Diplomado en Big Data para la toma de decisiones (online)

Diplomado

Online

$ 2.060.000 IVA inc.

Llama al centro

Descripción

  • Tipología

    Diplomado

  • Metodología

    Online

  • Horas lectivas

    300h

  • Duración

    11 Meses

  • Inicio

    Fechas disponibles

El real mejoramiento de la eficiencia organizacional está relacionado con la implementación de soluciones tecnológicas que permitan agilizar la toma de decisiones en base a información cuantitativa y cualitativa relevante en tiempo real. El uso eficiente de dicha información requiere de una adecuada administración de grandes volúmenes de datos por minuto, que demandan extensos y rigurosos análisis junto con métricas e indicadores cada vez más exactos. El análisis de grandes volúmenes de datos permite extraer tendencias y patrones complejos de información, con enormes implicancias estratégicas, permitiendo predecir mejor y transformando la forma en la que se hacen hoy en día los negocios.

La metodología de enseñanza y aprendizaje para este curso online consiste en técnicas metodológicas activas, donde el participante puede interactuar con sus pares y profesor-tutor a través de los recursos tecnológicos que provee la plataforma educativa virtual provista para el diplomado.

Sedes y fechas disponibles

Ubicación

comienzo

Online

comienzo

Fechas disponiblesInscripciones abiertas

A tener en cuenta

Explicar los fundamentos, principios y últimas tendencias en plataformas computacionales relacionadas a Big Data. Reconocer las aplicaciones y herramientas analíticas de ciencias de datos y estadística para la predicción, optimización y visualización de información. Formular y evaluar proyectos de aplicación de Big Data en una organización.

Profesionales, ejecutivos o emprendedores que requieran tomar decisiones eficaces de gestión basado en los beneficios del uso de tecnologías relacionadas a Big Data y con esto puedan incrementar significativamente las ventajas competitivas en la agilidad de su organización, área funcional o emprendimiento que tengan en curso. Así también, el diplomado está dirigido a los profesionales que requieran conocer los fundamentos de Big Data para liderar proyectos de gestión que tengan como base el uso cuantitativo de información, para así lograr tener una mejor precisión e impacto en la toma de decisiones de la empresa.

Diplomado en Big Data para la Toma de Decisiones (E-Learning)

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

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

  • Toma de decisiones
  • E learning
  • Proceso interactivo
  • Codificación visual
  • Big Data
  • Desarrollo estrategias
  • Proyectos digitales
  • Impacto económico
  • Aplicabilidad en empresa

Profesores

Domagoj Vrgoc

Domagoj Vrgoc

Doctor en Computación, Universidad de Edimburgo, Reino Unido

Doctor en Computación, Universidad de Edimburgo, Reino Unido. Profesor Asistente del Instituto de Ingeniería Matemática y Computacional de la Pontificia Universidad Católica. Sus áreas de interés son manejo de datos, la Web Semántica y Teoría de Computación. Su tesis de doctorado fue destacada por la British Computing Society como una de las mejores de su generación. Es autor de más de 30 papers técnicos y ha sido parte de los comités de programas de las conferencias más importantes en bases de datos, la Web, e Inteligencia Artificial, como ACM PODS, ICDT, WWW, ISWC, IJCAI, entre otros.

Temario

Curso: Big Data en empresas y organizaciones

  • Comprender de manera general qué es Big Data y cuáles son sus herramientas.
  • Desarrollar estrategias para capturar y crear valor desde el Big Data.
  • Estructurar los principales elementos en la realización de proyectos de Big Data.
  • Entender las herramientas utilizadas y las diferentes alternativas de arquitectura y software.
  • Comprender los perfiles profesionales necesarios, sus habilidades y formas de administrar proyectos digitales.
  • Conocer casos de uso en diferentes negocios y estimar el impacto económico para la empresa.
  • Introducción general al Big Data en una compañía u organización.
  1. ¿Qué es?
  2. ¿Qué no es?
  3. ¿Quién está a cargo?
  4. ¿Qué debería hacer como Chief Data & Analytics Officer en mis primeros 90 días?
  • Cómo evaluar la aplicabilidad en la empresa, tipos de problemas de negocios, datos disponibles, ejemplos de caso de uso, armado de un caso de negocio.
  1. ¿Qué proyectos son de interés?
  2. ¿Cuáles son los posibles?
  3. ¿Cómo se financian estos proyectos?
  • Data Science usando Big Data como deporte de equipo. Roles y funciones.
  1. ¿Cómo se arma un equipo de Data Science?
  2. Roles y responsabilidades.
  3. Habilidades necesarias.
  4. Estrategia de crecimiento.
  5. Administración de proyectos digitales.
  6. Agile.
  • Herramientas de Big Data – Arquitectura.
  1. ¿Con qué herramientas se cuenta?
  2. Diferentes arquitecturas de Big Data: On premise, Cloud, Híbridos.
  3. ¿Cómo se gobiernan los datos?
  4. ¿Cómo se protege la privacidad del dato y la seguridad?
  5. ¿Son los datos suficientes y representativos?
  • Modelos analíticos y herramientas.
  1. ¿Cuáles son los diferentes tipos de modelos de machine learning?
  2. Herramientas: extracción de datos, entrenamiento de modelos, visualización.
  3. ¿Cómo es el paso a producción?
  • Ejemplos de casos de uso, nuevas tendencias.
  • Armado de una evaluación económica de un caso de uso.

Curso: Modelamiento estadístico y sistemas recomendadores
  1. Explicar el fundamento del modelamiento estadístico para el manejo de grandes volúmenes de datos.
  2. Explicar el proceso de modelamiento y sus distintas fases para la implementación de soluciones.
  3. Generar flujos de trabajo de datos para proyectos de Big Data en la organización.
  4. Realizar inferencias estadísticas sobre datos para aumentar el impacto positivo en la toma de decisión de una organización, utilizando herramientas computacionales (software R).
  • Preprocesamiento de datos.
  1. Calidad de datos.
  2. Limpieza de datos.
  3. Integración de datos.
  4. Reducción de datos.
  5. Transformación de datos.
  • Métodos de clasificación.
  1. El proceso de clasificación.
  2. Árboles de decisión.
  3. Bayes ingenuo.
  4. K-vecinos más cercanos.
  5. Métodos conjuntos: Bagging, Boosting y Random Forests.
  • Métodos de agrupación.
  1. Definición y propiedades.
  2. Métodos de partición: K-means y K-medoides.
  3. Métodos jerárquicos.
  • Sistemas recomendadores.
  1. Impacto y casos importantes.
  2. Filtrado colaborativo.
  3. Filtrado basado en contenido.
  4. Métodos híbridos.


Curso: Visualización de datos

  1. Elaborar estrategias de alto impacto para la comunicación de grandes volúmenes de datos.
  2. Diseñar mecanismos de síntesis y visualización de datos de valor para apoyar la toma de decisiones a través de una correcta.
  3. Diseñar representaciones perceptibles que permitan amplificar el conocimiento organizacional.
  4. Reconocer las herramientas y metodologías para el desarrollo de proyectos de visualización de datos.
  • ¿Qué es la visualización de datos?
  1. De qué trata la visualización.
  2. Breve contexto.
  3. Breve historia de la visualización.
  4. Panorama de la visualización hoy.
  5. Una definición operativa.
  • ¿Para qué sirve la visualización de datos?
  1. Visualización para amplificar el conocimiento.
  2. Para qué nos sirve la visualización.
  3. Qué queremos mostrar.
  4. El proceso interactivo.
  • ¿Cómo trabajar la visualización de datos?
  1. Proceso de visualización.
  2. Representación: percepción.
  3. Representación: diseño y codificación visual.
  4. Qué no hacer.
  5. Evaluación.
  • ¿Cómo continuar la visualización?
  1. Recomendaciones para profundizar.
  2. Herramientas recomendadas.
  3. Autores recomendados.
  4. Recordando los objetivos de la visualización.


Curso: Manejo de grandes volúmenes de datos (Big Data)

  1. Modelar datos usando herramientas de bases de datos relacionales (SQL), bases de datos NoSQL y bases de datos distribuidas.
  2. Estimar la necesidad de cambiar la infraestructura de los datos desde un modelo clásico centralizado (tipo SQL) a un modelo de Big Data distribuido.
  3. Identificar las herramientas de manejo de datos adecuadas para el contexto de su empresa.
  • Bases de datos relacionales.
  1. Diversos fuentes de datos (Excel, CSV, texto plano, páginas web,…)
  2. Organización clásica de los datos: bases de datos relacionales.
  3. Lenguaje SQL.
  4. Propiedades de una base de datos relacional: ACID.
  5. Integración de los datos.
  • Bases de datos distribuidas.
  1. Paso al mundo de Big Data (limitaciones de una base de datos relacional).
  2. Un sistema distribuido.
  3. Propiedades de sistemas distribuidos: CAP y BASE.
  4. Limitaciones de sistemas distribuidos: ACID vs CAP.
  5. Resolución de fallas en un sistema distribuido usando el consenso distribuido.
  • Bases de datos NoSQL.
  1. Características de sistemas NoSQL.
  2. Bases de datos de búsqueda: Amazon Dynamo.
  3. Bases de datos de documentos: MongoDB.
  4. Bases de datos de grafos: Neo4J.
  • Procesamiento masivo de datos.
  1. Distribución de los datos (Google distributed File System).
  2. Map-reduce.
  3. Infraestructura de Apache Hadoop.
  4. Apache Pig: lenguaje de scripting para Hadoop.

Llama al centro

Diplomado en Big Data para la toma de decisiones (online)

$ 2.060.000 IVA inc.