Contenido

●        Conceptos básicos de BigData: Proporcionar las directrices principales en las que se basa el Big Data e introducir al contexto del Big Data. Determinar cómo afecta Big Data a los negocios. Determinar la relación entre Big Data, Business Intelligence & Data Science. Las Vs del Big Data.

●        BigData Analytics Lifecycle: Comprender las mejoras del análisis de datos Big Data frente al análisis de datos tradicional. Metodología de productos de datos. Fundamentos de arquitectura: OLTP, OLAP, ETL, DWH, DM, Big Data y BI. La vista 360 del cliente.

●        Arquitecturas Big Data: Clasificar las diferentes arquitecturas y sistemas Big Data disponibles en el mercado. Hacer un estudio de profundidad del entorno Hadoop y sus distribuciones, así como de NoSQL, Spark, IBM Bluemix, IBM Watson, entre otras. Big Data y Cloud.

●        Análisis de Negocio: Procesar los principales tipos de fuentes de datos: estructurados, semi estructurados y no estructurados. Analizar las principales herramientas disponibles para la extracción, transformación y carga de datos (ETL). Carga desde diferentes orígenes de datos.

●        Procesamiento del Big Data: Interpretar los requerimientos temporales del análisis y las principales herramientas para el procesamiento y análisis del Big Data como MapReduce y herramientas que no lo usen. Herramientas de visualización de Big Data.