COGNOS - Capacitación

Big Data Fundamental

Código: ARC-101

Este curso básico proporciona una descripción general de alto nivel de las áreas temáticas esenciales de Big Data.Se proporciona comprensión de Big Data desde perspectivas comerciales y tecnológicas, junto con una descripción general de los beneficios, desafíos y problemas de adopción comunes.
El contenido del curso se divide en una serie de secciones modulares, cada una de las cuales va acompañada de uno o más ejercicios prácticos.

Propuesta de Valor: ARCITURA

Duración: 12 Horas Académicas

Áreas de Conocimiento:

BIG DATA CIENCIA DE DATOS E INTELIGENCIA ARTIFICIAL TECNOLOGIAS EMERGENTES Y DISRUPTIVAS

Exportar Contenido a PDF

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 previos.

OBJETIVOS

Comprensión de Big Data
Terminología y conceptos fundamentales de Big Data
Impulsores tecnológicos y de negocio de Big Data
Tecnologías empresariales tradicionales relacionadas con Big Data
OLTP, OLAP, ETL y Data Warehouses en relación con Big Data
Características de los datos en entornos de Big Data
Tipos de conjuntos de datos en entornos de macrodatos
Datos estructurados, no estructurados y semiestructurados
Veracidad de datos y metadatos
Análisis y análisis fundamentales
Análisis cuantitativo y cualitativo
Tipos de aprendizaje automático
Análisis descriptivo y de diagnóstico
Análisis predictivo y prescriptivo
Business Intelligence y Big Data
Visualización de datos y Big Data
Consideraciones de planificación y adopción de Big Data

CERTIFICACIÓN DISPONIBLE

Complete los módulos 1 y 2 para el examen de Certificación BDSCP.
Complete la versión parcial del examen B90.BDP.

CONTENIDO

1. CONTROLADORES DE BIG DATA

1.1. ANÁLISIS Y CIENCIA DE DATOS
1.2. DIGITALIZACIÓN
1.3. TECNOLOGÍA ASEQUIBLE Y HARDWARE BASICO
1.4. REDES SOCIALES
1.5. COMUNIDADES Y DISPOSITIVOS HIPERCONECTADOS
1.6. COMPUTACIÓN EN LA NUBE

2. TIPOS DE BIG DATA

2.1. METADATOS
2.2. SEMI-ESTRUCTURADO
2.3. ESTRUCTURADO
2.4. DESESTRUCTURADO

3. CONSIDERACIONES DE ADOPCIÓN Y PLANIFICACIÓN

3.1. JUSTIFICACIÓN DE NEGOCIOS
3.2. ADQUISICIÓN DE DATOS
3.3. PRERREQUISITOS ORGANIZACIONALES
3.4. INTIMIDAD
3.5. PROCEDENCIA
3.6. SEGURIDAD
3.7. SOPORTE LIMITADO EN TIEMPO REAL
3.8. DISTINTOS DESAFIOS DE DESEMPEÑO
3.9. DISTINTOS REQUISITOS DE GOBERNANZA
3.10. METODOLOGÍA DISTINTA
3.11. COMPUTACIÓN EN LA NUBE

4. TERMINOLOGÍA Y CONCEPTOS

4.1. ANALÍTICA
4.2. CONJUNTO DE DATOS
4.3. INTELIGENCIA DE NEGOCIOS
4.4. ANÁLISIS DE LOS DATOS
4.5. INDICADOR CLAVE DE RENDIMIENTO (KPI)

5. CARACTERÍSTICAS DE BIG DATA

5.1. VALOR
5.2. VARIEDAD
5.3. VELOCIDAD
5.4. VERACIDAD
5.5. VOLUMEN

6. VISUALIZACIÓN DE DATOS

6.1. AGREGACIÓN
6.2. PROFUNDIZAR
6.3. FILTRAR
6.4. ENROLLAR
6.5. Y SI EL ANALISÍS

7. INTELIGENCIA DE NEGOCIOS

7.1. BI TRADICIONAL
7.2. BI DE BIG DATA

8. ANALÍTICA

8.1. DESCRIPTIVO
8.2. DIAGNÓSTICO
8.3. PROFÉTICO
8.4. PRECEPTIVO

9. FUENTES DE BIG DATA

9.1. GENERADO POR HUMANOS
9.2. GENERADO POR MAQUINA

10. ANÁLISIS DE LOS DATOS

10.1. ANÁLISIS CUANTITATIVO
10.2. ANÁLISIS CUALITATIVO
10.3. PROCESAMIENTO DE DATOS

11. TECNOLOGÍAS EMPRESARIALES

11.1. PROCESAMIENTO DE TRANSACCIONES EN LÍNEA (OLTP)
11.2. PROCESAMIENTO ANALÍTICO EN LÍNEA (OLAP)
11.3. EXTRAER-TRANSFORMAR-CARGAR (ETL)
11.4. ALMACEN DE DATOS
11.5. DATA MART
11.6. HADOOP

ARCITURA