Introducción
INTRODUCCIÓN AL BIG DATA E IA
Big Data e Inteligencia Artificial (IA) son dos campos interrelacionados que están transformando significativamente diversos sectores en la actualidad, ofreciendo nuevas oportunidades y desafíos en múltiples industrias, desde la salud y la educación hasta el comercio y la industria manufacturera.
Big Data
- Definición: Se refiere al conjunto de técnicas y tecnologías utilizadas para gestionar y analizar grandes volúmenes de datos, que no pueden ser tratados de manera convencional.
- Características:
- Volumen: Grandes cantidades de datos generados continuamente.
- Velocidad: Alta velocidad de generación y procesamiento de datos.
- Variedad: Datos estructurados y no estructurados de diversas fuentes.
- Veracidad: Necesidad de asegurar la calidad y precisión de los datos.
- Valor: Extraer información significativa para la toma de decisiones.
- Tecnologías asociadas:
- Almacenamiento distribuido (Hadoop, Spark).
- Bases de datos NoSQL (MongoDB, Cassandra).
- Tecnologías de procesamiento y análisis (MapReduce, Apache Flink).
- Aplicaciones:
- Análisis de mercado y tendencias.
- Personalización de servicios y productos.
- Optimización de procesos empresariales.
- Investigación científica y médica.
Inteligencia Artificial (IA)
- Definición: Se refiere a la capacidad de las máquinas de realizar tareas que normalmente requieren inteligencia humana, como el aprendizaje, la percepción, el razonamiento y la toma de decisiones.
- Subcampos:
- Aprendizaje automático (Machine Learning): Algoritmos que permiten a las máquinas aprender patrones a partir de datos.
- Redes Neuronales: Modelos inspirados en el funcionamiento del cerebro humano.
- Procesamiento del lenguaje natural (NLP): Interacción entre ordenadores y humanos a través del lenguaje natural.
- Visión por computadora: Capacidad de las máquinas para interpretar y entender el mundo visual.
- Aplicaciones:
- Reconocimiento de voz y texto.
- Sistemas de recomendación.
- Automatización de procesos.
- Conducción autónoma.
- Diagnóstico médico asistido por IA.
Relación entre Big Data e IA
- Complementariedad: El Big Data proporciona los datos necesarios para entrenar modelos de IA y mejorar su precisión y capacidad predictiva.
- Sinergia: La IA puede ser utilizada para analizar grandes volúmenes de datos de manera más eficiente y encontrar patrones que no son evidentes para métodos tradicionales de análisis de datos.
- Desafíos comunes: Ambos campos enfrentan desafíos como la privacidad de los datos, la interpretabilidad de los modelos y la ética en el uso de la tecnología.
Descripción del curso
Los objetivos del curso INTRODUCCIÓN AL BIG DATA E IA son:
Conocer las principales características del procesamiento masivo de datos en su relación con aplicaciones y algoritmos de Inteligencia Artificial.
Adquirir conocimientos sobre la planificación y desarrollo de programas de inteligencia artificial y Big Data en el entorno empresarial.
Ventajas que ofrece la metodología eLEARNING BY FLO SERVICE
- Todos nuestros cursos son muy intuitivos, visuales, interactivos y de fácil acceso. Hay breves vídeos explicativos de los profesores.
- Los cursos proponen ejercicios en todas las unidades así como pruebas de evaluación para medir lo aprendido.
- Un tutor personalizado asesora, corrige las tareas y proporciona pautas para el mayor aprovechamiento del curso.
- Al finalizar los cursos se obtiene un CAA de superación expedido por la Universidad de Nebrija o Microsoft (en los cursos que dependen de alguna de estas instituciones) y un certificado expedido por FLO Centro de Formación que podrás añadir a tu CV.
Tras la finalización, obtendrás un CAA acreditativo para incluir en tu CV
Puntos clave
UNIDADES DIDÁCTICAS
UD1. ADQUISICIÓN Y DOMINIO DE CONCEPTOS BÁSICOS Y DE CONOCIMIENTOS SOBRE LOS AVANCES EN BIG DATA
1.1 Cómo evoluciona el BI tradicional al Big Data (navegación web, geolocalización, audiencias TV,…)
1.2 El Big Data como solución al tratamiento masivo de datos: definición e historia desde su invención.
1.3 Hadoop como revolución para el tratamiento paralelo de datos masivo.
1.4 Características del Big Data (4 V’s y más): volumetría, velocidad, variedad (estructurados/no estructurados), veracidad (calidad del dato), valor del dato, …
1.5 Nuevos paradigmas del Big Data: Procesos en Real Time y Cloud Computing.
UD2. CONOCIMIENTO DE NOCIONES BÁSICAS SOBRE ARQUITECTURA BIG DATA Y PRINCIPALES TECNOLOGÍAS
2.1 El ecosistema Hadoop: HDFS y MapReduce.
2.2 Principales lenguajes de programación utilizados: Java, Scala, SQL y Python.
2.3 Procesos ETL (extracción, transformación y carga): Flume, Sqoop y HIVE.
2.4 Procesos Real Time y bases de datos de alta disponibilidad: Kafka, HBASE y Redis.
2.5 Procesamiento y analítica avanzada con Spark.
2.6 Seguridad y gobierno del dato.
UD3. COMPRENSIÓN DE LOS PRINCIPALES CONCEPTOS SOBRE LA “CIENCIA DE DATOS” E IA
3.1 Introducción a la “Ciencia de datos” y la Inteligencia Artificial.
3.2 Principales lenguajes de programación utilizados: R y Python.
3.3 Algoritmos supervisados: ¿Qué son? Algunos Ejemplos.
3.4 Algoritmos no-supervisados: ¿Qué son? Algunos Ejemplos.
3.5 Introducción al Deep Learning y el Aprendizaje por Refuerzo.
3.6 Procesamiento de información no estructurada: Imágenes y Textos.
3.7 Visualización de datos: Visualizaciones interactivas y Dashboards.
UD4. ADQUISICIÓN DE UNA VISIÓN TRASVERSAL SOBRE EL FUTURO DEL BIGDATA Y CÓMO SE APLICA ACTUALMENTE EN DIFERENTES ÁREAS
4.1 Ejemplos en las instituciones públicas: OpenData.
4.2 Ejemplos en el mundo empresarial: ejemplos de aplicabilidad del Big Data a la eficiencia de las operaciones de una compañía.
4.3 “Data for Good”: Big Data para el bien social.
4.4 Reflexiones finales sobre el impacto del Big Data en los años venideros
El curso incluye:
- Agenda
- Guía del alumno
- Temario
- Vídeos explicativos del profesor
- Contenido interactivo
- Foro
- Ejercicios, supuestos
- Pruebas de evaluación





