Diploma de posgrado en big data y gestión de datos

Especialidades y asignaturas

ESP2. Gestión de Datos

Esta especialidad se dirige a proporcionar al profesional de perfil tecnológico capacidades prácticas para gestionar y almacenar datos relacionales y no relacionales, así como gestionar los datos como un activo de valor por medio del gobierno de datos.

Se compone de las siguientes asignaturas:

• Data governance (6 créditos): en esta asignatura, el estudiante se familiariza con el gobierno de datos, una práctica que une personas, procesos y tecnología para cambiar la forma en que los datos son adquiridos, gestionados, mantenidos, transformados en información, compartidos en el contexto de la organización como conocimiento común y sistemáticamente obtenidos por la empresa para mejorar la rentabilidad. El estudiante trabaja con herramientas ofimáticas (DOC, XLS, PPT) y con herramientas especializadas para el desarrollo de un programa de gobierno de datos (Trifacta o Talend).
• Bases de datos analíticos (6 créditos): en esta asignatura se aprende a crear un almacén de datos adecuado que ofrezca apoyo en la toma de decisiones de la organización. Se presenta de manera conceptual la arquitectura de almacenamiento (data warehousing) y se dan pautas para construir este tipo de sistemas. La puesta en práctica se lleva a cabo mediante la resolución de un caso práctico extenso para el que se usan varias herramientas especializadas (Pentaho, Microsoft, Oracle y PostgreSQL).
• Bases de datos NoSQL (6 créditos): las bases de datos NoSQL constituyen una alternativa a las bases de datos relacionales y son especialmente adecuadas para ciertos dominios de aplicación: dominios que trabajan con grandes volúmenes de datos, dominios donde se necesite una distribución o disponibilidad altas, dominios que trabajan con datos poco estructurados y dominios en los que se establecen múltiples y complejas interrelaciones de los datos. En esta asignatura se presentan los principios y los conceptos de este tipo de bases de datos, los modelos de datos subyacentes y los problemas que presenta la distribución en el almacenamiento y la gestión de los datos. Se trabajan varios tipos de bases de datos NoSQL (clave-valor, documentos, orientadas a columnas y grafos) con herramientas como Riak, MongoDB o Neo4j.

ESP4. Big Data

Esta especialidad se dirige a proporcionar al profesional de perfil tecnológico capacidades prácticas para diseñar e implantar sistemas de macrodatos o big data (batch processing, data lakes) que sean compatibles con las diferentes necesidades analíticas de una organización (diferidas, en tiempo real, multipropósito, orientadas al aprendizaje automático -machine learning-).

Se compone de las siguientes asignaturas:

• Data lakes (6 créditos): en esta asignatura se aprende a crear un lago de datos (data lake) que complementa la factoría de información organizativa. Se presenta conceptualmente la arquitectura de un lago de datos y se dan pautas para la construcción de este tipo de sistemas. La puesta en práctica se lleva a cabo mediante la resolución de un caso práctico extenso para el que se usan varias herramientas especializadas (Cloudera y ecosistema de macrodatos).
• Tecnologías de batch processing (6 créditos): en los proyectos de macrodatos (big data), uno de los principales casos de uso es el almacenamiento, el procesamiento y el análisis de grandes volúmenes de datos en largos periodos de tiempo. En esta asignatura se presentan las tecnologías de procesamiento por lotes (batch processing) que responden a esta necesidad. Se dan a conocer estas tecnologías de manera conceptual y práctica mediante la resolución de un caso práctico extenso para el que se usan diferentes herramientas especializadas (Cloudera y ecosistema de macrodatos).
• Tecnologías de stream processing (6 créditos): en los proyectos de macrodatos (big data), uno de los casos de uso principales es trabajar con datos en tiempo real. En esta asignatura se presentan las tecnologías de procesamiento por flujos (stream processing) que responden a esta necesidad. Se dan a conocer estas tecnologías de manera conceptual y práctica mediante la resolución de un caso práctico extenso para el que se usan diferentes herramientas especializadas (Cloudera y ecosistema de macrodatos).