Curso de Big Data y transformación digital

Descripción

A través de este curso de Big Data y transformación digital aprenderás todo lo que debes saber sobre Big Data y su historia, la importancia de almacenar y extraer información y el Big Data enfocado a los negocios.

Además, con este curso de Big Data y transformación digital tratarás las fases de un proyecto de Big Data que incluyen, el diagnóstico inicial, el diseño del proyecto, el proceso de implementación, la monitorización y control del proyecto, responsables y recursos disponibles, la calendarización, el alcance y valoración económica del proyecto.

El curso de Big Data y transformación digital cuenta con tutorías personalizadas.

Metodología

Este curso online permite adquirir conocimientos desde cualquier lugar y en cualquier momento, disponiendo de un ordenador, o de cualquier dispositivo móvil o tablet.

Los contenidos, actualizados y amenos, se enmarcan en un entorno web intuitivo y automatizado, y combinan la teoría con actividades prácticas e interactivas.

Se trata de un curso en el que el alumno o alumna marcará su ritmo de estudio, pudiendo avanzar o retroceder en el temario en función de sus necesidades y tiempo disponible.

El curso dispone de formación online tutorizada, a lo largo del desarrollo de la acción formativa podrás estar en contacto con los/as tutores/as del curso de forma permanente a través del teléfono y el e-mail.

Contenidos

UNIDAD DIDÁCTICA 1. De los datos a las decisiones estratégicas. El mundo del dato

• Contexto
• De los Datos a las Decisiones Estratégicas
  • DIKW
    • ¿Cuál es el DIKW real que necesitamos?
  • Entonces, ¿Qué es Big Data?
  • Omnicanalidad
  • Los distintos orígenes de datos
• Corporate Performance Management
  • La pirámide de la información
  • Organizaciones basadas en la estrategia
  • Mapa estratégico
  • Cuadros de Mando
  • Visualización
• Hemos aprendido

UNIDAD DIDÁCTICA 2. Data Management

• Qué es el Data Management
• Áreas o disciplinas del Data Management
  • Data Governance
    • Buenas y malas prácticas de Data Governance
  • Data Architecture
  • Data Development
    • Bases de datos y su diseño
  • Document & Content Management
  • Data Security
    • Control de accesos
    • Buenas prácticas de Seguridad de Datos
  • Master Data
  • Meta Data
  • Data Quality
  • Database Operations
  • Data Warehousing & Business Intelligence
• Hemos aprendido

UNIDAD DIDÁCTICA 3. Sistemas de información: Business Intelligence. ¿Por qué aparece Big Data? ¿Qué significa?

• Business Intelligence
  • Contexto en el que surge el Business Intelligence
    • Diferencias entre sistemas operacionales e informacionales
    • DataWarehouse y DataMarts
    • Creación de un sistema de BI
    • Arquitectura de un sistema de BI
• Introducción a Big Data; el porqué de su existencia
  • Las V’s del Big Data
  • Datificación
• Datificación – volúmenes de datos
• Business Intelligence Vs Big Data
• Ciclo de Vida de Big Data
• Problemática con Big Data
• Hemos aprendido

UNIDAD DIDÁCTICA 4. Arquitecturas Big Data

• Componentes de una arquitectura Big Data
  • Data Lake
  • Hadoop + Spark
• Hadoop
  • Map Reduce
  • Ecosistema Hadoop
  • Almacenamiento distribuido: HDFS
• Spark
  • Spark DAG
    • RDD’s
  • Ecosistema Spark
• Spark sobre Hadoop
  • Panorámica de herramientas
• Hemos aprendido

UNIDAD DIDÁCTICA 5. Visualización y toma de decisiones

• Smart Data y Smart Visual Data
• Tecnologías y herramientas de visualización
  • Tecnología R
  • Notebooks y Zeppelin
  • Herramientas comerciales
  • Otras herramientas de visualización
• Casos de uso con Visualización
  • Mobile First
• Hemos aprendido

UNIDAD DIDÁCTICA 6. Big Data & Analytics: Disciplinas científicas

• Enfoque multidisciplinar
  • Disciplinas científicas
• De la Analítica Descriptiva a la Analítica Prescriptiva
  • Perspectivas de analítica
• Data Mining
  • Qué es Data Mining
    • Etapas y ejemplos de Data Mining
    • Panorámica de herramientas para Data Mining
  • Algoritmos Descriptivos
  • Algoritmos Predictivos
• Machine Learning
  • Bases del Aprendizaje Automático
  • Cómo hacer aprender a una máquina
  • Aprendizaje Supervisado y No Supervisado
  • Panorámica de herramientas de Machine Learning
  • Machine Learning en una pila de Big Data
• Cognitive Computing
  • Deep Learning
    • Evolución esperada del Deep Learning
    • Panorámica de herramientas de Cognitive Computing
• Casos de Uso
  • Siri y Cortana
  • Watson Analytics
  • Mejorando la seguridad y el cumplimiento de la ley, caso del MIT
  • El Bot Mitsuku
  • Reconocimiento de imágenes, Big Data y retail
• Hemos aprendido

UNIDAD DIDÁCTICA 7. Big Data & Analytics: Ámbitos de aplicación

• Customer Analytics
  • La importancia del Customer Analytics
  • Casos de uso de Customer Analytics
• User Experience (UX)
  • Casos de uso de User Experience
• Business Analytics
  • La importancia del Business Analytics
  • Casos de uso de Business Analytics (1)
  • Casos de uso de Business Analytics (2)
• RRHH Analytics
  • La importancia del RRHH Analytics
  • Casos de uso de RRHH Analytics
• Text Analytics
  • La importancia del Text Analytics
  • Nubes de Palabras y Redes Semánticas
  • Casos de uso de Text Analytics
  • Panorámica de herramientas de Text Analytics
• Hemos aprendido

UNIDAD DIDÁCTICA 8. Transformación Digital e IoT

• Internet de las cosas
  • Qué es Internet de las cosas (IoT)
  • Estado actual y futuro
  • Capacidades del IoT
    • Inteligencia Artificial en IoT
  • Tecnología
  • IoT en los hogares y la sociedad
  • Industria 4.0
  • Impacto en las Fintech
  • Casos de Uso de IoT (1)
  • Casos de Uso de IoT (2)
• Smart Cities
  • Casos de uso de Smart Cities
• La Digitalización de las empresas
  • La Transformación Digital
  • Ventajas y problemas del cambio digital
  • Casos de digitalización
  • La cultura digital
    • Proceso de digitalización
• Realidad Virtual
• Robótica
• Hemos aprendido

UNIDAD DIDÁCTICA 9. Liderazgo y Gestión de proyectos de dato

• Introducción al agilismo
  • ¿Por qué existe el enfoque “ágil”?
  • Entrega dirigida por el valor de negocio
  • Valores añadidos de la propuesta ágil
  • Enfoque ágil vs Enfoque “tradicional”
  • Cambio en la Triple Restricción
  • Los 4 valores fundamentales del enfoque ágil
  • Otros principios básicos de la gestión ágil de proyectos
  • Resumen de diferencias entre los enfoques Ágil y Tradicional
  • Por qué Big Data implica ser ágil
• Metodologías Ágiles
  • Scrum
    •  Elementos de Scrum
    • Roles en Scrum
  • Kanban
  • Lean
  • Relación entre metodologías ágiles
  • Nuevas Propuestas ágiles de gestión
• Liderazgo en un entorno ágil
  • El líder sirviente
  • Liderazgo y coaching para las personas
• Hemos aprendido

UNIDAD DIDÁCTICA 10. Protección de datos

• Reglamento europeo
  • Introducción
  • Datos personales y datos biométricos
  • Novedades impuestas por la tecnología
  • Privacidad
  • Medidas de seguridad más transparentes
  • Accountability y el DPO
  • La nueva LOPD
• Hemos aprendido

Tutor

Teo Chinchilla.

Experto en programación web y diseño de aplicaciones informáticas con más de 20 años de experiencia.

Objetivos

• Comprender en qué consiste Big Data. Desmitificación del concepto. Datificación y Monetización de los datos.
• Adquirir vocabulario y conceptos para poder comunicarse y trabajar con Big Data.
• Conocer en qué consiste un ecosistema de Big Data, perfiles profesionales, gestión de Big Data, y valor de negocio.
• Conocer las posibilidades de analítica de datos.
• Analizar casos de uso reales de aplicación de Big Data y nuevas oportunidades.
• Presentar las nuevas tendencias y tecnologías que están por llegar, y estar preparados para entenderlas y sacarles partido.