Introducción al Big Data e IA

Conceptos básicos sobre seguridad y salud en el trabajo

• OBJETIVO
• Conocer las principales características del procesamiento masivo de datos en su relación con aplicaciones y algoritmos de Inteligencia Artificial, así como facilitar una aproximación a la planificación y desarrollo de programas de inteligencia artificial y Big Data en el entorno empresarial.
• CONOCIMIENTO / CAPACIDADES COGNITIVAS Y PRÁCTICAS
• Adquisición y dominio de conceptos básicos y de conocimientos sobre los avances en Big Data:
• Cómo evoluciona el BI tradicional al Big Data (navegación web, geolocalización, audiencias TV,…)
• El Big Data como solución al tratamiento masivo de datos: definición e historia desde su invención.
• Hadoop como revolución para el tratamiento paralelo de datos masivo.
• Características del Big Data (4 V's y más): volumetría, velocidad, variedad (estructurados/no estructurados), veracidad (calidad del dato), valor del dato, …
• Nuevos paradigmas del Big Data: Procesos en Real Time y Cloud Computing.
• Conocimiento de nociones básicas sobre arquitectura Big Data y principales tecnologías:
• El ecosistema Hadoop: HDFS y MapReduce.
• Principales lenguajes de programación utilizados: Java, Scala, SQL y Python.
• Procesos ETL (extracción, transformación y carga): Flume, Sqoop y HIVE.
• Procesos Real Time y bases de datos de alta disponibilidad: Kafka, HBASE y Redis.
• Procesamiento y analítica avanzada con Spark.
• Seguridad y gobierno del dato.
• Comprensión de los principales conceptos sobre La “Ciencia de datos” e IA:
• Introducción a la “Ciencia de datos” y la Inteligencia Artificial.
• Principales lenguajes de programación utilizados: R y Python.
• Algoritmos supervisados: ¿Qué son? Algunos Ejemplos.
• Algoritmos no-supervisados: ¿Qué son? Algunos Ejemplos.
• Introducción al Deep Learning y el Aprendizaje por Refuerzo.
• Procesamiento de información no estructurada: Imágenes y Textos.
• Visualización de datos: Visualizaciones interactivas y Dashboards.
• Adquisición de una visión trasversal sobre el futuro del BigData y cómo se aplica actualmente en diferentes áreas:
• Ejemplos en las instituciones públicas: OpenData.
• Ejemplos en el mundo empresarial: ejemplos de aplicabilidad del Big Data a la eficiencia de las operaciones de una compañía.
• “Data for Good”: Big Data para el bien social.
• Reflexiones finales sobre el impacto del Big Data en los años venideros.
• HABILIDADES DE GESTIÓN, PERSONALES Y SOCIALES
• Inquietud y alta motivación por seguir las novedades que se producen de forma continua en el entorno de los datos.
• Competencias necesarias para el nuevo entorno digital:
• La influencia digital.
• La colaboración en el entorno.
• La anticipación en contextos digitales.
• La flexibilidad para la transformación.
• Conocimiento e interés por la evolución del área de Tecnología y sus aplicaciones profesionales.