Introducciรณn al Big Data e Inteligencia Artificial

Inicio

18 JUN, 2024
Teleformaciรณn

Final

08 JUL, 2024
Teleformaciรณn

Lugar

Teleformaciรณn

Las fechas del curso pueden variar en funciรณn de la conformaciรณn de un grupo de estudiantes que aseguren el รฉxito en el proceso de aprendizaje.

Fechas: Ver cabecera

Horas certificadas y modalidad: 40 h. Teleformaciรณn

Precio:ย Curso gratuito para personas prioritariamente ocupadas del sector turismo

Acreditaciรณn: Curso homologado

Cรณdigo: IFCT159

Mรกs informaciรณn y reserva de plaza:







    Objetivos:

    Conocer las principales caracterรญsticas del procesamiento masivo de datos en su relaciรณn con aplicaciones y algoritmos de Inteligencia Artificial, asรญ como facilitar una aproximaciรณn a la planificaciรณn y desarrollo de programas de inteligencia artificial y Big Data en el entorno empresarial.

     

    Contenidos:

    โ€ข Adquisiciรณn y dominio de conceptos bรกsicos y de conocimientos sobre los avances en Big Data:
    – Cรณmo evoluciona el BI tradicional al Big Data (navegaciรณn web, geolocalizaciรณn, audiencias TV,โ€ฆ)
    – El Big Data como soluciรณn al tratamiento masivo de datos: definiciรณn e historia desde su invenciรณn.
    – Hadoop como revoluciรณn para el tratamiento paralelo de datos masivo.
    – Caracterรญsticas del Big Data (4 V’s y mรกs): volumetrรญa, velocidad, variedad (estructurados/no estructurados), veracidad (calidad del dato), valor del dato, โ€ฆ
    – Nuevos paradigmas del Big Data: Procesos en Real Time y Cloud Computing.
    โ€ข Conocimiento de nociones bรกsicas sobre arquitectura Big Data y principales tecnologรญas:
    – El ecosistema Hadoop: HDFS y MapReduce.
    – Principales lenguajes de programaciรณn utilizados: Java, Scala, SQL y Python.
    – Procesos ETL (extracciรณn, transformaciรณn y carga): Flume, Sqoop y HIVE.
    – Procesos Real Time y bases de datos de alta disponibilidad: Kafka, HBASE y Redis.
    – Procesamiento y analรญtica avanzada con Spark.
    – Seguridad y gobierno del dato.
    โ€ข Comprensiรณn de los principales conceptos sobre La โ€œCiencia de datosโ€ e IA:
    – Introducciรณn a la โ€œCiencia de datosโ€ y la Inteligencia Artificial.
    – Principales lenguajes de programaciรณn utilizados: R y Python.
    – Algoritmos supervisados: ยฟQuรฉ son? Algunos Ejemplos.
    – Algoritmos no-supervisados: ยฟQuรฉ son? Algunos Ejemplos.
    – Introducciรณn al Deep Learning y el Aprendizaje por Refuerzo.
    – Procesamiento de informaciรณn no estructurada: Imรกgenes y Textos.
    – Visualizaciรณn de datos: Visualizaciones interactivas y Dashboards.
    โ€ข Adquisiciรณn de una visiรณn trasversal sobre el futuro del BigData y cรณmo se aplica actualmente en diferentes รกreas:
    – Ejemplos en las instituciones pรบblicas: OpenData.
    – Ejemplos en el mundo empresarial: ejemplos de aplicabilidad del Big Data a la eficiencia de las operaciones de una compaรฑรญa.
    – โ€œData for Goodโ€: Big Data para el bien social.
    – Reflexiones finales sobre el impacto del Big Data en los aรฑos venideros.

    • Cumplir como mรญnimo los siguientes requisitos:
      – Tรญtulo de Bachiller o equivalente.
      – Tรญtulo de Tรฉcnico Superior (FP Grado Superior) o equivalente.
      – Haber superado las pruebas de acceso a Ciclos formativos de Grado Superior.
      – Haber superado cualquier prueba oficial de acceso a la universidad.
      – Certificado de profesionalidad de nivel 3.
      – Tรญtulo de Grado o equivalente.
      – Tรญtulo de Postgrado (Mรกster) o equivalente.