Академический Документы
Профессиональный Документы
Культура Документы
Introducción
Muchas organizaciones aún no conocen el poder de los datos y el enorme potencial que tienen estos en la toma de decisiones.
Esta gran cantidad de información es una revolución dentro de las empresas por su volumen, volatilidad y complejidad. Gracias
al sorprendente desarrollo de la computación, hoy disponemos de la capacidad de procesar grandes volúmenes de información
ofreciendo una nueva visión de la realidad en términos de: patrones, tendencias o asociaciones; especialmente en lo
relacionado con el comportamiento de los individuos y sus interacciones. Este conocimiento es el objeto de formación en
nuestro programa de Big Data.
Actualmente los profesionales de Big Data son ampliamente solicitados; están llamados a liderar la transformación del sector
empresarial aplicando el potencial de estas nuevas tecnologías.
Justificación
Mediante este Programa Certificado el estudiante se le proporcionará los fundamentos del análisis, la analítica, inteligencia
de negocios (BI) y la arquitectura de tecnología, así como el diseño, desarrollo y gobernabilidad de soluciones de Big Data
para empresas en diferentes campos de acción: el periodismo de datos, ciudades inteligentes, internet de las cosas, salud,
administración, etc.
Corporación Universitaria de Cataluña
Objetivos
Ofrecer al estudiante una aproximación global y práctica de Big Data, en el cual se afiancen los conocimientos necesarios
en el análisis y gestión de datos para su comprensión, así como las herramientas y estrategias que le permitan entender y
rentabilizar el uso de los Big Data.
Comprender las perspectivas a nivel económico y tecnológico en soluciones de Big Data.
Adquirir conocimientos sobre las diferentes soluciones de análisis para obtener beneficios en cualquier entorno empresarial.
Dirigido a
Estudiantes o profesionales de ingeniería de sistemas o industrial, marketing, publicidad, administración, estadísticos que
desean adquirir los conocimientos de técnicas de análisis más comunes y analítica de Big Data, así como en las tecnologías,
herramientas y entornos de soluciones de Big Data.
Metodología
Metodología es teórico - práctica, en la cual se cuenta con diferentes recursos y herramientas para fomentar el proceso de aprendizaje:
Clases Presenciales Virtuales: El docente explica los conceptos más relevantes para desarrollar la temática y
compartir con los estudiantes, asimismo interactúa en el ambiente de aprendizaje realizando preguntas y
resolviendo casos de uso
Recursos Educativos Digitales: Dentro del proceso formativo se presentan diversos materiales didácticos que
contribuyen en la construcción del Conocimiento y aportan en actividades propuestas.
Referencia en la Web: Se basa en el aprendizaje colaborativo a través de la gran información que se encuentra
en la web que permiten afianzar y estructurar el conocimiento del participante.
Talleres y Casos prácticos: Se proponen ejercicios y talleres para que el estudiante aplique lo analizad en el
Material y las Clases Presenciales Virtuales y profundice sobre los temas del Programa Certificado.
Foros y Wikis: El estudiante cuenta con espacios de debate y retroalimentación, donde se genere y se construya
una red de conocimiento en cada uno de las actividades que se proponen en el Proceso formativo.
Tutor Virtual: Dentro del Proceso de Aprendizaje se presentan diversos expertos temáticos que estarán en el
seguimiento continuo del estudiante para que realicen las actividades en cada unidad temática del Programa Certificado.
Certificado
Los estudiantes que culminen el Diplomado con un cumplimiento del 80% en las actividades programadas, se les otorgará, por
parte de la Corporación Universitaria de Cataluña, un certificado en
Programa Certificado en Big Data – Data Science.
Corporación Universitaria de Cataluña
Plan de Estudios
Módulo 1
Introducción a la Analítica Avanzada y Big Data.
Este módulo tiene como objetivo:
Conocer los diferentes tipos de analítica, el concepto de Big Data, sus características, combinaciones, crecimiento y
elementos que conllevan a respuestas o referencia de un proyecto relacionado un gran volumen de datos que no se pueden
tratar con herramientas convencionales.
Módulo 2
Fases para un Proyecto de Big Data.
Este módulo tiene como objetivo:
Reconocer las principales etapas para un proyecto con una inmensa acumulación de datos, que nos son posible gestionarlos
con facilidad y que requieren una metodología y herramientas sustentables y eficaces para su desarrollo.
Módulo 3
Herramientas para Big Data - Introducción Cloud.
Este módulo tiene como objetivo:
Examinar las diferentes herramientas tradicionales y en la nube para Big Data que logren sacar el máximo valor y aspectos
fundamentales en el análisis de datos procedentes de diversas fuentes.
Bases de datos no SQL: ¿qué son? Mongo, Cassandra, HBase, Neo4j Teoría, (Práctica con
eventos actuales).
Apache Solr para indexar data no estructurada - Tutorial como se hace en Linux y Windows.
Instalación clúster en Amazon, Google, Azure.
Práctica con la herramienta entorno Databricks como herramienta Cloud.
Módulo 4
Obtención, Transformación y Limpieza en R & Python.
Este módulo tiene como objetivo:
Practicar con una completa gestión de datos, accediendo a diferentes fuentes para la recopilación, limpieza, preparación y
transformación de la data, cumpliendo así con la implementación de esta fase del proyecto.
Módulo 5
Análisis Descriptivo y Exploratorio.
Este módulo tiene como objetivo:
Presentar algunas técnicas de análisis descriptivo y exploratorio de datos relevantes dentro del proceso de entendimiento de
la información y en el pre-procesamiento de ésta como insumo de un proceso analítico. Además, trabajar algunas técnicas de
visualización para la presentación de resultados del análisis de grandes conjuntos de datos.
Módulo 6
Análisis Interferencial de Datos (Machine Learning y Estadística).
Este módulo tiene como objetivo:
profundizar en la presentación, tanto teórica como práctica, de técnicas de modelamiento derivadas de la estadística o de
Machine Learning.
Módulo 7
Investigación Reproducible y Técnicas de Implementación.
Este módulo tiene como objetivo:
Analizar problemas de reproducibilidad y técnicas de implementación desde el enfoque de los analistas de datos.
Valores Agregados
Curso Introductorio en Estadística.
Orientación de un proyecto de Big Data a través de la metodología CRISP-DM.
Nota: “La Corporación Universitaria de Cataluña se reserva el derecho de apertura o aplazamiento de los cursos, seminarios, diplomados en caso
de no contar con el número mínimo de inscritos. El grupo docente estará sujeto a cambios según disponibilidad de su agenda al igual que el
cronograma de actividades académicas.”
Corporación Universitaria de Cataluña
Conferencistas
Elías Amado.
David López.
Ingeniero Informático del Instituto Tecnológico Autónomo de México (ITAM), con Maestría en
Ciencias de la Información en el Instituto Tecnológico Autónomo de México (ITAM), ha realizado
proyectos Freelance & Masters (Data Scientist, Experto en Big Data, Consultor de Administración de
Datos).
En su profesión no se limita a encontrar el mejor modelo o enfoque (que se requiere), sino también
para obtener el mayor sentido de los datos conectados de toda la organización y obtener la
información que puede impulsar los objetivos de una empresa, escalables y gobernados. Tiene dos
actitudes personales para ser un Data Scientist. Una de ellas es capacitar a la gente para que realice
el Data Scientist a través del intercambio de conocimientos, otra es una gran responsabilidad de tener
los medios para ayudar a mejorar el bienestar de la sociedad y ayudar a resolver algunos de los
problemas que pesan sobre ella.
CONTÁCTENOS
BOGOTÁ
Cra 18 B No 106 A 15
+57 (1) 489 47 83 - +57 (1) 489 47 86
www.UCatalunya.edu.co
Institución de educación superior sujeta a la inspección y vigilancia del Ministerio de Educación Nacional de Colombia.
Reconocimiento de personería jurídica como institución de educación superior con Resolución No 21329 de noviembre 15 de 2016
del Ministerio de Educación Nacional de Colombia. Código SNIES 9923.