IFCT0118 BIG DATA PARA INGENIERÍAS

El curso IFCT0118 BIG DATA PARA INGENIERÍAS te ofrece la oportunidad de sumergirte en el fascinante mundo del Big Data, un campo en constante crecimiento y con una demanda laboral que no deja de aumentar. Las empresas buscan cada vez más profesionales capaces de manejar grandes volúmenes de datos y extraer información valiosa para la toma de decisiones estratégicas. Al participar en este curso, desarrollarás habilidades esenciales en el análisis y gestión de datos masivos, lo que te permitirá destacar en un mercado competitivo. Este programa te capacitará para identificar patrones, tendencias y relaciones ocultas en conjuntos de datos complejos, lo que es crucial para la innovación y el desarrollo en diversas áreas de la ingeniería. Si deseas estar a la vanguardia tecnológica y potenciar tu carrera profesional, esta formación es ideal para ti.

  1. MÓDULO 1. FUNDAMENTOS DE BIG DATA Y PROCESAMIENTO DE DATOS

UNIDAD DIDÁCTICA 1. CONOCIMIENTO DE LOS FUNDAMENTOS DE BIG DATA

  1. Definición y conceptos básicos de Big Data.
  2. Características de Big Data (las 8 Vs).
  3. Principales paradigmas de procesamiento en Big Data.
  4. Introducción a los sistemas de almacenamiento distribuido.

UNIDAD DIDÁCTICA 2: PROCESAMIENTO DE DATOS

  1. Introducción a Hadoop y el sistema de archivos HDFS
  2. Funcionamiento de MapReduce en Hadoop
  3. Gestión de recursos con YARN
  4. Ingestión de datos con Apache Flume y Sqoop
  5. Configuración de seguridad en Hadoop con Kerberos

UNIDAD DIDÁCTICA 3. CONOCIMIENTO DE PROCESOS Y HERRAMIENTAS QUE FAVORECEN LA EFICIENCIA ENERGÉTICA EN EL TRABAJO CON GRANDES VOLÚMENES DE DATOS.

  1. Conocimiento de Procesos y Herramientas que Favorecen la Eficiencia Energética en el Trabajo con Grandes Volúmenes de Datos
  2. MÓDULO 2. PROCESAMIENTO AVANZADO, CIENCIA DE DATOS Y APRENDIZAJE AUTOMÁTICO

UNIDAD DIDÁCTICA 1. PROCESAMIENTO AVANZADO CON SPARK

  1. Conceptos básicos y ventajas de Spark.
  2. Uso de DataFrames y Spark SQL para análisis de datos.
  3. Operaciones con DataFrames y optimización de consultas.
  4. Operaciones con Resilient Distributed Datasets (RDDs).
  5. Ejecución de aplicaciones en Spark y manejo de clusters.

UNIDAD DIDÁCTICA 2. USO DE LA CIENCIA DE DATOS Y MACHINE LEARNING

  1. Introducción a Spark MLlib y algoritmos básicos de machine learning.
  2. Modelado, evaluación y validación de modelos de datos.
  3. Librerías y funciones de MLlib para procesamiento de datos.
  4. Implementación de pipelines de machine learning.
  5. MÓDULO 3. ANÁLISIS Y PROCESAMIENTO EN TIEMPO REAL

UNIDAD DIDÁCTICA 1. ANÁLISIS Y ALMACENAMIENTO DE DATOS

  1. Introducción a Hive e Impala para consultas SQL en Hadoop.
  2. Creación y gestión de tablas y bases de datos.
  3. Consultas avanzadas con HiveQL y optimización de Impala.
  4. Análisis de datos complejos con Hive y consultas de Impala.

UNIDAD DIDÁCTICA 2. PROCESAMIENTO EN TIEMPO REAL

  1. Fundamentos de Spark Streaming y fuentes de datos en tiempo real.
  2. Configuración y ejecución de flujos de datos en Spark.
  3. Integración con Apache Kafka para ingestión de datos en tiempo real.
  4. Análisis en streaming y actualización en tiempo real.

560,00 

Detalles del Curso

Información adicional

Horas 100 Horas
Modalidad ONLINE

¿Por qué elegir Aurea?

Metodología de Aprendizaje Online

  • Aprendizaje activo y autónomo: A diferencia de la formación presencial, en el e-learning es clave fomentar que el alumno sea protagonista de su propio proceso de aprendizaje.

  • Microlearning y contenidos modulares: Lecciones breves, bien estructuradas, que permitan avanzar paso a paso.

  • Gamificación y elementos interactivos (cuestionarios, simulaciones, casos prácticos) aumentan la motivación y retención del conocimiento.

  • Evaluación continua: No solo exámenes finales, sino también foros, tareas prácticas y autoevaluaciones.

Plataforma online Moodle

  • Moodle es una excelente elección como LMS (Learning Management System). Algunas ventajas:

    • Código abierto y altamente personalizable.

    • Permite gestión de usuarios, seguimiento de progreso, certificados automáticos, SCORM, etc.

    • Integración con plugins y herramientas externas como H5P, BigBlueButton, Zoom, etc.

  • Optimiza la navegación y la experiencia de usuario: que la plataforma sea clara, intuitiva y visualmente amigable.

  • Mobile first: Muchos usuarios acceden desde el móvil, así que asegúrate de que la plataforma esté bien adaptada.

Equipo Docente y Tutoría

  • Docentes formados en pedagogía digital: No basta con saber del tema; es crucial saber cómo enseñarlo online.

  • Disponibilidad y acompañamiento: Los alumnos valoran mucho el soporte y el feedback de tutores.

  • Presencia activa: En foros, comentarios y webinars. Esto reduce la sensación de soledad del estudiante online.

  • Capacitación constante del equipo docente en nuevas metodologías y herramientas digitales.

Interacción y Comunidad

  • Foros, chats y actividades colaborativas: fomentan el aprendizaje social.

  • Feedback entre pares: puede ser útil para mejorar y compartir conocimientos.

  • Gamificación social: rankings, badges, desafíos grupales.

  • Encuestas y sugerencias: para mejorar el curso con la opinión de los propios alumnos.