Especialista en Big Data

MÓDULO 1: INFRAESTRUCTURA DE SISTEMAS

• Configuración de máquinas virtuales.

• Modelos y tipología de redes y principales comandos de utilidad para la gestión de red.

• VPN. Establecimiento de una red privada segura sobre una red pública no segura.

• Principales comandos y herramientas para trabajar con redes: ping, netstat, telnet, nslookup.

MÓDULO 2: SEGURIDAD Y MONITORIZACIÓN

• Identificación de los diferentes conceptos en criptografía.

• Identificación de las infraestructuras de clave pública (pki).

• Inmersión en los conceptos clave de la seguridad de la información.

• Distinción y aplicación de los diferentes métodos de autenticación.

• Distinción y aplicación de los distintos métodos de autorización.

• Identificación, aplicación y creación de log distribuido.

• Identificación y aplicación de las opciones de trazabilidad distribuida.

• Monitorización de los datos.

MÓDULO 3: BASES DE DATOS DISTRIBUIDAS

• Formatos de ficheros soportados por Hadoop: text, sequencefiles, avro y columnar.

• Flujo de los datos desde el momento en el que son captados hasta su almacenamiento e identificación de las acciones a realizar en cada momento.

• Ejemplo de análisis detallado del ciclo de vida de dato.

• Introducción al gobierno del dato (data governance) o cómo encontrar respuesta a las preguntas que nos interesa responder sobre un dato.

• Introducción a big data, la necesidad de procesamiento distribuido.

• Almacenamiento local. Los ficheros y su almacenamiento en disco.

• Almacenamiento distribuido. El almacenamiento de ficheros en el dispositivo, en la red (NAS, SAN) y en la nube.

• Otros tipos de almacenamiento: object storage y block storage.

• HDFS—Hadoop distributed file system.

• Introducción a las colas.

• Bases de datos relacionales vs. BBDD NoSQL (tipos: clave-valor, orientadas a columnas, de grafos, orientadas a documentos).

• MongoDB. Características, arquitectura. (Colecciones, documentos y tipos de datos. Operaciones básicas y escalado. MongoDB en la nube con Atlas).

• Práctica del uso de BBDD de grafos con Neo4j. Pros y contras de esta tipología, comprender los componentes del modelo de grafos y principales casos de uso. Práctica.

• Indexadores. Entender la tecnología que sustenta los buscadores como Google. Tipos de búsquedas y tecnologías adecuadas para cada tipología: full text search – índice invertido, enterprise search – Solr, Lucene – API para recuperación de información, Elastic Search – indexador de contenidos y Azure search.

MÓDULO 4: PROCESAMIENTO DISTRIBUIDO

• Uso de Spark como framework de procesamiento de la información en sistemas distribuidos.

• Inmersión en la estructura de datos principal de Spark: RDD – resilient distributed data set.

• Iniciación a Spark en cluster.

• Conceptos de programación paralela en spark.

• Optimización de rendimiento en spark.

• Iniciación al procesamiento de datos en Spark mediante el uso del módulo SparkSQL

• Introducción a la programación en scala.

MÓDULO 5: VISUALIZACIÓN

• Asimilación del concepto y sentido del business intelligence en la visualización de datos.

• Instalación de Power BI en la propia máquina.

• Carga de datos.

• Aplicación práctica. Creación y diseño de un dashboard propio.

MÓDULO 6: CASO PRÁCTICO CON MICROSOFT AZURE

• Infraestructura.

• Procesamiento.

• Visualización: Kibana, Grafana, notebooks.

• Almacenamiento.

• Realtime.

• Gobierno del dato.

MÓDULO 7: SOFTSKILLS – PÍLDORAS FORMATIVAS

• Iniciación en el desarrollo ágil de proyectos mediante el uso de la metodología scrum.

• Introducción a design thinking como herramienta para encontrar soluciones innovadoras a través de la creatividad e innovación.

• El arte de contar historias (storytelling) como medio para transmitir un mensaje con éxito