Big Data
-
Mi experiencia en Tokio New Technology School ha sido una maravilla. El curso está bien estructurado, combina explicaciones teóricas con ejercicios prácticos que complementan tu formación. Además, te ofrecen material y recursos adicionales. Me ha gustado mucho.
← | →
-
Ha sido una institución con un temario sumamente ordenado, sin duda ha sido una buena elección para poder aprender.
← | →
-
Un curso muy completo y de muy buena calidad, tiene un muy buen enfoque para quienes decidimos estudiar y trabajar a la vez, muy contento.
← | →
Curso
Online
¿Necesitas un coach de formación?
Te ayudará a comparar y elegir el mejor curso para ti y a financiar tu matrícula en cómodos plazos.
Adquiere conocimientos importantes sobre las últimas tecnologías.
-
Tipología
Curso
-
Metodología
Online
-
Idiomas
Castellano
-
Horas lectivas
300h
¡Descubre el curso ideal para convertirte en un experto en análisis de datos! Emagister se enorgullece en presentarte el exclusivo curso de Big Data impartido por TOKIO New Technology School en la modalidad online. Ahora podrás formarte desde la comodidad de tu hogar y con una duración flexible, adaptada a tu ritmo de vida y sin descuidar tus demás responsabilidades.
En el mundo actual, el Big Data se ha convertido en un pilar fundamental para la toma de decisiones empresariales inteligentes. Este revolucionario campo se encarga de analizar grandes cantidades de datos con el objetivo de descubrir tendencias y comportamientos de los clientes. En este programa de formación en Big Data, tendrás acceso a los conocimientos fundamentales para visualizar los datos de manera precisa y clara, interpretarlos adecuadamente y aplicar diversas técnicas de explotación de datos. Nuestro equipo de expertos te guiará en el proceso de aprendizaje, enseñándote las mejores prácticas y herramientas utilizadas en la industria. Además, a lo largo del curso, tendrás la oportunidad de trabajar en proyectos prácticos orientados al Big Data, lo que te permitirá poner en práctica tus habilidades y fortalecer tu comprensión de los conceptos aprendidos.
¿Te gustaría dar un salto en tu carrera y convertirte en un profesional del Big Data? No esperes más y haz clic en el botón "Pide información" en la web de Emagister para obtener más detalles sobre el programa. Los asesores altamente capacitados estarán encantados de responder a todas tus preguntas.
Instalaciones y fechas
Ubicación
Inicio
Inicio
A tener en cuenta
Adentrar al alumno en el mundo de la programación. Familiarizarse con el ecosistema Big Data y cómo usarlo en la resolución de problemas. Visualizar los datos de una manera correcta para conseguir una clara interpretación de los mismos. Conocer y poner en práctica las diferentes técnicas para la explotación de datos. Preparar proyectos orientados al Big Data incluyendo los elementos fundamentales.
Cualquier persona interesada en la tecnología, la informática e Internet puede estudiar.
No es necesario cumplir con requisitos previos para realizar esta formación.
Recibirás una titulación propia de TOKIO New Technology School en "Big Data".
Los cursos no tienen una fecha de inicio y fin. Con el programa formativo 100% online de Tokio, tú decides tus ritmos, circunstancias y capacidades y los docentes te siguen, es un aprendizaje “hecho a medida”.
Un asesor te contactará por vía telefónica para resolver las dudas que tengas sobre el curso, y si lo deseas, realizar el proceso de matriculación junto a ti.
En Tokio School tenemos acuerdos con más de 3.000 empresas del sector tecnológico y digital. Con nuestros cursos y másteres, podrás realizar hasta 300 horas de prácticas de calidad al mismo tiempo que amplías tu red y tu CV.
Ahora mismo, el campo de Big Data cuenta con multitud de salidas laborales para todo tipo de perfiles profesionales. Eso sí, como decimos, se trata de perfiles profesionales cualificados y especializados. Cuenta con salidas laborales tanto a corto como a medio o largo plazo.
El precio se define con un importe cerrado por toda la preparación. De este modo, podrás saber cuánto te costará formarte, sin costes ocultos ni mensualidades indefinidas que se alargan en el tiempo. Contacta con nosotros a través del formulario que encontrarás más abajo para conocer el importe de la formación que te interesa.
Para podes asesorarte sobre las financiaciones te recomienda solicitar información con un asesor.
El proceso de inscripción en el portal de Emagister es muy sencillo, para ser contactado por un asesor, tan solo debes completar tus datos en el formulario que aparece tras presionar en el botón de “Pide información” que se encuentra disponible en esta misma página.
Opiniones
-
Mi experiencia en Tokio New Technology School ha sido una maravilla. El curso está bien estructurado, combina explicaciones teóricas con ejercicios prácticos que complementan tu formación. Además, te ofrecen material y recursos adicionales. Me ha gustado mucho.
← | →
-
Ha sido una institución con un temario sumamente ordenado, sin duda ha sido una buena elección para poder aprender.
← | →
-
Un curso muy completo y de muy buena calidad, tiene un muy buen enfoque para quienes decidimos estudiar y trabajar a la vez, muy contento.
← | →
Valoración del curso
Lo recomiendan
Valoración del Centro
Charly L.
Otto Duarte
Javier Cerezo
Logros de este Centro
Todos los cursos están actualizados
La valoración media es superior a 3,7
Más de 50 opiniones en los últimos 12 meses
Este centro lleva 8 años en Emagister.
Materias
- Análisis de datos
- Ciclo de vida
- Exportación de dato
- Apache Hadoop
- Tableau avanzado
Profesores
Equipo Docente
Director
Temario
Módulo 0: Introducción a la Programación
Unidad 1. Introducción a Python
● Python el nuevo desconocido
● Gráficas estadísticas
● Programación con R
● Manipulación de datos
● Programación orientada a objetos y excepciones
● Estadística bidimensional
● Regresión lineal
● Características básicas del lenguaje
● Principales parámetros estadísticos
● Medidas descriptivas
Unidad 2: Introducción a la Estadística
Unidad 3: Introducción a R
● Tabla de frecuencias
● Gráficos estadísticos con R
● Variables estadísticas
● Manejo de datos
Unidad 4: Introducción a SQL
● Estructura básica de una consulta en SQL
● Funciones de agregación en SQL
● Consultas SQL sobre más de una tabla
● Tipos de consultas en SQL
Modulo 1: Introducción al Big Data
Unidad 1: Ecosistema Big Data
● Definición de componentes y arquitectura
● Introducción a Hadoop y MapReduce
● Disponibilidad, escalabilidad y resiliencia
Unidad 2: Estrategias basadas en datos
● Business Intelligence vs. Big Data
● Cuadros de mando (Dashboards)
Unidad 3: Entornos de procesamiento
● Cloud Computing
Unidad 4: Casos de uso de Big Data: ejemplos en la industria
● Internet de las Cosas (IoT)
Plan de estudios
Módulo 2. El dato y su ciclo de vida
Unidad 1: Datos
● Calidad del dato
● El dato
● Derechos sobre los datos
Unidad 2: Ciclo de vida del dato
● Fuentes de datos
● Extracción, Tratamiento y Carga
● Análisis para la explotación
● Almacenamiento de datos
● Visualización y storytelling para la explotación
● Tipo de escalabilidad
La selección de los elementos visuales
Escalabilidad vertical
Escalabilidad horizontal
● Toma de decisiones
Módulo 3. Almacenamiento escalable de datos
Unidad 1: Bases de datos distribuidas
● Bases de datos no distribuidas
Plan de estudios
Unidad 3: NoSQL – Clave valor
Unidad 2: NoSQL
Unidad 4: NoSQL – Columnares
Unidad 5: NoSQL – Orientada a documentos
Unidad 1: El ecosistema Hadoop
Unidad 6: NoSQL – Orientada a grafos
● Arquitectura
● Introducción a Hadoop
● Cassandra Query Languaje – CQL
● Modelado de datos en Casandra
● Herramientas del ecosistema Hadoop
● CQL – Creación de modelo de datos
● Teorema de CAP
● Bases de datos relacionales
Keyspace
Table
Módulo 4. Arquitectura Big Data
Plan de estudios
Unidad 2: Cluster y sistemas distribuidos (HDFS, MapReduce)
Unidad 3: Análisis de datos con Hive y Pig
Unidad 4: Procesamiento de datos con Spark
● Spark Streaming
● Spark RDD (Resilient Distributed Datsets)
● Spark SQL
Módulo 5. Análisis para la explotación de datos
Unidad 1: Perfiles de datos
● Ingeniero de datos
● Científicos de datos
Unidad 2: Análisis exploratorio de datos
● Distribución de los datos
● Estadística descriptiva
● Correlación
● Exploración de datos categóricos y binarios
● Exploración de 2 o más variables
Unidad 3: Técnicas de muestreo de datos
● Selección aleatoria
● Selección Bias
● Selección por distribución estadística
Unidad 4: Contraste de hipótesis
● Testeo de hipótesis
● Testeo de muestras A/B
● P-Value
● Significancia estadística y P-Value
Unidad 5: Regresión y predicción
● Regresión multilineal
● Regresión linear
● Predecir usando regresión
● Interpretar los resultados de una regresión
Unidad 6: Aprendizaje supervisado
● Algoritmos: árboles de decisión
● Conceptos
Unidad 7: Aprendizaje no supervisado
● Algoritmos: K-Means, clusters jerárquicos
● Componentes principales
Unidad 8: Introducción al Deep Learning
● Redes neuronales
● Conceptos fundamentales
Módulo 6. Presentación de proyectos Big Data y storytelling
Unidad 1: Presentación de un proyecto Big Data
● La audiencia y su importancia
● La importancia del contexto
Unidad 2: Componentes para la presentación de un proyecto Big Data
● Ideas de diseño
Módulo 1. Introducción al BI
Unidad 1: Historia y evolución del BI
● ¿Qué es el BI?
● Componentes BI
● Fuentes de información
Especialización Business Intelligence
Unidad 2: Conceptos básicos BI
● Herramientas/procesos básicos BI
Unidad 3: Modelado de datos
● Modelo en estrella
● Modelo copo de nieve
● Modelo multidimensional
Unidad 4: Aprovisionamiento de datos
● Datawarehouse
● Datamart
● Principales diferencias
Módulo 2. ETL e introducción a la visualización
Unidad 1: Procesos de extracción transformación
y cargas y herramientas.
● Diseño de proceso ETL
● Principales herramientas del mercado y particularidades
Unidad 2: Introducción a la visualización
● Introducción a la visualización de la información
● Beneficios de la visualización
● Categorías de la visualización
Unidad 3: Herramientas y particularidades
● Principales herramientas del mercado y comparativa
Plan de estudios
Módulo 3. Introducción al PowerBI
Unidad 1: Comprensión básica de PowerBI
Unidad 2: Conexión a orígenes de datos
● ¿Qué es?
● ¿Para qué sirve?
● Interfaz
Unidad 3: Editor Power Query
● Formateo de datos
● Detección de errores
● Pivot
Unidad 4: Creación de gráficos
Unidad 5: Construcción de informe con filtros
● Vinculación y desvinculación en gráficos
Unidad 6: Introducción a DAX (Data Analysis Expressions)
● Introducción a DAX
● Tablas y columnas calculadas, medidas simples
● Filtrado de filas y medidas avanzadas
Unidad 7: Creación de métricas y gráficos avanzados
Módulo 4. Introducción al Tableau: Visualización I
Unidad 1: Tableau I
Unidad 2: Tableau II
● Comprensión básica de Tableau
● Conexión a fuente/base de datos
● Combinación de datos
● Editar y guardar fuente de datos
● Dimensiónes y métricas
● Conversión tipo de datos
● Representación gráfica de los datos
● Filtrado de informes y características
● Creación jerarquías y drill down
Unidad 3: Tableau III
● Creación campos calculados. (medidas y dimensiones)
● Creación de parámetros
● Combinación campos calculados y parámetros
● Descripciones emergentes
Unidad 5. Tableau Avanzado: Visualización II
Unidad 1: Tableau avanzado I
● Creación de grupos
● Creación de conjuntos
● Expresiones LOD
Unidad 2: Tableau avanzado II
● Creación de dashboard
● Objetos dashboard
● Fomatos dashboard
● Interactividad dashboard
Unidad 3: Tableau avanzado III
● Extensiones Tableau
● Configuración extensión
● Gráficos no nativos
Unidad 4: Movilidad y colaboración
● Creación de historias
● Adaptación de informes para móvil y tablet
● Tableau online/Tableau server/Tableau public
Módulo 1. Introducción al Big Data
Unidad 1: Conceptos básicos
● Definición y conceptos
● Evolución de los datos
Especialización Apache Hadoop
Unidad 2: SQL vs. NoSQL
Unidad 3: Preparación entorno de trabajo
Módulo 2: Apache Hadoop (HDFS)
Unidad 1: Conceptos básicos y arquitectura
● Conceptos fundamentales
● Arquitectura Hadoop
Unidad 2: Lectura, escritura y replicación
Unidad 3: Permisos y borrado de datos
Unidad 4: Safemode, snapshots y gestión de caché
Unidad 5: Profundizando con la Shell
Plan de estudios
Módulo 3: Map reduce & yarn
Unidad 1: Map reduce: el algoritmo
● Arquitectura
● Configuración
Unidad 2: Implementación de algoritmos map reduce
Unidad 3: Maneras de ejecutar el algoritmo
Unidad 4: YARN: Arquitectura, gestión de colas y Zookeeper
Módulo 4: Ecosistema Hadoop
Unidad 1: Apache Hive
● Arquitectura
● Componentes
Unidad 2: Apache Sqoop
● Arquitectura
● Componentes
Unidad 5: Reporting con Zeppelin
● La importancia del reporting
● Creación de reportes con Zeppelin
¿Necesitas un coach de formación?
Te ayudará a comparar y elegir el mejor curso para ti y a financiar tu matrícula en cómodos plazos.
Big Data