¿Qué quieres aprender?

Curso de Big Data Science

Curso de Big Data Science

Grupo Atrium

Curso online


2.596
¿Quieres hablar con un asesor sobre este curso?

A quién va dirigido

Para realizar nuestro curso en Big Data Science no es necesario que dispongas de titulaciones académicas previas. Si estás en alguna de estas situaciones este curso es para ti. Personas sin conocimientos técnicos: Estás en situación de desempleo o quieres cambiar de área a una que ofrezca grandes posibilidades laborales. Personas con pocos conocimientos técnicos: Has visto algo por tu cuenta o realizado alguna formación, pero deseas aprender más y dedicarte profesionalmente al Big Data. Personas que ya trabajan en el área tecnológica: eres programador y deseas aprender nuevas herramientas y tecnologías para desarrollarte profesionalmente.

Requisitos

No es necesario disponer de ningún requisito académico.

Temario completo de este curso

1) Módulo 1: Introducción a los sistemas Informáticos y tecnologías Big Data (5 sesiones)

- Principales componentes de un sistema informático. Sistemas Operativos, para que sirven, que tipos hay y cómo funcionan…

- Introducción a GNU/Linux

- GNU/Linux Avanzado

- Como usar GNU/Linux en Cloud (AWS)

- Introducción teórica a las tecnologías Big Data: Bases de Datos SQL/No SQL, Computación distribuida, Cloud…

2) Módulo 2: Fundamentos de Programación en Python (6 sesiones)

- Introducción a los lenguajes de programación

- Python: Sentencias Básicas y Bloques Lógicos

- Python: Funciones y Scope

- Python: Clases y Objetos y Tratamiento de Excepciones

- Python: Módulos y Uso de librerías de Python

3) Módulo 3: Programación Orientada a Datos (3 sesiones)

- Python: Librerías básicas de Data Science: Pandas, Numpy, Matplotlib, Sklearn…

- Introducción teórica al análisis exploratorio de Datos

- Python: Ejemplificación del análisis exploratorio de datos mediate Datasets reales

4) Módulo 4: Introducción al Machine Learning (2 sesiones)

- Desambiguación de términos: ¿Machine Learning? ¿Deep Learning? ¿Data Science? ¿Big Data? Machine Learning: Aprendizaje supervisado (regresión/clasificación), no supervisado y por refuerzo.

- Nuestros primeros pasos con el Machine Learning: Regresión Lineal y Regresión Logística. Ejemplos con datos reales en Python.

5) Módulo 5: Bases de Datos e Ingestión de datos (3 sesiones)

- Bases de datos SQL

- Bases de datos NoSQL: Clave-Valor, Columnares, Documentales y de Grafos

- Bases de Datos NoSQL Documentales: MongoDB (PyMongo)

- Sistemas de ingestión de datos en tiempo real: Kafka

6) Módulo 6: Procesamiento Distribuido (5 sesiones)

- Funcionamiento de un sistema Big Data de Procesamiento Distribuido: Ingestión, Almacenamiento, Gestión de Recursos, Cálculo Distribuido…

- Hadoop: Instalación y configuración, HDFS y YARN

- Introducción a Spark: Instalación y configuración, pySpark y DataFrame API

- Machine Learning con Spark: MLlib

- Microservicios: Kubernetes y Docker

- Arquitecturas Big Data: Lamba vs Kappa vs Microservicios

7) Módulo 7: TFM (Opcional) (2 meses)

- El alumno presentará una propuesta de proyecto de en el que se utilicen tecnologías Big Data y lenguaje de Python para resolver un caso de negocio al docente.

- Una vez aprobada la propuesta el alumno lo realizará

- Al entregarlo el docente dará su feedback y si este es positivo el alumno tendrá una mención especial en su diploma y prioridad en nuestra bolsa de empleo.

Ver más