1. Masters
  2. Masters de Big Data
  3. Masters de Big Data Online
  4. Master Online Big Data Analytics And Processing Foundations Profesores Expertos
Tecnología Informática foto 2
Máster Online Big Data Analytics And Processing Foundations con Profesores Expertos

Máster Online Big Data Analytics And Processing Foundations con Profesores Expertos

por GRUPO ATRIUM
  • Lugar/Modalidad:

    Modalidad: Online

  • Duración:

    300 horas

  • 1747 EUR

Descripción

Certifícate como experto en Big Data Processing. Qué es Big Data? Son conjuntos de datos cuyo tamaño (volumen), complejidad (variabilidad) y velocidad de crecimiento (velocidad) dificultan su captura, gestión, procesamiento o análisis mediante tecnologías y herramientas convencionales, tales como bases de datos relacionales y estadísticas convencionales o paquetes de visualización, dentro del tiempo necesario para que sean útiles.

Ventajas del curso Curso De Iniciación Incluido Profesores Expertos, Formación online tutorizada, Clases/Tutorías en directo, Formación basada en la práctica y en el desarrollo de ejercicios, Programa De Becas Personalizadas y Acceso a Bolsa de Empleo.

Prácticas: Prácticas en empresas especializadas (opcionales). Disponemos de una red de empresas colaboradoras para que puedas cursar tus prácticas.

Metodología

Formación online en España 
Prácticas en empresas especializadas (opcionales).
Disponemos de una red de colaboradores para que puedas cursar prácticas.
Clases en directo. Todas las semanas podrás visualizar una clase desde cualquier parte del mundo, rompiendo las barreras geográficas, y accediendo desde cualquier dispositivo, ya sea desde el móvil, una tablet o el ordenador.
Profesores Expertos. Todo nuestro claustro docente se distingue por ser expertos en la materia y trabajadores en activo del mundo digital.
24 horas 7 días a la semana. Acceso a nuestro campus online siempre que desees.
Proyecto fin de curso.
Acceso a Bolsa de Empleo.

Requisitos

Perfil del alumno:

Aquellas personas que quieran adquirir las capacidades técnicas y analíticas necesarias para especializarse en Analítica de Negocio o Big Data.

Profesionales en áreas como Tecnología, negocio o departamentos analíticos que necesitan conocer las técnicas y métodos del ¿business analytics¿ para mejorar estrategias y tener una visión más global de la organización o innovar en grandes empresas.

Objetivos

Uso y gestión de datos en bases de datos relacionales, como fuente de datos para los programas.

Conocer funcionamiento y uso de las bd NOSQL en relación a las bases de datos tradicionales.

Adquirir las bases necesarias del lenguaje java, para su posterior aplicación en el desarrollo de programas, así como uso de la interface gráfica, gestión de ficheros y pruebas unitarias, combinadas con la utilización de patrones y buenas prácticas de programación.

Adquirir las bases necesarias del lenguaje Python, para su posterior aplicación en el desarrollo de programas, y pruebas unitarias, combinadas con la utilización de patrones y buenas prácticas de programación.

Conocer las formas de procesamiento/almacenamiento de datos a gran escala. Ecosistema Hadoop.

Conocer la programación funcional en Scala para su posterior uso en Spark.

Conocer la arquitectura Spak y su impacto en el mundo Big Data. Procesamiento a gran escala con Spark.

¿Qué Salidas Profesionales tiene el Master?

Estas son algunas de las salidas laborales a las que optarás:

Arquitecto de soluciones Big Data

Administrador y/o desarrollador de sistemas Big Data

Chief Data Officer (CDO).

Machine Learning Engineer.

Business Analyst.

Big Data Consultant.

Analista de datos (Data Analyst)

Big Data Developer.

Big Data Engineer.

Data Scientist.

Data Analyst.

NLP Consultant.

Minería de Datos, Analista de Datos

Temario

MÓDULO 1: INTRODUCCIÓN SISTEMAS DE INFORMACIÓN

Introducción. BI y DWH

Sistemas operativos (LINUX, introducción a DOS y PowerShell)

Conceptos generales de Linux

Comandos, variables de entorno y scripts

Control y planificación de procesos

Sistemas de almacenamiento y sistemas de ficheros

Administración Básica de Linux

Introducción DOS y Powershell

Técnicas Data Warehousing y SQL

Conceptos generales Data Warehouse

Gestor de base de datos.

Lenguaje de manipulación de datos (DML), sentencias Select, insert, update, delete, merge

Lenguaje de definición de datos (DDL), sentencias Create, Alter, Drop

Operadores aritméticos, lógicos, de relación

Funciones de fila simple, de grupo. Subselects, joins

ETL, Extracción, Transformación y Carga de datos

Introduction

Database Vs Data Warehouse

Preparacíon de entornos e instalacion

Principales algoritmos en integracion de datos

Principales ETL del mercado: (Pentaho, Talend, Qulick..)

Lectura y escritura de ficheros planos y base de datos

Uso de las principales funciones (agregación, join, uniones, sorters,..)

Carga de un modelo de datos

EJERCICIO FINAL DE MÓDULO

MÓDULO 2: BASES DE DATOS NOSQL

Introducción a las bases de datos NoSQL

¿Qué son?

Tipos de BBDD NoSQL

Ventajas y desventajas

Introducción a BBDD NOSQL orientada a documentos (MongoDB)

CRUD (Create, Read, Update and Delete) y el shell de Mongo DB

Uso de cursores en MongoDB

Sharding: distribución de la información en múltiples servidores

Motores de almacenamiento en MongDb e índices

Introducción a BBDD NOSQL orientada a grafos (Neo4j)

Introducción.

Operaciones y análisis de grafos

Cypher Query Languaje

EJERCICIO FINAL DE MÓDULO

MÓDULO 3: VISUALIZACIÓN

La Visualización de Datos

Cómo desarrollar visualizaciones efectivas

Recogida de datos y análisis

Principales herramientas del mercado: Tableau, Qlick Sense, Power BI¿

EJERCICIO FINAL DE MÓDULO

MÓDULO 4: PYTHON PARA ANÁLISIS DE DATOS

Introducción

Tipos: cadenas, listas, diccionarios, tuplas, etc

Iteración: Loops e ifs

Lectura y escritura de ficheros

Librerías: numpy, matplotlib, pandas, etc

Introducción a modelos predictivos.

EJERCICIO FINAL DE MÓDULO

MÓDULO 5: HADOOP Y SU ECOSISTEMA

Apache Hadoop: Introducción

El sistema de almacenamiento de ficheros HDFS y MapReduce

Ecosistema Hadoop: hive, sqoop, hue, ¿

Arquitectura de un cluster

Arquitectura Yarn

Tipos de despliegue Hadoop

Streaming

Seguridad

EJERCICIO FINAL DE MÓDULO

MÓDULO 6: SPARK

Introducción a Apache Spark

Módulos Spark:

Spark Sql

Spark Streaming

Spark MLlib

GraphX

Creación y manejo de RDDs

Pair RDDs

Spark vs MapReduce

HDFS y Spark

Spark en cluster

Programación en Spark:

Spark Java API (Javadoc)

Spark R API (Roxygen2)

Scala API

PySpark Python API

Introducción a la programación en Scala y PySpark

Estructuras de control básicas

Tipos de datos

Colecciones

Funciones principales

EJERCICIO FINAL DE MÓDULO

PROYECTO FIN DE MÁSTER