ARCITURA

Analisis de Big Data y Laboratorio de Tecnologia

Código: ARC-103


Este módulo del curso presenta a los participantes una serie de ejercicios y problemas diseñados para probar su capacidad, para aplicar el conocimiento de los temas tratados previamente en los módulos del curso 1 y 2. Completar esta práctica de laboratorio ayudará a resaltar las áreas que requieren mayor atención y Demostrar competencia práctica en análisis y tecnología de Big Data y prácticas tal y como son aplicado y combinado para resolver problemas del mundo real.

 Propuesta de Valor: ARCITURA

 Duración: 12 Horas Académicas

Áreas de Conocimiento:
BIG DATA

Modalidad: VIRTUAL
SANTA CRUZ
Inicio: 16/11/2020

Analisis de Big Data y Laboratorio de Tecnologia

   AUDIENCIA


Cualquier persona que esté interesada en ampliar sus conocimientos en Big Data y deseen cubrir unas necesidades no satisfechas por las tecnologías existentes en el almacenamiento y tratamiento de grandes volúmenes de datos.

   PRE REQUISITOS


No hay requisitos formales para esta certificación.

   OBJETIVOS


  • Promover una comprensión de cómo funcionan los entornos de Big Data tanto desde el principio como desde el back-end.
  • Resolver problemas de análisis y análisis del mundo real.

   CERTIFICACIÓN DISPONIBLE



  • La pista profesional de Big Data Science se compone de los módulos 1, 2 y 3 de BDSCP. (PROFESIONAL CERTIFICADO EN BIG DATA SCIENCE)
  • Complete la versión parcial del examen B90.BDP

  •    CONTENIDO



    1. MODULO 1 ETAPAS DEL CICLO DE VIDA DEL ANALISIS DE BIG DATA



    1.1. EVALUACION DE CASOS COMERCIALES:

    1.2. IDENTIFICACION DE DATOS:

    1.3. ADQUISICION Y FILTRADO DE DATOS:

    1.4. EXTRACCION DE DATOS:

    1.5. VALIDACION Y LIMPIEZA DE DATOS:

    1.6. AGREGACION Y REPRESENTACION DE DATOS:

    1.7. ANALISIS DE LOS DATOS:

    1.8. VISUALIZACION DE DATOS:

    1.9. UTILIZACION DE LOS RESULTADOS DEL ANALISIS:

    2. MODULO 2 MECANICA DE BIG DATA



    2.1. MOTOR ANALITICO:

    2.2. MOTOR DE COORDINACION:

    2.3. MOTOR DE TRANSFERENCIA DE DATOS:

    2.4. MOTOR DE PROCESAMIENTO:

    2.5. MOTOR DE CONSULTA:

    2.6. ADMINISTRADOR DE RECURSOS:

    2.7. DISPOSITIVO DE ALMACENAMIENTO:

    2.8. MOTOR DE FLUJO DE TRABAJO:

    3. MODULO 3 COMPONENTES Y CONCEPTOS DE TECNOLOGIA DE BIG DATA



    3.1. CLUSTERS:

    3.2. SISTEMAS DE ARCHIVOS Y ARCHIVOS DISTRIBUIDOS:

    3.3. SISTEMAS:

    3.4. NOSQL:

    3.5. PROCESAMIENTO DE DATOS DISTRIBUIDOS:

    3.6. PROCESAMIENTO DE DATOS EN PARALELO:

    3.7. PROCESAMIENTO DE CARGAS DE TRABAJO:

    3.8. COMPUTACION EN LA NUBE:

    4. MODULO 4 CONTROLADORES DE BIG DATA



    4.1. ANALISIS Y CIENCIA DE DATOS:

    4.2. DIGITALIZACION:

    4.3. TECNOLOGIA ASEQUIBLE Y HARDWARE BASICO:

    4.4. REDES SOCIALES:

    4.5. COMUNIDADES Y DISPOSITIVOS HIPERCONECTADOS:

    4.6. COMPUTACION EN LA NUBE:

    5. MODULO 5 TECNOLOGIAS EMPRESARIALES



    5.1. PROCESAMIENTO DE TRANSACCIONES EN LINEA (OLTP):

    5.2. PROCESAMIENTO ANALITICO EN LINEA (OLAP):

    5.3. EXTRAER-TRANSFORMAR-CARGAR (ETL):

    5.4. ALMACEN DE DATOS:

    5.5. DATA MART:

    5.6. HADOOP:

    6. MODULO 6 ANALISIS DE DATOS



    6.1. ANALISIS CUANTITATIVO:

    6.2. ANALISIS CUALITATIVO:

    6.3. PROCESAMIENTO DE DATOS:

    7. MODULO 7 FUENTES DE BIG DATA



    7.1. GENERADO POR HUMANOS:

    7.2. GENERADO POR MAQUINA:

    8. MODULO 8 ANALíTICA



    8.1. DESCRIPTIVO:

    8.2. DIAGNOSTICO:

    8.3. PROFETICO:

    8.4. PRECEPTIVO:

    9. MODULO 9 INTELIGENCIA DE NEGOCIOS



    9.1. BI TRADICIONAL:

    9.2. BI DE BIG DATA:

    10. MODULO 10 VISUALIZACION DE DATOS



    10.1. AGREGACION:

    10.2. PROFUNDIZAR:

    10.3. FILTRAR:

    10.4. ENROLLAR:

    10.5. Y SI EL ANALISIS:

    11. MODULO 11 CARACTERISTICAS DE BIG DATA



    11.1. VALOR:

    11.2. VARIEDAD:

    11.3. VELOCIDAD:

    11.4. VERACIDAD:

    11.5. VOLUMEN:

    12. MODULO 12 TIPOS DE BIG DATA



    12.1. METADATOS:

    12.2. SEMI-ESTRUCTURADO:

    12.3. ESTRUCTURADO:

    12.4. DESESTRUCTURADO:

    13. MODULO 13 TERMINOLOGíA Y CONCEPTOS



    13.1. ANALITICA:

    13.2. ANALITICA:

    13.3. INTELIGENCIA DE NEGOCIOS:

    13.4. CONJUNTO DE DATOS:

    13.5. ANALISIS DE LOS DATOS:

    13.6. INDICADOR CLAVE DE RENDIMIENTO (KPI):

    14. MODULO 14 CONSIDERACIONES DE ADOPCION Y PLANIFICACION



    14.1. JUSTIFICACION DE NEGOCIOS:

    14.2. ADQUISICION DE DATOS:

    14.3. PRERREQUISITOS ORGANIZACIONALES:

    14.4. INTIMIDAD:

    14.5. PROCEDENCIA:

    14.6. SEGURIDAD:

    14.7. SOPORTE LIMITADO EN TIEMPO REAL:

    14.8. DISTINTOS DESAFIOS DE DESEMPEñO:

    14.9. DISTINTOS REQUISITOS DE GOBERNANZA:

    14.10. METODOLOGIA DISTINTA:

    14.11. COMPUTACION EN LA NUBE:

    15. MODULO 15 TECNICAS DE ANALISIS DE BIG DATA



    15.1. ANALISIS VISUAL:

    15.2. APRENDIZAJE AUTOMATICO:

    15.3. ANALISIS SEMANTICO:

    15.4. ANALISIS ESTADISTICO:


       BENEFICIOS



    Una certificación es una documentación formal de los logros que demuestra que un candidato ha demostrado conocimientos teóricos y prácticos "saber hacer" en un campo en particular. La obtención de una certificación trae consigo varios beneficios que permiten a los candidatos seleccionados: - Ser competentes en Big Data del mundo real neutrales con el proveedor - Centrarse en partes maduras y probadas de la industria de Big Data - Convertirse en un profesional de Big Data listo para proyectos