NOSOTROS CRONOGRAMA FRANQUICIA BLOG CONTACTO ACCESO SISTEMA ACADEMICO

CERTIPROF

Big Data Professional Certificate (BDPC)

Código: BDPC-001


CertiProf® ofrece la certificación profesional en Big Data, para comprender la importancia del análisis de datos y cómo pueden obtener ideas que conduzcan a mejores decisiones y movimientos de negocios estratégicos. Big Data se refiere a un conjunto de datos cuyo tamaño (volumen), complejidad (variabilidad) y velocidad de crecimiento (velocidad) dificultan su captura, gestión, procesamiento o análisis mediante tecnologías y herramientas convencionales, tales como bases de datos relacionales y estadísticas convencionales. Esta certificación tiene como propósito enseñar a profesionales y organizaciones a identificar los problemas de una forma comprensible utilizando Big Data, para proporcionar soluciones útiles con la gran cantidad de información y con datos que pueden ser moldeados o probados de cualquier manera que se considere adecuada.

 Propuesta de Valor: CERTIPROF

 Duración: 20 Horas Académicas

Áreas de Conocimiento:
GERENCIALNEGOCIACION, VENTAS Y LIDERAZGOINTELIGENCIA DE NEGOCIOS Y DATA ANALITICS CIENCIA DE DATOS E INTELIGENCIA ARTIFICIALMETODOLOGIAS AGILES

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, como es el almacenamiento y tratamiento de grandes volúmenes de datos.

   PRE REQUISITOS


No existen requisitos previos formales para esta certificación.

   OBJETIVOS


  • Conocer las diferencias entre Big Data y datos convencionales.
  • Aprender las 4 V’s de Big Data: Volumen, velocidad, variedad y veracidad.
  • Comprender Big Data y sus poderosos beneficios comerciales.
  • Apreciar los principales desafíos tecnológicos en la administración de Big Data.
  • Relacionarse con las soluciones tecnológicas claves para abordar esos desafíos

   CERTIFICACIÓN DISPONIBLE



  • Código de certificación: BDPC.
  • Formato: opción múltiple.
  • Preguntas: 40.
  • Idioma: castellano.
  • Puntaje de aprobación: 24/40 o 60%
  • Duración: 60 minutos máximo.

  •    CONTENIDO



    1. INTEGRIDAD DE BIG DATA

    1.1. OBJETIVOS DE APRENDIZAJE
    1.2. INTEGRIDAD
    1.3. CONTEXTO DE BIG DATA
    1.4. DOS NIVELES DE BIG DATA
    1.5. CASELET: IBM WATSON
    1.6. ALCANCE DE BIG DATA
    1.7. LAS 4 V’S DE BIG DATA
    1.8. VOLÚMEN
    1.9. VELOCIDAD
    1.10. VARIEDAD
    1.11. VERACIDAD
    1.12. APLICACIONES DE BIG DATA
    1.13. GESTIÓN DE BIG DATA
    1.14. ECOSISTEMA DE BIG DATA
    1.15. ANALIZANDO BIG DATA
    1.16. TABLERO EN TIEMPO REAL
    1.17. RESÚMEN DE DESAFÍOS Y SOLUCIONES
    1.18. COMPARACIÓN DE TRADICIONALES Y BIG DATA
    1.19. PREGUNTAS DE REVISIÓN
    1.20. EJERCICIO PRÁCTICO DE LIBERTY STORES: PASO B1


    2. FUENTES Y APLICACIONES DE BIG DATA

    2.1. OBJETIVOS DE APRENDIZAJE
    2.2. ECOSISTEMA/ARQUITECTURA DE BIG DATA
    2.3. APLICACIÓN DE GOOGLE FLU
    2.4. FUENTES DE BIG DATA SOURCES
    2.5. COMUNICACIONES ENTRE PERSONAS
    2.6. COMUNICACIONES ENTRE PERSONAS Y MÁQUINAS
    2.7. COMUNICACIONES MÁQUINA A MÁQUINA
    2.8. APLICACIONES DE BIG DATA
    2.9. MONITOREO DE SENSIBILIDAD DEL CONSUMIDOR
    2.10. APLICACIONES DE BIG DATA
    2.11. APLICACIÓN DE VIGILANCIA PREDICTIVA
    2.12. APLICACIONES DE BIG DATA
    2.13. SEGURO DE AUTOMÓVIL FLEXIBLE
    2.14. PREGUNTAS DE REVISIÓN
    2.15. EJERCICIO PRÁCTICO DE LIBERTY STORES: PASO B2


    3. ARQUITECTURAS DE BIG DATA

    3.1. OBJETIVOS DE APRENDIZAJE
    3.2. ARQUITECTURA DE GOOGLE QUERY
    3.3. ECOSISTEMA / ARQUITECTURA DE BIG DATA
    3.4. CAPAS EN ARQUITECTURA DE BIG DATA
    3.5. ARQUITECTURA IBM WATSON
    3.6. ARQUITECTURA DE NETFLIX
    3.7. ARQUITECTURA DE VMWARE
    3.8. ARQUITECTURA DE UNA COMPAÑIA METEOROLÓGICA
    3.9. ARQUITECTURA DE TICKETMASTER
    3.10. ARQUITECTURA DE LINKEDIN
    3.11. ARQUITECTURA DE PAYPAL
    3.12. ECOSISTEMA DE HADOOP
    3.13. PREGUNTAS DE REVISIÓN
    3.14. EJERCICIO PRÁCTICO DE LIBERTY STORES: PASO B3


    4. COMPUTACIÓN DISTRIBUIDA UTILIZANDO HADOOP

    4.1. OBJETIVOS DE APRENDIZAJE
    4.2. ECOSISTEMA / ARQUITECTURA DE BIG DATA
    4.3. HADOOP Y MAPREDUCE DEFINIDOS
    4.4. ¿POR QUÉ LA COMPUTACIÓN EN CLUSTER?
    4.5. ARQUITECTURA DE HADOOP: FRAGMENTACIÓN DE DATOS
    4.6. ARQUITECTURA MAESTRO-ESCLAVO
    4.7. ARQUITECTURA DE LECTURA Y ESCRITURA DEL SISTEMA DE ARCHIVOS DISTRIBUIDOS HADOOP (HDFS)
    4.8. CARACTERÍSTICAS DE HDFS
    4.9. INSTALANDO HDFS
    4.10. YET ANOTHER RESOURCE NEGOTIATOR (YARN)
    4.11. PREGUNTAS DE REVISIÓN


    5. PROCESAMIENTO PARALELO CON MAPREDUCE

    5.1. OBJETIVOS DE APRENDIZAJE
    5.2. ARQUITECTURA DE BIG DATA
    5.3. ARQUITECTURA DE MAPREDUCE
    5.4. ARQUITECTURA MAESTRO-ESCLAVO EN MAPREDUCE
    5.5. PAPEL DE MAPREDUCE 2004
    5.6. SECUENCIA DE MAPREDUCE
    5.7. MR FUNCIONA COMO UNA SECUENCIA DE UNIX
    5.8. CONTADOR DE PALABRAS USANDO MAPREDUCE
    5.9. CONTEO DE PALABRAS USANDO MAPREDUCE – EJEMPLO 2
    5.10. SEUDO CÓDIGO MAPR PARA CONTADOR DE PALABRAS
    5.11. EJEMPLO DE CONTADOR DE PALABRAS (INGLES): MYFILE.TXT
    5.12. RESULTADOS DE CADA SEGMENTO
    5.13. RESULTADOS AGRUPADOS DE MAP OPERATIONS
    5.14. RESULTADOS LUEGO DE LA FASE DE REDUCCIÓN
    5.15. PIG VS HIVE
    5.16. LENGUAJE DE HIVE
    5.17. ARQUITECTURA DE LENGUAJE PIG
    5.18. PREGUNTAS DE REVISIÓN


    6. BASES DE DATOS NOSQL

    6.1. OBJETIVOS DE APRENDIZAJE
    6.2. ARQUITECTURA DE BIG DATA
    6.3. BASES DE DATOS NOSQL
    6.4. NOSQL VS RDBMS
    6.5. TEOREMA CAP
    6.6. ARQUITECTURA NOSQL
    6.7. TIPOS DE BASES DE DATOS NOSQL
    6.8. ARQUITECTURAS NOSQL POPULARES
    6.9. PROCESOS DE CASSANDRA
    6.10. LENGUAJES DE ACCESO NOSQL - HIVE
    6.11. LENGUAJES DE ACCESO NOSQL - PIG
    6.12. PREGUNTAS DE REVISIÓN


    7. PROCESAMIENTO STREAM CON SPARK

    7.1. OBJETIVOS DE APRENDIZAJE
    7.2. ARQUITECTURA DE BIG DATA
    7.3. COMPUTACIÓN DEFINIDA EN STREAM
    7.4. CONCEPTOS DE STREAMING
    7.5. APLICACIONES DE STREAMING
    7.6. CARACTERÍSTICAS DEL ALGORÍTMO DE STREAMING
    7.7. FILTRO BLOOM
    7.8. APACHE SPARK PARA COMPUTACIÓN STREAMING
    7.9. ECOSISTEMAS DE CÓDIGO ABIERTO
    7.10. ARQUITECTURA DE APACHE SPARK
    7.11. SPARK VS HADOOP
    7.12. CONJUNTOS DE DATOS DISTRIBUIDOS RESILIENTES DE SPARK (RDD)
    7.13. MECANISMO DE PROCESAMIENTO SPARK
    7.14. CÓDIGO DE SPARK PARA PAGERANK
    7.15. PREGUNTAS DE REVISIÓN


    8. NUEVA INGESTIÓN DE DATOS

    8.1. OBJETIVOS DE APRENDIZAJE
    8.2. ARQUITECTURA DE BIG DATA
    8.3. SISTEMA DE INGESTIÓN DE DATOS
    8.4. SISTEMAS DE MENSAJERIA
    8.5. ARQUITECTURA DE APACHE KAFKA
    8.6. COMPONENTES DE KAFKA
    8.7. MECANISMO DE TÓPICOS DE KAFKA
    8.8. ATRIBUTOS CLAVE DE KAFKA
    8.9. PREGUNTAS DE REVISIÓN


    9. COMPUTACIÓN EN LA NUBE

    9.1. OBJETIVOS DE APRENDIZAJE
    9.2. ARQUITECTURA DE BIG DATA
    9.3. COMPUTACIÓN EN LA NUBE
    9.4. MODELO DE ACCESO A LA COMPUTACIÓN EN LA NUBE
    9.5. COMPUTACIÓN EN LA NUBE COMO UNA INFRAESTRUCTURA VIRTUALIZADA
    9.6. BENEFICIOS DE LA COMPUTACIÓN EN LA NUBE
    9.7. MODELOS DE COMPUTACIÓN EN LA NUBE – POR PROPIEDAD Y RANGO DE SERVICIOS
    9.8. PREGUNTAS DE REVISIÓN


    10. APLICACIÓN DE ANÁLISIS WEB

    10.1. OBJETIVOS DE APRENDIZAJE
    10.2. ARQUITECTURA DE WEB-ANALYZER
    10.3. TECNOLOGÍA
    10.4. CÓDIGO DE APLICACIÓN
    10.5. PREGUNTAS DE REVISIÓN



       BENEFICIOS



    Conocerá la certificación profesional en Big Data y a Conceptualizar el ecosistema Big Data y sus componentes claves.


       INVERSIÓN



    La inversión incluye: Material de estudio oficial de CERTIPROF, certificados e impuestos de ley.

    • En los cursos presenciales proveemos de una computadora por persona y refrigerios.
    • En los cursos virtuales las plataformas interactivas y acceso al aula virtual de recursos.
    • Certificado oficial CERTIPROF.