Cursos

BIG DATA

DESCRIPCIÓN DEL CURSO

El curso se realiza a través de aula virtual

Comparte este curso

REQUISITOS

No se requieren requisitos académicos de acceso.

OBJETIVOS

Adquirir conocimientos en el área del Big Data como el análisis masivo de datos, los lenguajes de programación, el Machine Learning y Deep Learning, bases de datos SQL y NoSQL, etc., con el fin de adquirir las habilidades necesarias para desarrollarte profesionalmente como:

Data Analyst
Data Engineer
Business Intelligence Analyst
Business Intelligence Developer
Big Data Engineer

DIRIGIDO A

Trabajadores en activo y autónomos de la Comunidad Valenciana, incluido aquellos que estén en ERTE.

Trabajadores en situación de desempleo inscritos en LABORA.

Formación Gratuita, gestionada por GVA-LABORA y financiada por la Unión Europea a través del Mecanismo de Recuperación y Resiliencia – Next Generation EU.

CONTENIDO

TEMA 1 CONCEPTOS BIG DATA Y ESTRATEGIA ANALÍTICA
Origen y definición Big Data y AI.
Casos reales de uso.
Estrategia analítica.
Roles en un equipo de Data.
Gestión y desarrollo de proyectos.
Cómo identificar su impacto.

TEMA 2 VISUALIZACIÓN Y ANÁLISIS DE DATOS
Introducción a la visualización de datos.
Análisis exploratorio de datos.
Conexión, importación y fuentes de datos.
Diseño y creación de Dashboards.
Puesta en producción y desarrollo empresarial.
Gráficos y análisis visual.

TEMA 3 TECNOLOGÍAS Y ARQUITECTURA BIG DATA
Introducción a cloud computing: conceptos generales, servicios de computación, almacenamiento masivo y bases de datos.
Paradigmas de bases de datos NoSQL con modelos prácticos en datawarehousing columnares, documentales, grafos y clave-valor.
Procesamiento de datos paralelizado: procesamiento y librerías en Phyton, plataforma Spark, concepto y uso de cuadernos como estándar, practicando con proveedores cloud (AVVS, Azure) y/o especializados (databricks), conexiones con almacenamiento persistente.
Casos prácticos sobre datasets y modelos de datos, p. ej. análisis estadístico, Data Wrangling, test a/b, modelo RFM, KPIs de interés según casos, estructura data lake/transaccional/analítico.