Diplomado

Online

$ 2.400.000 IVA inc.

Llama al centro

Descripción

  • Tipología

    Diplomado

  • Metodología

    Online

  • Horas lectivas

    148h

  • Inicio

    Fechas disponibles

Grandes repositorios de datos han comenzado a surgir en los más diversos ámbitos de nuestro quehacer social, lo que, acompañado de nuevas capacidades para su procesamiento, están dando vida a un nuevo paradigma conocido como Big Data. Las oportunidades que abre un efectivo análisis de estas fuentes de información masivas son enormes; ello ha motivado un gran interés, y acelerado el desarrollo de nuevas tecnologías dedicadas a procesar y extraer conocimiento de ellas. En este contexto, el Diplomado en Big Data apunta a entregar una sólida formación en las principales tecnologías y tendencias que marcan el estado del arte en el ámbito de almacenamiento, procesamiento y extracción de conocimiento de fuentes de datos masivas, tanto estructuradas como no estructuradas.

Como eje central, el diplomado aborda la problemática de Big Data desde la perspectiva de la aplicación de técnicas de aprendizaje de máquina y sistemas computacionales de alto rendimiento. La combinación de estas dos temáticas ha surgido como una de las claves para tomar ventaja del gran potencial, no sólo de datos estructurados, sino también de datos no estructurados, como es el caso de datos textuales, imágenes o interacciones en redes sociales.

Adicionalmente, el diplomado abarca las áreas de visualización y teoría de grafos, que son elementos claves para facilitar la inclusión de analistas humanos en el ciclo de extracción de conocimiento. En términos de aplicaciones, se dedica un capítulo especial a sistemas de recomendación, una de las áreas de mayor uso actual de repositorios del tipo Big Data.

De esta manera, el diplomado entrega competencias para entender la evolución tecnológica que ha dado vida al paradigma Big Data; describir los principales elementos y desafíos de esta área; conocer y entender las principales tecnologías detrás de aplicaciones actuales usadas para enfrentar problemáticas del tipo Big Data; y diseñar y aplicar soluciones a problemáticas del tipo Big Data.

Sedes y fechas disponibles

Ubicación

comienzo

Online

comienzo

Fechas disponiblesInscripciones abiertas

A tener en cuenta

- Ingenieros Civiles Industriales, Civiles Informáticos, Civiles Electrónicos y Civiles Eléctricos.
- Licenciados en Computación y otros profesionales licenciados y/o con experiencia en áreas afines, que requieren conocimientos o habilidades en la materia.

- Conocer los principales componentes de la tecnología Big Data.
- Identificar y capitalizar oportunidades de implementación y uso de tecnologías relacionadas con el Big Data en la organización.

Preguntas & Respuestas

Añade tu pregunta

Nuestros asesores y otros usuarios podrán responderte

¿Quién quieres que te responda?

Déjanos tus datos para recibir respuesta

Sólo publicaremos tu nombre y pregunta

Opiniones

Materias

  • Redes
  • Análisis de datos
  • Algoritmos
  • Extracción
  • Fundamentos

Temario

Contenidos:

Primer Curso

  • - Definición y caracterización de Big Data.
  • - Elementos centrales de Big Data.
  • - Descripción de contenidos del programa y su relación con los elementos discutidos.
  • - Ejemplos de aplicación y discusión.

Segundo curso

Unidad 1: Fundamentos de Machine Learning
  • - Fundamentos de aprendizaje de máquina.
  • - Técnicas de vecinos cercanos.
  • - Árboles y ensambles.
  • - Máquina de vectores de soporte.

Unidad 2: Técnicas de Machine Learning para Big Data
  • - Fundamentos de aprendizaje profundo.
  • - Perceptrón y Redes neuronales de capa oculta.
  • - Redes neuronales convolucionales.
  • - Entornos de desarrollo para aprendizaje profundo.

Tercer Curso

Unidad 1: Machine Learning avanzado para Big Data
  • - Redes neuronales recurrentes.
  • - Modelos seq2seq.
  • - Mecanismos de atención.
  • - Aplicaciones de aprendizaje profundo.

Unidad 2: Sistemas recomendadores
  • - Datos usados para generar recomendaciones.
  • - Fuentes de información espacial, temporal y redes sociales.
  • - Métricas de distancia.
  • - Preferencias basadas en retroalimentación explícita e implícita.

Cuarto curso

Unidad 1: Sistemas recomendadores avanzados
  • - Métodos de recomendación: personalizados, colaborativos, basados en contexto o contenido, híbridos.
  • - Métodos avanzados de recomendación: ranking, redes neuronales, aprendizaje reforzado.
  • - Evaluación de sistemas recomendadores.
  • - Estudio de casos.

Unidad 2: Técnicas de visualización
  • - Fundamentos: abstracción de datos, marcas y canales, procesamiento humano de la información.
  • - Representaciones estadísticas y algoritmos.
  • - Reducción de dimensionalidad.
  • - Evaluación de sistemas de visualización.

Quinto Curso

Unidad 1: Ecosistema Hadoop
  • - Fundamentos de Hadoop.
  • - Hadoop sistema distribuido de archivos: HDFS (Hadoop Distributed File System).
  • - Hadoop distribución de tareas en un cluster: Paradigma Map Reduce.
  • - Herramientas del ecosistema: Pig, Hive, Flume, Impala, Hbase, Hue, Sqoop.

Unidad 2: Motor de cómputo Spark
  • - Fundamentos técnicos de Spark.
  • - Aprendizaje de máquina con Spark (SparkML).
  • - Bases de datos relacionales con Spark (SparkSQL).
  • - Otras herramientas basadas en Spark.

Sexto Curso

Unidad 1: High Performance Computing
  • - Introducción al procesamiento paralelo.
  • - Arquitecturas de alto rendimiento.
  • - Métricas de rendimiento en cómputo distribuido.
  • - Uso de clústers.
  • - Procesamiento con memoria compartida.
  • - Procesamiento con memoria distribuida.
  • - Procesamiento en unidades gráficas.

Unidad 2: Plataformas Cloud
  • - Introducción a las herramientas Cloud.
  • - Almacenamiento de datos.
  • - Ejecución de código.
  • - Data Warehouse.
  • - Machine Learning

Septimo curso

Unidad 1: Fundamentos de teoría de grafos
  • - Conceptos fundamentales de teoría de grafos: grado, isomorfismos, conectividad, centralidad, traversabilidad, búsqueda y ranking, métricas de distancia.
  • - Base de datos para grafos.
  • Unidad 2: Técnicas de grafos para Big Data
  • - Grafos como herramienta analítica para Big Data.
  • - Grafos para modelamiento y análisis de datos espaciales y redes sociales.
  • - Grafos para modelamiento y análisis de datos dinámicos.
  • - Grafos como herramienta de modelamiento y descubrimiento de patrones semánticos.
  • - Estudio de casos.

Seminario

Contenidos:
  • - Visualización de datos espaciales, temporales y redes sociales.
  • - Herramientas de software y estudio de casos.

Llama al centro

Diplomado en Big Data

$ 2.400.000 IVA inc.