Entrenamiento y Certificación

BIG DATA (fundamentos + intro Arq)

El concepto de Big Data se encuentra muchas veces hermanado con otros términos como Data Science, Analytics o Data Mining, que expresan igualmente el objetivo de extraer valor de los datos. Es también conocida la definición de Big Data como las tres V, que representan el gran Volumen de datos que debe ser capaz de tratar, la Velocidad con la que puede procesar esos datos, y la Variedad de formas que pueden tomar los mismos. En ocasiones se hace énfasis en el objetivo del Big Data añadiendo una cuarta V, la del Valor que se obtiene por la información extraída de los datos.

Big Data permitirá identificar los casos de uso de valor para las empresas y demostrará su beneficio con resultados prácticos, que se adquirirán a través de la ejecución de proyectos de innovación.

PETI Formacion Scrum Master
¿Qué incluye?

Diplomas y certificaciones

  • Diploma de Asistencia al entrenamiento
  • Examen de Certificación Internacional 

Logística del lugar y del entrenamiento

  • Salón dotado con Tablero, proyector y aire acondicionado
  • Kit de bienvenida
  • Sesiones teórico-prácticas 
  • Coffee Break en cada sesión de clase
  • Simulador de examen

Recursos de estudio

  • Material de estudio digital
  • Curso virtual
  • Material digital de apoyo
  • Simuladores de preparación para el examen
¿Cómo funciona?
  • Asiste a las Clases Teórico-Prácticas con nuestro Instructor Experto 
  • Asiste a las sesión de clase donde se desarrollan los quizes, con retroalimentada por el instructor.
  • Presenta los Simuladores de preparación para el Examen de Certificación.
Plan de estudios

Módulo 1: Introducción

En este módulo, el profesional debe demostrar su conocimiento sobre el contexto de Big Data, su enfoque y uso. 

1.1. Los datos: concepto, estructura y clasificación

1.2. Introducción a Big Data: concepto, contexto y originadores (disparadores)

1.3. Las V’s de la estrategia de Big Data

1.4. Privacidad y ética en el manejo de datos

Módulo 2: Modelos de datos

En este módulo, el profesional debe demostrar su conocimiento sobre los modelos de datos, su enfoque, sus características y ámbito de uso.

    • Modelos de datos: contextualización y estructura de las bases de datos
    • Modelos de datos relacionales (SQL): estructura de las bases de datos relacionales
    • Modelos de datos no relacionales (NoSQL): estructura de las bases de datos no relacionales
    • Retos y desafíos de las bases de datos: necesidades corporativas, desempeño y disponibilidad
        • Origen, definición y contexto del modelo MapReduce
        • Arquitectura y principios de funcionamiento del modelo MapReduce
        • Ejemplos de aplicación del modelo MapReduce
        • Apache Hadoop: Framework para Big Data
        • Ecosistema de Apache Hadoop: módulos básicosModelos de datos modernos: introducción a las bases de datos modernas (NewSQL)

          Módulo 3: Modelos no relacionales (NoSQL)


          En este módulo, el profesional debe entender y comprender claramente la arquitectura de los modelos de datos no relacionales (NoSQL), además de entender el funcionamiento de las herramientas para modelos de datos no relacionales propuestas. 

            • Arquitectura de los modelos no relacionales (NoSQL)
            • Uso y aplicación de los modelos no relacionales (NoSQL)
            • Modelos no relacionales basados en columnas: aplicaciones y herramientas
            • Modelos no relacionales basados en Key-Value: aplicaciones y herramientas
            • Modelos no relacionales basados en documentos: aplicaciones y herramientas
            • Modelos no relacionales basados en grafos: aplicaciones y herramientas

          Módulo 4: Modelo MapReduce

          En este módulo, el profesional conocerá y entenderá el funcionamiento del modelo MapReduce y su importancia en el contexto de Big Data.

      • Módulo 5: Tecnologías de Big Data

      En este módulo, el profesional comprenderá las principales diferencias entre Business Intelligence (BI) tradicional y la analítica de datos con Big Data.

        • Business Intelligence tradicional (BI)
        • Principales herramientas para Business Intelligence
        • Business Intelligence y analítica de datos con Big Data
        • Plataformas para analítica de datos: ecosistema de Big Data
        • Arquitectura de referencia para analítica de datos con Big Data
        • Minería de datos: metodología CRISP-M
      • Módulo 6: Modelos analíticos para Big Data

      En este módulo, el profesional comprenderá la importancia de los modelos analíticos usados en el contexto de Big Data.

        • Introducción a la analítica de datos con Big Data
        • El futuro de la analítica de datos
        • Modelos comunes de analítica de datos
        • Consideraciones generales para la selección de modelos de analítica de datos
        • Elección de tecnologías y herramientas
        • Utilitarios: Apache Hadoop y Payton
        • Integración
        • Cloud

¿Estás interesad@?

Comunícate con nosotros para brindarte más información

Plan de Estudios

Habito 1: Ser proactivo
Habito 2: Comenzar con un fin en mente
Habito 3: Poner primero lo primero
Habito 4: Pensar ganar - ganar
Habito 5: Buscar primero entender, luego ser entendido.

Habito 6: Sinergizar

 

 

Pereira - Risaralda
Calle 14 # 21 - 82 Piso 2 - Hotel Hábitat

Envigado - Antioquia
Calle 78E Sur # 42 BB 45

Bogotá - Cundinamarca
Cra 68 bis No 75 A- 17 Metropolis

Entrenamiento y Certificación