M\u00d3DULO 1. CONCEPTOS B\u00c1SICOS SOBRE SEGURIDAD Y SALUD EN EL TRABAJO
\n 1. ADQUISICI\u00d3N Y DOMINIO DE CONCEPTOS B\u00c1SICOS Y DE CONOCIMIENTOS SOBRE LOS AVANCES EN BIG DATA:
\n 1.1 C\u00f3mo evoluciona el BI tradicional al Big Data (navegaci\u00f3n web, geolocalizaci\u00f3n, audiencias TV,\u2026)
\n 1.2 El Big Data como soluci\u00f3n al tratamiento masivo de datos: definici\u00f3n e historia desde su invenci\u00f3n.
\n 1.3 Hadoop como revoluci\u00f3n para el tratamiento paralelo de datos masivo.
\n 1.4 Caracter\u00edsticas del Big Data (4 V’s y m\u00e1s): volumetr\u00eda, velocidad, variedad (estructurados\/no estructurados), veracidad (calidad del dato), valor del dato, \u2026
\n 1.5 Nuevos paradigmas del Big Data: Procesos en Real Time y Cloud Computing.<\/p>\n
2. CONOCIMIENTO DE NOCIONES B\u00c1SICAS SOBRE ARQUITECTURA BIG DATA Y PRINCIPALES TECNOLOG\u00cdAS:
\n 2.1 El ecosistema Hadoop: HDFS y MapReduce.
\n 2.2 Principales lenguajes de programaci\u00f3n utilizados: Java, Scala, SQL y Python.
\n 2.3 Procesos ETL (extracci\u00f3n, transformaci\u00f3n y carga): Flume, Sqoop y HIVE.
\n 2.4 Procesos Real Time y bases de datos de alta disponibilidad: Kafka, HBASE y Redis.
\n 2.5 Procesamiento y anal\u00edtica avanzada con Spark.
\n 2.6 Seguridad y gobierno del dato.<\/p>\n
3. COMPRENSI\u00d3N DE LOS PRINCIPALES CONCEPTOS SOBRE LA \u201cCIENCIA DE DATOS\u201d E IA:
\n 3.1 Introducci\u00f3n a la \u201cCiencia de datos\u201d y la Inteligencia Artificial.
\n 3.2 Principales lenguajes de programaci\u00f3n utilizados: R y Python.
\n 3.3 Algoritmos supervisados: \u00bfQu\u00e9 son? Algunos Ejemplos.
\n 3.4 Algoritmos no-supervisados: \u00bfQu\u00e9 son? Algunos Ejemplos.
\n 3.5 Introducci\u00f3n al Deep Learning y el Aprendizaje por Refuerzo.
\n 3.6 Procesamiento de informaci\u00f3n no estructurada: Im\u00e1genes y Textos.
\n 3.7 Visualizaci\u00f3n de datos: Visualizaciones interactivas y Dashboards.<\/p>\n
4. ADQUISICI\u00d3N DE UNA VISI\u00d3N TRASVERSAL SOBRE EL FUTURO DEL BIGDATA Y C\u00d3MO SE APLICA ACTUALMENTE EN DIFERENTES \u00c1REAS:
\n 4.1 Ejemplos en las instituciones p\u00fablicas: OpenData.
\n 4.2 Ejemplos en el mundo empresarial: ejemplos de aplicabilidad del Big Data a la eficiencia de las operaciones de una compa\u00f1\u00eda.
\n 4.3 \u201cData for Good\u201d: Big Data para el bien social.
\n 4.4 Reflexiones finales sobre el impacto del Big Data en los a\u00f1os venideros<\/p>\n","protected":false},"excerpt":{"rendered":"
Conocer las principales caracter\u00edsticas del procesamiento masivo de datos en su relaci\u00f3n con aplicaciones y algoritmos de Inteligencia Artificial, as\u00ed como facilitar una aproximaci\u00f3n a la planificaci\u00f3n y desarrollo de programas de inteligencia artificial y Big Data en el entorno empresarial.<\/p>\n","protected":false},"featured_media":24101,"template":"","meta":{"_et_pb_use_builder":"","_et_pb_old_content":"","_et_gb_content_width":""},"product_brand":[],"product_cat":[48],"product_tag":[],"class_list":["post-24345","product","type-product","status-publish","has-post-thumbnail","product_cat-informatica-y-comunicaciones","first","instock","virtual","taxable","purchasable","product-type-simple"],"yoast_head":"\n