Temario del curso
Introducción a los ecosistemas de Big Data
- Visión general de las tecnologías y arquitecturas de big data.
- Procesamiento por lotes vs. procesamiento en tiempo real.
- Estrategias de almacenamiento de datos para escalabilidad.
Procesamiento avanzado de datos con Apache Spark
- Optimización de trabajos de Spark para mejorar el rendimiento.
- Transformaciones y acciones avanzadas.
- Trabajo con streaming estructurado (structured streaming).
Aprendizaje automático a gran escala
- Técnicas de entrenamiento de modelos distribuidos.
- Ajuste de hiperparámetros en grandes conjuntos de datos.
- Despliegue de modelos en entornos de big data.
Aprendizaje profundo para Big Data
- Integración de TensorFlow y PyTorch con Spark.
- Pipelines de entrenamiento de aprendizaje profundo distribuido.
- Casos de uso en análisis de imágenes, texto y series temporales.
Análisis en tiempo real y transmisión de datos (streaming)
- Apache Kafka para la ingestión de datos en streaming.
- Frameworks de procesamiento de flujos de datos.
- Monitoreo y alertas en sistemas en tiempo real.
Gobernanza, seguridad y ética de los datos
- Requisitos de privacidad y cumplimiento normativo de los datos.
- Control de acceso y cifrado en sistemas de big data.
- Consideraciones éticas en el análisis a gran escala.
Integración de Big Data con Inteligencia Empresarial
- Visualización de datos y creación de cuadros de mando para big data.
- Conexión de tuberías de big data con herramientas de BI.
- Impulso de resultados empresariales mediante análisis avanzados.
Resumen y próximos pasos
Requerimientos
- Sólida comprensión de conceptos de análisis de datos y modelado estadístico.
- Experiencia con herramientas de procesamiento de datos y lenguajes de programación como Python, R o Scala.
- Conocimiento de marcos de computación distribuida como Hadoop o Spark.
Público objetivo
- Científicos de datos que buscan dominar el procesamiento de datos a gran escala y el análisis predictivo.
- Analistas senior que desean diseñar e implementar flujos de trabajo analíticos avanzados.
- Profesionales de I+D enfocados en soluciones innovadoras basadas en datos.
Reseñas (3)
Aprendiendo que QGIS es una herramienta que puede ser utilizada por otros profesionales diferentes, como topógrafos.
Bame Duncan Koko - Bentel Technologies (Pty) Ltd
Curso - QGIS for Geographic Information System
Traducción Automática
Cómo utilizar datos de satélites abiertos para aplicaciones reales
Tshering Dorji - Druk Holding and Investments
Curso - Advanced Geographic Information Systems (GIS)
Traducción Automática
Los ejemplos prácticos nos permitieron tener una idea real de cómo funciona el programa. Buenas explicaciones e integración de conceptos teóricos y su relación con las aplicaciones prácticas.
Ian - Archeoworks Inc.
Curso - ArcGIS Fundamentals
Traducción Automática
