Data y su relevancia en la industria.
        Conceptos Básicos: Familiarización con términos y conceptos clave.
        Panorama General: Visión global de la arquitectura Big Data.
        Importancia Estratégica: Evaluación del impacto en la toma de decisiones.
        Casos de Éxito: Ejemplos de aplicación en diversas industrias.
        Actividad Práctica: Estudio de caso sobre implementación de Big Data en empresas.

Módulo 2: Herramientas de Programación

        Aprendizaje Esperado: Dominar herramientas de programación para el análisis de datos.
        Python para Big Data: Uso de librerías y frameworks especializados.
        R y su Potencial: Aplicaciones estadísticas en Big Data.
        SQL Avanzado: Técnicas de consulta para grandes volúmenes de datos.
        Integración de Herramientas: Combinación de diferentes herramientas para análisis.
        Actividad Práctica: Simulación de análisis de datos utilizando Python y R.

Módulo 3: Almacenamiento de Datos

        Aprendizaje Esperado: Conocer las tecnologías de almacenamiento para Big Data.
        Bases de Datos NoSQL: Exploración de alternativas a SQL tradicionales.
        Hadoop y HDFS: Introducción al ecosistema Hadoop.
        Almacenamiento en Nube: Ventajas y desventajas de soluciones en la nube.
        Estrategias de Backup: Planificación y ejecución de copias de seguridad.
        Actividad Práctica: Configuración de un entorno Hadoop para almacenar datos.

Módulo 4: Procesamiento de Datos

        Aprendizaje Esperado: Implementar técnicas de procesamiento de datos a gran escala.
        MapReduce: Comprensión del modelo de programación distribuida.
        Spark: Procesamiento en tiempo real y por lotes.
        Flink: Alternativa para procesamiento de datos en streaming.
        Comparativa de Tecnologías: Análisis de ventajas y limitaciones.
        Actividad Práctica: Ejercicios de procesamiento con Spark y Flink.

Módulo 5: Análisis de Datos

        Aprendizaje Esperado: Aplicar métodos de análisis para extraer información valiosa.
        Análisis Exploratorio: Técnicas para entender los datos.
        Visualización de Datos: Herramientas y mejores prácticas.
        Modelos Predictivos: Introducción al machine learning.
        Evaluación de Resultados: Métodos para validar y refinar modelos.
        Actividad Práctica: Desarrollo de un proyecto de análisis de datos real.

Módulo 6: Seguridad y Privacidad

        Aprendizaje Esperado: Identificar y aplicar medidas de seguridad en entornos Big Data.
        Protección de Datos: Principios y técnicas de seguridad.
        Legislación y Normativas: Cumplimiento de regulaciones internacionales.
        Gestores de Identidad: Control de acceso y autenticación.
        Respuesta a Incidentes: Planificación y gestión de crisis.
        Actividad Práctica: Simulación de incidentes de seguridad y respuesta.

Módulo 7: Implementación en Transporte

        Aprendizaje Esperado: Aplicar conocimientos a la industria del transporte de pasajeros.
        Demanda y Oferta: Análisis de patrones de uso y optimización de servicios.
        Mantenimiento Predictivo: Uso de datos para prever fallas en infraestructuras.
        Mejora de Experiencia: Personalización de servicios para pasajeros.
        Integración de Sistemas: Conexión de diferentes fuentes de datos.
        Actividad Práctica: Estudio de caso sobre el uso de Big Data en Metro S.A.

Módulo 8: Gestión de Proyectos de Big Data

        Aprendizaje Esperado: Aprender a liderar proyectos de análisis de datos.
        Ciclo de Vida de Proyectos: De la planificación a la ejecución.
        Herramientas de Gestión: Software y metodologías ágiles.
        Equipos Multidisciplinarios: Coordinación entre diferentes áreas.
        Evaluación de Impacto: Medición de resultados y ajustes necesarios.
        Actividad Práctica: Juego de rol en la gestión de un proyecto de Big Data.

Módulo 9: Evaluación Final

        Aprendizaje Esperado: Consolidar conocimientos y habilidades adquiridas.
        Revisión de Contenidos: Repaso intensivo de todos los módulos.
        Proyecto Integrador: Desarrollo de una solución integral basada en Big Data.
        Presentación de Resultados: Exposición de conclusiones y aprendizajes.
        Feedback: Retroalimentación y plan de mejora continua.
        Actividad Práctica: Simulacro real de implementación de un proyecto Big Data.