Skip to content

Latest commit

 

History

History
151 lines (131 loc) · 8.62 KB

README.md

File metadata and controls

151 lines (131 loc) · 8.62 KB
Raw

WideImg

→ Máster en Big Data y Machine Learning

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.

Información sobre el Curso

  • 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

[Distribución del calendario: Teoría y Recursos]

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

[Programa de estudios]

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).

[Enfoque y objetivos de Máster]

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.