DESTINATARIOS: Empleados públicos de las corporaciones locales con sede en territorio de Castilla La Mancha.

OBJETIVOS:

Conocer las principales características del procesamiento masivo de datos en su relación con aplicaciones y algoritmos de Inteligencia Artificial.

Facilitar una aproximación a la planificación y desarrollo de programas de Inteligencia Artificial y Big Data en el entorno empresarial.

Adquirir y dominar conceptos básicos y conocimientos sobre los avances en Big Data, incluyendo su evolución desde el BI tradicional y sus características principales.

Conocer las nociones básicas sobre arquitectura Big Data y sus principales tecnologías, así como los lenguajes y procesos asociados.

Comprender los principales conceptos sobre Ciencia de Datos e Inteligencia Artificial, incluyendo los distintos tipos de algoritmos y su aplicación.

Adquirir una visión transversal sobre el futuro del Big Data y cómo se aplica actualmente en diferentes áreas, tanto en instituciones públicas como en el entorno empresarial.

CONTENIDOS:

Módulo 1. Conceptos básicos y avances en Big Data

Evolución del BI tradicional hacia el Big Data: navegación web, geolocalización, audiencias de TV, etc.

Big Data como solución al tratamiento masivo de datos: definición e historia

Hadoop como revolución del procesamiento paralelo de grandes volúmenes de información.

Características del Big Data (4 V’s y más):

Nuevos paradigmas asociados al Big Data: Procesos en Real Time y Cloud Computing

Módulo 2. Arquitectura Big Data y tecnologías principales

Ecosistema Hadoop: HDFS y MapReduce.

Lenguajes de programación más utilizados: Java, Scala, SQL y Python

Procesos ETL (extracción, transformación y carga): Flume, Sqoop y Hive.

Procesos en tiempo real y bases de datos de alta disponibilidad: Kafka, HBase y Redis.

Procesamiento avanzado y analítica con Spark.

Seguridad y gobierno del dato en entornos Big Data.

Módulo 3. Ciencia de Datos e Inteligencia Artificial

Introducción a la Ciencia de Datos y a la Inteligencia Artificial.

Lenguajes de programación principales en este ámbito: R y Python

Algoritmos supervisados: definición y ejemplos.

Algoritmos no supervisados: definición y ejemplos.

Introducción al Deep Learning y al Aprendizaje por Refuerzo.

Procesamiento de información no estructurada: imágenes y textos.

Visualización de datos: visualizaciones interactivas y dashboards.

Módulo 4. Aplicaciones actuales y futuro del Big Data

Aplicaciones en instituciones públicas: Open Data

Aplicaciones en empresas: cómo el Big Data mejora la eficiencia operativa.

“Data for Good”: uso del Big Data para el bien social.

Reflexiones finales sobre el impacto del Big Data en los próximos años.