Instituto Profesional IACC

Diplomado en Big Data

Instituto Profesional IACC
Online
  • Instituto Profesional IACC

Precio a consultar
CURSO PREMIUM
¿O prefieres llamar ahora al centro?

Información importante

Tipología Diplomado
Metodología Online
Horas lectivas 100h
Inicio Fechas a escoger
Campus online
Servicio de consultas
Tutor personal
Clases virtuales
  • Diplomado
  • Online
  • 100h
  • Inicio:
    Fechas a escoger
  • Campus online
  • Servicio de consultas
  • Tutor personal
  • Clases virtuales
Descripción

¿Estás interesado en dar un paso adelante en tus estudios? ¡Si es así, esta información es para ti! Emagister te presenta este completo Diplomado en Big Data, impartido por el Instituto Profesional IACC.

Este programa tiene como principal propósito aportar a los participantes conocimientos y habilidades para el adecuado manejo estadístico y econométrico de datos, las temáticas que aprenderán serán fundamentales a la hora de diseñar, gestionar y administrar los datos masivos a nivel empresarial. Nos basamos en una metodología teórica – analítica con la cual se abordarán conceptos asociados a la correcta gestión y análisis de datos masivos.

Contacta con nosotros a través del portal Emagister.cl y te daremos información más detallada del proceso de matrícula e inicio de formación.

Instalaciones (1) y fechas
¿Dónde se da y en qué fecha?
comienzo Ubicación
Fechas a escoger
Online
comienzo Fechas a escoger
Ubicación
Online

A tener en cuenta

· ¿Cuáles son los objetivos de este curso?

Comprender las características del Big Data, en función de sus aspectos técnicos y procedimentales, utilizando para ellos casos prácticos y análisis teóricos

· ¿A quién va dirigido?

Todos los profesionales de las áreas de la Ingeniería en Informática o similar

· Requisitos

Licencia de enseñanza media

· Titulación

Para obtener la certificación, el alumno deberá obtener una nota igual o superior a 4,0, con un nivel de exigencia del 60%. Además, es requisito obligatorio la entrega del proyecto final.

· ¿Qué pasará luego de pedir información?

El centro se pondrá en contacto contigo, una vez envíes tus datos a través del formulario

Preguntas & Respuestas

Plantea tus dudas y otros usuarios podrán responderte

Logros de este Centro

2017

¿Cómo se consigue el sello CUM LAUDE?

Todos los cursos están actualizados

La valoración media es superior a 3,7

Más de 50 opiniones en los últimos 12 meses

Este centro lleva 4 años en Emagister.

¿Qué aprendes en este curso?

Análisis de datos
Gestión del conocimiento
Programación
Proyectos
Fundamentos
Modelos
Bbdd
Bases de Datos
Etnografías
Visualización
Scrapping
API´s
Big Data
Plataformas computacionales
Datos estructurados
Gestión
profesional
Conocimiento
Profesionales
Activos

Temario

Módulo I: Gestión del conocimiento

La gestión de los activos intangibles

Dato, información, conocimiento, conversación, innovación

Conocimiento tácito y explícito

Procesos de conocimiento y dominios de conocimiento

Estrategias de gestión del conocimiento

Conversión del conocimiento

Módulo II: Analítica y Big Data

Introducción

Definición Big Data y analítica:

Big Data y analítica de los datos

Las V de Big Data

Arquitectura de datos en Big Data

Herramientas de analítica y Big Data

Almacenamiento y captura de datos

Definición de Big Data y analítica:

Big Data y cloud computing

Análisis Big Data

Casos de éxito: Analítica para la toma de decisiones y competitividad

Principios del análisis masivo de datos

Tecnologías para analizar grandes volúmenes de datos

Relación entre analítica de datos, minería de datos, ciencia de los datos

Metodología para proyectos de analítica

Tendencias en la ciencia de datos

Métodos de Machine Learning:

Método de regresión

Método de clasificación

Método de agrupación

Módulo III: Modelos analíticos con datos estructurados

Análisis exploratorios

Modelos analíticos descriptivos: reducción de dimensionalidad, clustering y reglas de asociación

Modelos analíticos predictivos: Regresión, árboles de decisión, redes neuronales, métodos de ensamble

Preparación de datos estructurados

Consideraciones adicionales antes de aplicar modelos analíticos