Especialidad formativa
Algoritmos de big data para ingenierías
Tipo de acción formativa: Especialidades formativas del SEPEFormato: Curso SCORM en formato licenciaTítulo: Algoritmos de big data para ingenieríasCódigo: IFCT166PODuración: 80 horasFamilia profesional: Informática y comunicacionesDisponibilidad: Curso en desarrollo para las convocatorias 2022Convocatoria: Convocatoria de formación ocupados estatal 2022
Qué aprenderás
Aplicar los algoritmos utilizados en Big Data, aprender el lenguaje R para su uso en Big Data, realizar un desarrollo con R y Hadoop, así como realizar Data Mining con Weka.
Contenido del curso
01
Minería de datos o Data Mining y el aprendizaje automático.
- Introducción a la minería de datos y el aprendizaje automático
- Proceso KDD.
- Modelos y Técnicas de Data Mining.
- Áreas de aplicación.
- Minería de textos y Web Mining
- Data Mining y marketing.
02
R como herramienta para Big Data
- Instalación de R y RStudio.
- Introducción al lenguaje.
- Historia e Introducción a R.
- Operaciones Básicas y Números.
- Atributos, Entrada y Coerción.
- Matrices.
- Precedencia Operaciones Vectoriales.
- Manejo de fechas y tiempo.
- Listas, Factores, Valores Faltantes y Dataframes.
- Subconjuntos de Datos.
- Leer y Escribir Datos.
- Uso del lenguaje.
- Estructuras de Control.
- Funciones.
- Reglas de Alcance.
- Sistema de gráficos.
- Funciones *apply: apply.
- Funciones *apply: lapply / sappy.
- Funciones *apply: mapply / rep.
- Graficación con el Sistema de Base de Gráficos.
- Algunas Funciones Gráficas de Alto Nivel.
- Parámetros en el Sistema de Gráficos.
- Colores en el Sistema de Gráficos
- Graficación. con Notación Matemática
- Graficación con texto y notación matemática.
- Creación de Gráficas en 3D.
- Expresiones regulares. Graficas con ggplot2 y Simulación.
- Expresiones Regulares.
- Paquete de gráficos ggplot2.
- Simulación.
- R en el mundo real.
- Estadística Descriptiva y Predictiva con R.
- Integración de R en Hadoop
03
Pre-Procesamiento &, procesamiento de datos.
- Obtención y limpieza de los datos (ETL).
- Inferencia estadística.
- Pruebas de hipótesis.
- Modelos de regresión.
- Árboles de n
- Algoritmos de n / n (J48/C5.0, M5P).
- n, Tipos de distancia, n.
- Machine Learning.
- Comparar culos (k-NN).
- Modelo predictivo de Profit (k-NN, M5P).
- Modelo predictivo de n (J48, k-NN).
04
Análisis de los datos.
- Inteligencia Analítica de negocios.
- La teoría de grafos y el análisis de redes sociales.
- Presentación de resultados.
05
Procesamiento distribuido de datos con Hadoop.
- ¿Qué es Hadoop?
- El sistema de archivos HDFS
- Algunos comandos de referencia
- Procesamiento MapReduce con Hadoop
- El concepto de los Clústers en Hadoop.
06
Weka y Data Mining.
- ¿Qué es Weka?
- Técnicas de Data Mining en Weka.
- Interfaces de Weka.
- Selección de atributos.
Especialidad formativa