Menú
¡Llama gratis! 900 264 357

Curso Big Data: Especialización Hadoop del centro TOKIO

Programa de Curso Big Data: Especialización Hadoop

Modalidad: Online , Semi-presencial
Localización: Álava/Araba , Albacete , Alicante/Alacant y otros lugares

Descripción

Curso de Hadoop: razón aquí (muchas empresas han decidido desplegar Hadoop junto a sus demás sistemas informáticos).

Se trata de una de las herramientas de Apache que trabaja con Big Data y permite el desarrollo de aplicaciones de procesamiento paralelo (¡podrás trabajar con miles de nodos y petabytes de datos!).

A quién va dirigido

Si te consideras una persona responsable y con grandes ambiciones profesionales, esta formación es perfecta para ti. ¡No te limites y llega tan lejos como te sea posible!

Objetivos

Te adentrarás en la arquitectura Hadoop.

Temario

Módulo 0: Introducción a la Programación

Unidad 1. Introducción a Python

• Python el nuevo desconocido

• Características básicas del lenguaje

• Programación orientada a objetos y excepciones

• Manipulación de datos

Unidad 2: Introducción a la Estadística

• Variables estadísticas

• Tabla de frecuencias

• Gráficas estadísticas

• Principales parámetros estadísticos

• Estadística bidimensional

• Regresión lineal

Unidad 3: Introducción a R

• Manejo de datos

• Gráficos estadísticos con R

• Programación con R

• Medidas descriptivas

Unidad 4: Introducción a SQL

• Estructura básica de una consulta en SQL

• Tipos de consultas en SQL

• Funciones de agregación en SQL

• Consultas SQL sobre más de una tabla

Modulo 1: Introducción al Big Data

Unidad 1: Ecosistema Big Data

• Definición de componentes y arquitectura

• Disponibilidad, escalabilidad y resiliencia

• Introducción a Hadoop y MapReduce

Unidad 2: Estrategias basadas en datos

• Cuadros de mando (Dashboards)

• Business Intelligence vs. Big Data

Unidad 3: Entornos de procesamiento

• Cloud Computing

• Internet de las Cosas (IoT)

Unidad 4: Casos de uso de Big Data: ejemplos en la industria

Módulo 2. El dato y su ciclo de vida

Unidad 1: Datos

• El dato

• Calidad del dato

• Derechos sobre los datos

Unidad 2: Ciclo de vida del dato

• Fuentes de datos

• Extracción, Tratamiento y Carga

• Almacenamiento de datos

• Análisis para la explotación

• Visualización y storytelling para la explotación La selección de los elementos visuales

• Toma de decisiones

Módulo 3. Almacenamiento escalable de datos

Unidad 1: Bases de datos distribuidas

• Tipo de escalabilidad Escalabilidad vertical Escalabilidad horizontal

• Bases de datos no distribuidas

• Teorema de CAP

Unidad 2: NoSQL

• Bases de datos relacionales

Unidad 3: NoSQL – Clave valor

Unidad 4: NoSQL – Columnares

• Arquitectura

• Modelado de datos en Casandra

• Cassandra Query Languaje – CQL

• CQL – Creación de modelo de datos Keyspace

Table

Unidad 5: NoSQL – Orientada a documentos

Unidad 6: NoSQL – Orientada a grafos

Módulo 4. Arquitectura Big Data

Unidad 1: El ecosistema Hadoop

◦ Introducción a Hadoop

◦ Herramientas del ecosistema Hadoop

Unidad 2: Cluster y sistemas distribuidos (HDFS, MapReduce)

Unidad 3: Análisis de datos con Hive y Pig

Unidad 4: Procesamiento de datos con Spark

• Spark RDD (Resilient Distributed Datsets)

• Spark Streaming

• Spark SQL

Módulo 5. Análisis para la explotación de datos

Unidad 1: Perfiles de datos

• Científicos de datos

• Ingeniero de datos

Unidad 2: Análisis exploratorio de datos

• Estadística descriptiva

• Distribución de los datos

• Exploración de datos categóricos y binarios

• Correlación

• Exploración de 2 o más variables

Unidad 3: Técnicas de muestreo de datos

• Selección aleatoria

• Selección Bias

• Selección por distribución estadística

Unidad 4: Contraste de hipótesis

• Testeo de muestras A/B

• Testeo de hipótesis

• Significancia estadística y P-Value

• P-Value

Unidad 5: Regresión y predicción

• Regresión linear

• Regresión multilineal

• Interpretar los resultados de una regresión

• Predecir usando regresión

Unidad 6: Aprendizaje supervisado

• Conceptos

• Algoritmos: árboles de decisión

Unidad 7: Aprendizaje no supervisado

• Componentes principales

• Algoritmos: K-Means, clusters jerárquicos

Unidad 8: Introducción al Deep Learning

• Conceptos fundamentales

• Redes neuronales

Módulo 6. Presentación de proyectos Big Data y storytelling

Unidad 1: Presentación de un proyecto Big Data

• La importancia del contexto

• La audiencia y su importancia

Unidad 2: Componentes para la presentación de un proyecto Big Data

• Ideas de diseño

Especialización Business Intelligence Módulo 1. Introducción al BI

Unidad 1: Historia y evolución del BI

• ¿Qué es el BI?

• Componentes BI

• Fuentes de información

Unidad 2: Conceptos básicos BI

• Herramientas/procesos básicos BI

Unidad 3: Modelado de datos

• Modelo en estrella

• Modelo copo de nieve

• Modelo multidimensional

Unidad 4: Aprovisionamiento de datos

• Datawarehouse

• Datamart

• Principales diferencias

Módulo 2. ETL e introducción a la visualización

Unidad 1: Procesos de extracción transformación y cargas y herramientas.

◦ Diseño de proceso ETL

◦ Principales herramientas del mercado y particularidades

Unidad 2: Introducción a la visualización

• Introducción a la visualización de la información

• Beneficios de la visualización

• Categorías de la visualización

Unidad 3: Herramientas y particularidades

• Principales herramientas del mercado y comparativa

Módulo 3. Introducción al PowerBI

Unidad 1: Comprensión básica de PowerBI

• ¿Qué es?

• ¿Para qué sirve?

• Interfaz

Unidad 2: Conexión a orígenes de datos

Unidad 3: Editor Power Query

• Formateo de datos

• Detección de errores

• Pivot

Unidad 4: Creación de gráficos

Unidad 5: Construcción de informe con filtros

• Vinculación y desvinculación en gráficos

Unidad 6: Introducción a DAX (Data Analysis Expressions)

• Introducción a DAX

• Tablas y columnas calculadas, medidas simples

• Filtrado de filas y medidas avanzadas

Unidad 7: Creación de métricas y gráficos avanzados

Módulo 4. Introducción al Tableau: Visualización I

Unidad 1: Tableau I

• Comprensión básica de Tableau

• Conexión a fuente/base de datos

• Combinación de datos

• Editar y guardar fuente de datos

• Dimensiónes y métricas

Unidad 2: Tableau II

• Conversión tipo de datos

• Representación gráfica de los datos

• Filtrado de informes y características

• Creación jerarquías y drill down

Unidad 3: Tableau III

• Creación campos calculados. (medidas y dimensiones)

• Creación de parámetros

• Combinación campos calculados y parámetros

• Descripciones emergentes

Unidad 5. Tableau Avanzado: Visualización II

Unidad 1: Tableau avanzado I

◦ Creación de grupos

◦ Creación de conjuntos

◦ Expresiones LOD

Unidad 2: Tableau avanzado II

◦ Creación de dashboard

◦ Objetos dashboard

◦ Fomatos dashboard

◦ Interactividad dashboard

Unidad 3: Tableau avanzado III

◦ Extensiones Tableau

◦ Configuración extensión

◦ Gráficos no nativos

Unidad 4: Movilidad y colaboración

◦ Creación de historias

◦ Adaptación de informes para móvil y tablet

◦ Tableau online/Tableau server/Tableau public

Especialización Apache Hadoop Módulo 1. Introducción al Big Data

Unidad 1: Conceptos básicos

• Definición y conceptos

• Evolución de los datos

Unidad 2: SQL vs. NoSQL

Unidad 3: Preparación entorno de trabajo

Módulo 2: Apache Hadoop (HDFS)

Unidad 1: Conceptos básicos y arquitectura

• Conceptos fundamentales

• Arquitectura Hadoop

Unidad 2: Lectura, escritura y replicación

Unidad 3: Permisos y borrado de datos

Unidad 4: Safemode, snapshots y gestión de caché

Unidad 5: Profundizando con la Shell

Módulo 3: Map reduce & yarn

Unidad 1: Map reduce: el algoritmo

• Arquitectura

• Configuración

Unidad 2: Implementación de algoritmos map reduce

Unidad 3: Maneras de ejecutar el algoritmo

Unidad 4: YARN: Arquitectura, gestión de colas y Zookeeper

Módulo 4: Ecosistema Hadoop

Unidad 1: Apache Hive

• Arquitectura

• Componentes

Unidad 2: Apache Sqoop

• Arquitectura

• Componentes

Unidad 3: Apache Pig

• Arquitectura

• Componentes

• Pig Latin

Unidad 4: Apache Spark

• Arquitectura

• Componentes

• Tipos de datos

• Integración con Hive

Unidad 5: Reporting con Zeppelin

• La importancia del reporting

• Creación de reportes con Zeppelin

Titulación obtenida

Curso Big Data: Especialización Hadoop

Requisitos

Sin requisitos previos.

Contacta ahora con el centro

Junglebox S.L. (Responsable) tratará tus datos personales con la finalidad de gestionar el envío de solicitudes de información requeridas y el envío de comunicaciones promocionales sobre formación, derivadas de tu consentimiento. Podrás ejercer tus derechos de acceso, supresión rectificación, limitación, portabilidad y otros derechos, según lo indicado en nuestra P. de Privacidad​