Big Data Analytics

Introducción al Big Data

• Conceptos preliminares. Introducción a Big Data. Big Data, Minería de Datos y Análisis multidimensional. Diferencias, similitudes y complementariedad. Casos de Éxito (SQL Server – PowerBI).

Visualizaciones con R y Phyton

• Introducción al lenguaje de programación R y Phyton. Visual Analytics con RStudio. Visual Analytics con Python.

Machine Learning con R

• Modelos de Regresión Supervisado. Regresión Logística. Vecinos Cercanos (K-NN).

Machine Learning con Python

• Modelos de Regresión Supervisado. Regresión Logística. Vecinos Cercanos (K-NN).

Big Data con R y Pyhton

• Máquinas de soporte vectorial (SVM). Kernel SVM. Naive Bayes. Clasificación con Árboles de Decisión.

Big Data con bases de datos no SQL

• Bases de datos NoSQL. Modelos de programación para Big Data. Manejo básico de datos.

Big Data con bases de datos MONGODB

• Agregación de datos. Uso de índices. Creación del modelo de datos. Replicación y distribución de datos.

Big Data Analítico con MONGODB

• Ecosistema Hadoop. Sistema de ficheros distribuido. Gestor de recursos. Planificador de tareas. Casos de estudio.

Big Data desarrollo

• Configuración de un entorno. Creación y ejecución de tareas Map/Reduce. Interfaz para múltiples lenguajes.

Big Data visualización de datos y seguridad

• Conexión a Gestores de Datos de Big Data. Creación de informes con Big Data. Lineamientos de seguridad en Big Data.