Introducción a Big Data
Seminario de Introducción a Big Data para Gerentes y Directores.
Objetivo
Conocer las principales aplicaciones de Big Data en los Negocios y los beneficios de su implementación en lo que respecta al aumento de la eficiencia en los procesos productivos, reducción de costos e incremento de utilidades en las empresas.
Modalidad
Seminario Teórico – In house – Presencial.
Duración
3 horas en 1 jornada.
Destinatarios
El seminario está dirigido a directivos, gerentes, responsables de área, jefes y supervisores que deseen interiorizarse en esta tecnología.
Requisitos de los destinatarios para cursar
No posee requisitos.
Contenido
- Qué es Big Data.
- Las “4 V” del Big Data (volumen, velocidad, variedad y veracidad).
- Beneficios prácticos de Big Data. Posibilidades de aplicación en la industria.
- Re-diseño de productos.
- Reducción de costos de mantenimiento.
- Mejoras en comercialización, promoción y distribución.
- Nuevas estrategias de negocio.
- Ventajas y desventajas.
- Desafíos y riesgos de su implementación.
- Antecedentes. Data mining.
- Cómo implementarlo y cómo gestionar grandes volúmenes de datos.
- Seguridad en los datos.
- IoT Definición.
- Casos de éxito.
Workshop de Arquitecturas de Big Data aplicadas a la Industria Financiera/Bancaria
Objetivo
El objetivo de este workshop es introducir a los alumnos en el concepto de Big Data y en su implementación sobre diferentes tecnologías batch u on line y su aplicación en BI y DM. En el mismo se detallan diferentes casos de uso propios de nuestra experiencia. El curso tiene una orientación teórica con ejemplos prácticos sobre algunas tecnologías.
Modalidad
Workshop Teórico/Práctico – In house – Presencial.
Duración
24 horas en 6 jornadas de 4 horas cada una.
Destinatarios
El workshop está dirigido a personas con conocimientos en el área de sistemas de información que quieran hacer una inmersión en el mundo de Big Data, su implementación y aplicación en el Negocio.
Requisitos de los destinatarios para cursar
Recomendable contar con estudios, al menos iniciales, en carreras relacionadas con Sistemas y conocimientos básicos de bases de datos relacionales.
Contenido
- Qué es Big Data.
- Antecedentes. BussinessIntelligence/Data mining.
- Beneficios prácticos de Big Data. Posibilidades de aplicación en la industria.
- Desafíos y riesgos de su implementación.
- Cómo implementar un proyecto de BigData
- Procesos de Extracción, Transformación y Carga y Área de Staging.
- Introducción al Data Warehouse, ODS y DataMarts
- Diseño Multidimensional/Arquitecturas OLAP.
- Algoritmos de Data Analytics
- Clusterización / Clasificación / Árboles de decisión
- ChordGraph/ ForceGraph/ WordCloud/ Sentimental Analysis
- Qué es Hadoop. Surgimiento.
- Definir Conceptualmente MapReduce.
- Describir Herramientas y Componentes del ecosistema Hadoop.
- Arquitectura Lambda
- Lenguajes para desarrollos sobre motores de procesamiento paralelo.
- Definición y Valor de las Bases de Datos NoSQL
- Surgimiento de NoSQL. Necesidades que cubren.
- Tipos de bases de datos NoSQL: Key-value, documents, column-family, graph
- Persistencia Políglota: definición y necesidad de soluciones
- Definición de agregados. Ejemplos.
- Uso de agregados en bases de datos NoSQL
- BD sin esquemas
Bases de Datos NoSQL ColumnFamily
- Definición conceptual
- Características de almacenamiento: consistencia, transacciones, consultas, estructuras de los datos, escalamiento.
- Casos donde aplica / Casos donde no aplica
- Operaciones de Creación de Datos, Recuperación, Actualización y Borrado
- Replicación y Particionamiento
- Ejemplos prácticos
Bases de Datos NoSQL Documentales
- Definición conceptual
- Características de almacenamiento: consistencia, transacciones, consultas, estructuras de los datos, escalamiento.
- Casos donde aplica / Casos donde no aplica
- Operaciones de Creación de Datos, Recuperación, Actualización y Borrado
- Replicación y Particionamiento
- Ejemplos prácticos
Bases de Datos Key Value DB
- Definición conceptual
- Características de almacenamiento: consistencia, transacciones, consultas, estructuras de los datos, escalamiento.
- Casos donde aplica / Casos donde no aplica
- Operaciones de Creación de Datos, Recuperación, Actualización y Borrado
- Replicación y Particionamiento
Bases de Datos Graph DB
- Definición conceptual
- Características de almacenamiento: consistencia, transacciones, consultas, estructuras de los datos, escalamiento.
- Casos donde aplica / Casos donde no aplica
- Operaciones de Creación de Datos, Recuperación, Actualización y Borrado
- Replicación
