CURSO BIG DATA 2022

Curso dirigido por:

Hugo Vera

Msc. EN SISTEMAS

Hugo Vera Biacademics

El analizar datos le permitir谩 tomar decisiones cinco veces m谩s r谩pido que tus competidores . Este programa tiene como prop贸sito ense帽ar a profesionales y organizaciones a identificar los problemas de una forma comprensible utilizando Big Data, para proporcionar soluciones 煤tiles poniendo a su favor el manejo de gran cantidad de informaci贸n.

驴Qu茅 aprender谩s?

  • Comprender Big Data y sus poderosos beneficios comerciales.
  • Conocer las diferencias entre Big Data y datos convencionales.
  • Aprender las 4 V鈥檚 de Big Data: Volumen, velocidad, variedad y veracidad.
  • Conceptualizar el ecosistema Big Data y sus componentes claves.
  • Apreciar los principales desaf铆os tecnol贸gicos en la administraci贸n de Big Data.
  • Relacionarse con las soluciones tecnol贸gicas claves para abordar esos desaf铆os

驴A quien va dirigido?

Cualquier persona que est茅 interesada en ampliar sus conocimientos en Big Data y deseen cubrir unas necesidades no satisfechas por las tecnolog铆as existentes en el almacenamiento y tratamiento de grandes vol煤menes de datos.

Temario

  • M贸dulo 1: Integridad de Big Data

Contexto de Big Data.

Dos Niveles de Big Data.

CASELET: IBM Watson.

Las 4 V鈥檚 de Big Data.

Gesti贸n de Big Data.

Analizando Big Data.

Tablero en tiempo real.

Comparaci贸n de tradicionales y Big Data.

  • M贸dulo 2: Fuentes y aplicaciones de Big Data.

Ecosistema/Arquitectura de Big Data.

Aplicaci贸n de Google Flu.

Fuentes de Big Data Sources.

Comunicaciones Entre Personas.

Comunicaciones Entre Personas y M谩quinas.

Comunicaciones M谩quina a M谩quina.

Aplicaciones de Big Data.

Monitoreo de Sensibilidad del Consumidor.

Aplicaciones de Big Data.

Aplicaci贸n de Vigilancia Predictiva.

Aplicaciones de Big Data.

Seguro de Autom贸vil Flexible.

  • M贸dulo 3:Arquitecturas de Big Data

Arquitectura de Google Query.

Ecosistema / Arquitectura de Big Data.

Capas en Arquitectura de Big Data.

Arquitectura IBM Watson.

Arquitectura de Netflix.

Arquitectura de VMWare.

Arquitectura de una Compa帽铆a Meteorol贸gica.

Arquitectura de Ticketmaster.

Arquitectura de LinkedIn.

Arquitectura de PayPal.

Ecosistema de Hadoop.

  • M贸dulo 4: Computaci贸n Distribuida Utilizando Hadoop

Ecosistema / Arquitectura de Big Data.

Hadoop y MapReduce definidos.

驴Por qu茅 la computaci贸n en Cl煤ster?

Arquitectura de Hadoop: Fragmentaci贸n de datos.

Arquitectura Maestro-Esclavo.

Arquitectura de lectura y escritura del Sistema de Archivos. Distribuidos Hadoop (HDFS).

Caracter铆sticas de HDFS.

Instalando HDFS.

Yet Another Resource Negotiator (YARN)

  • M贸dulo 5: Procesamiento Paralelo con MapReduce

Arquitectura de Big Data.

Arquitectura de MapReduce.

Arquitectura Maestro-Esclavo en MapReduce.

Papel de MapReduce 2004.

Secuencia de MapReduce.

MR Funciona como una secuencia de UNIX.

Contador de Palabras usando MapReduce.

Seudo C贸digo MapR para contador de palabras.

Ejemplo de contador de palabras.

Resultados de cada segmento.

Resultados agrupados de Map Operations.

Resultados luego de la Fase de Reducci贸n.

Pig vs Hive.

Lenguaje de Hive.

Arquitectura de Lenguaje Pig.

  • M贸dulo 6: Bases de Datos NoSQL

Arquitectura de Big Data.

Bases de Datos NoSQL.

NoSQL vs RDBMS.

Teorema CAP.

Arquitectura NoSQL.

Tipos de Bases de Datos NoSQL.

Arquitecturas NoSQL Populares.

Procesos de Cassandra.

Lenguajes de Acceso NoSQL 鈥 Hive.

Lenguajes de Acceso NoSQL 鈥 Pig.

  • M贸dulo 7: Procesamiento en Streaming

Arquitectura de Big Data

Computaci贸n definida en Stream.

Conceptos de Streaming.

Aplicaciones de Streaming.

Caracter铆sticas del Algoritmo de Streaming.

Filtro Bloom.

Apache Spark para Computaci贸n Streaming.

Ecosistemas de C贸digo Abierto.

Arquitectura de Apache Spark.

Spark vs Hadoop.

Conjuntos de Datos Distribuidos Resilientes de Spark (RDD)

Mecanismo de Procesamiento Spark.

C贸digo de Spark para Pagerank.

  • M贸dulo 8: Nueva Ingesti贸n de Datos

Arquitectura de Big Data.

Sistema de Ingesti贸n de Datos.

Sistemas de Mensajer铆a.

Arquitectura de Apache Kafka.

Componentes de Kafka.

Mecanismo de T贸picos de Kafka.

Atributos Clave de Kafka.

  • M贸dulo 9: Computaci贸n en la Nube

Arquitectura de Big Data.

Computaci贸n en la Nube.

Computaci贸n en la Nube como una Infraestructura Virtualizada.

Beneficios de la Computaci贸n en la Nube.

Modelos de Computaci贸n en la Nube 鈥 por Propiedad y Rango de Servicios.

  • M贸dulo 10: Aplicaci贸n de An谩lisis Web

Arquitectura de Web-Analyzer.

Tecnolog铆a.

C贸digo de Aplicaci贸n.

Requerimientos

El analizar datos le permitir谩 tomar decisiones cinco veces m谩s r谩pido que tus competidores . Este programa tiene como prop贸sito ense帽ar a profesionales y organizaciones a identificar los problemas de una forma comprensible utilizando Big Data, para proporcionar soluciones 煤tiles poniendo a su favor el manejo de gran cantidad de informaci贸n.

驴Porqu茅 escoger a Bi Academics?

Que nuestros estudiantes te lo digan

Play Video

Fecha:

7 Nov a 2 Dic, 2022

100 % de Valoraciones positivas

150 alumnos

10 M贸dulos, 6 practicas

32 horas

18H30 a 21H30 (Lunes y Mi茅rcoles )

18H30 a 20H30 (Viernes)

Hora Ecuador

13 recursos adicionales ( 9 archivos)

ONLINE EN VIVO por ZOOM

NlVEL:

INTERMEDIO

驴Necesitas mas Informaci贸n?

驴BUSCAS ATENCI脫N PERSONALIZADA?

Tambi茅n te Recomendamos