Introducción al big data e inteligencia artificial

Objetivos

Conocer las principales características del procesamiento masivo de datos en su relación con aplicaciones y algoritmos de inteligencia artificial, así como facilitar una aproximación a la planificación y desarrollo de programas de inteligencia artificial y big data en el entorno empresarial.

Contenidos

• 1. Bloque temático principal
• 1.1. Adquisición y dominio de conceptos básicos y de conocimientos sobre los avances en big data:- cómo evoluciona el bi tradicional al big data (navegación web, geolocalización, audiencias tv,?) - el big data como solución al tratamiento masivo de datos: Definición e historia desde su invención.
• 1.2. - hadoop como revolución para el tratamiento paralelo de datos masivo.
• 1.3. - características del big data (4 v's y más): Volumetría, velocidad, variedad (estructurados/no estructurados), veracidad (calidad del dato), valor del dato,?.
• 1.4. - nuevos paradigmas del big data: Procesos en real time y cloud computing.
• 1.5. Conocimiento de nociones básicas sobre arquitectura big data y principales tecnologías: - el ecosistema hadoop: Hdfs y map reduce.
• 1.6. - principales lenguajes de programación utilizados: Java, scala, SQL y python.
• 1.7. - procesos etl (extracción, transformación y carga): Flume, sqoop y hive.
• 1.8. - procesos real time y bases de datos de alta disponibilidad: Kafka, hbase y redis.
• 1.9. - procesamiento y analítica avanzada con spark.
• 1.10. - seguridad y gobierno del dato.
• 1.11. Comprensión de los principales conceptos sobre la?.
• 1.12. Ciencia de datos?.
• 1.13. E ia: - introducción a la?.
• 1.14. Ciencia de datos?.
• 1.15. Y la inteligencia artificial.
• 1.16. - principales lenguajes de programación utilizados: R y python.
• 1.17. - algoritmos supervisados: ¿Qué son?.
• 1.18. Algunos ejemplos.
• 1.19. - algoritmos no-supervisados: ¿Qué son?.
• 1.20. Algunos ejemplos.
• 1.21. - introducción al deep learning y el aprendizaje por refuerzo.
• 1.22. - procesamiento de información no estructurada: Imágenes y textos.
• 1.23. - visualización de datos: Visualizaciones interactivas y dashboards.
• 1.24. Adquisición de una visión trasversal sobre el futuro del big data y cómo se aplica actualmente en diferentes áreas: - ejemplos en las instituciones públicas: Open data.
• 1.25. - ejemplos en el mundo empresarial: Ejemplos de aplicabilidad del big data a la eficiencia de las operaciones de una compañía.
• 1.26. Data for good?: Big data para el bien social.
• 1.27. - reflexiones finales sobre el impacto del big data en los años venideros.&nbsp:.