La certificación Big Data Associate valida la experiencia y el conocimiento en una visión general de alto nivel de las áreas temáticas esenciales de Big Data, desde las perspectivas empresarial y tecnológica, junto con una descripción general de los beneficios comunes, los desafíos y la adopción en las organizaciones.
Objetivo
Capacitar a los asistentes en la resolución de problemas en la resolución de problemas, a través de la utilización de datos y avalar sus conocimientos en la gestión de proyectos de Big Data.
Técnicos, Tecnólogos y Profesionales de Ingeniería de Sistemas o carreras afines, Administradores, sectores industriales, estadistas, analistas, empresarios y consultores en el área de las TICs que deseen aprender desde cero de Big Data.
En el saber
Conocer las mejores prácticas de Big Data.
Gestión sistemática del Retorno de Inversión (ROI).
Mitigación sistemática de los riesgos de los proyectos Big Data.
En el saber hacer
Adquirir las habilidades en Big Data.
Gestión regular de las expectativas del cliente y basada en resultados tangibles.
Alineamiento entre el cliente y el equipo de desarrollo.
Flexibilidad y adaptación respecto a las necesidades del cliente.
En el saber ser
Gestionar y diseñar proyectos de Big Data.
Productividad y calidad.
Trabajar en equipo motivado.
En el saber convivir
Facilitar la ejecución de iteraciones.
Utilizar herramientas de datos masivos dentro de las organizaciones.
Contenido general
Introducción y conceptualización
Impacto económico.
Netflix.
Coca-cola.
Impacto social.
Beneficios de Big Data.
Tendencias del mercado.
Confluencia de influencias.
Utilidades de Big Data
Las 7 vs
Volumen.
Velocidad.
Variedad.
Variabilidad.
Veracidad.
Visualización.
Valor.
Tipos de datos de Big Data.
Tipos de datos por categorías.
Estructurados
No estructurados
Multi-estructurados o híbridos.
Tendencias del mercado.
Caso de Éxito Walmart.
Ciencia de Datos
¿Qué es la ciencia de datos?
¿Qué es un proyecto Big Data?
Metodología Crisp
Comprensión del negocio.
Comprensión de los datos.
Modelado.
Evaluación.
Despliegue.
Data Mining.
Inteligencia Artificial.
Machine Learning.
Metodos de ciencias de datos.
Metodos populares de la ciencia de datos.
Regresión Lineal.
K-means.
Arboles de decisión.
Arquitectura de referencia.
Bases de Datos.
Bases de datos NoSQL.
Cassandra
MongoDB
Hadoop vs databricks.
Databricks.
Apache spark ecosistema.
Databricks amazon.
Hadoop.
Componentes básicos de hadoop.
Arquitectura de referencia hadoop.
Obtención, transformación y limpieza en R & Phyton