Cupón de Descuento: KCPSCM09
Ingrésalo en el formulario de contacto

BIG DATA
Programa de Certificación Internacional

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.

El propósito de este programa es 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.

Objetivos del Programa:

  • Comprender Big Data y sus poderosos beneficios comerciales.

  • Conocer las diferencias entre Big Data y datos convencionales.

  • Aprender las 4 V’s de Big Data: Volumen, velocidad, variedad y veracidad.

  • Conceptualizar el ecosistema Big Data y sus componentes claves.

  • Apreciar los principales desafíos tecnológicos en la administración de Big Data.

  • Relacionarse con las soluciones tecnológicas claves para abordar esos desafíos.


Modalidad:

Presencial.

Duración:

30 horas presenciales.

¡Quiero Más Información!

Contáctanos y te enviaremos toda la información que necesitas.

















Contenido

  • Integridad.
  • Contexto de Big Data.
  • Dos Niveles de Big Data.
  • CASELET: IBM Watson.
  • Alcance de Big Data.
  • Las 4 V’s de Big Data.
  • Volumen.
  • Velocidad.
  • Variedad.
  • Veracidad.
  • Aplicaciones de Big Data.
  • Gestión de Big Data.
  • Ecosistema de Big Data.
  • Analizando Big Data.
  • Tablero en Tiempo Real.
  • Resumen de Desafíos y Soluciones.
  • Comparación de Tradicionales y Big Data.
  • Ejercicio Práctico de Liberty Stores: Paso B1.
  • 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 Compañía Meteorológica.
  • Arquitectura de Ticketmaster.
  • Arquitectura de LinkedIn.
  • Arquitectura de PayPal.
  • Ecosistema de Hadoop.
  • Ejercicio práctico de Liberty Stores: Paso B3.
  • 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.
  • Conteo de Palabras Usando MapReduce – Ejemplo 2.
  • Seudo Código MapR para Contador de Palabras.
  • Ejemplo de Contador de Palabras (Inglés): Myfile.txt.
  • Resultados de Cada Segmento.
  • Resultados Agrupados de Map Operations.
  • Resultados Luego de la Fase de Reducción.
  • Pig vs Hive.
  • Lenguaje de Hive.
  • Arquitectura de Lenguaje Pig.
  • Arquitectura de Big Data.
  • Computación Definida en Stream.
  • Conceptos de Streaming.
  • Aplicaciones de Streaming.
  • Características del Algoritmo de Streaming.
  • Filtro Bloom.
  • Apache Spark para Computación Streaming.
  • Ecosistemas de Código Abierto.
  • Arquitectura de Apache Spark.
  • Spark vs Hadoop.
  • Conjuntos de Datos Distribuidos Resilientes de Spark (RDD).
  • Mecanismo de Procesamiento Spark.
  • Código de Spark para Pagerank.
  • Arquitectura de Big Data.
  • Computación en la Nube.
  • Modelo de Acceso a la Computación en la Nube.
  • Computación en la Nube como una Infraestructura Virtualizada.
  • Beneficios de la Computación en la Nube.
  • Modelos de Computación en la Nube – por Propiedad y Rango de Servicios.
  • Ecosistema/Arquitectura de Big Data.
  • Aplicación de Google Flu.
  • Fuentes de Big Data Sources.
  • Comunicaciones Entre Personas.
  • Comunicaciones Entre Personas y Máquinas.
  • Comunicaciones Máquina a Máquina.
  • Aplicaciones de Big Data.
  • Monitoreo de Sensibilidad del Consumidor.
  • Aplicaciones de Big Data.
  • Aplicación de Vigilancia Predictiva.
  • Aplicaciones de Big Data.
  • Seguro de Automóvil Flexible.
  • Ejercicio Práctico de Liberty Stores: Paso B2.
  • Ecosistema / Arquitectura de Big Data.
  • Hadoop y MapReduce Definidos.
  • ¿Por qué la computación en Clúster?.
  • Arquitectura de Hadoop: Fragmentación de Datos.
  • Arquitectura Maestro-Esclavo.
  • Arquitectura de Lectura y Escritura del Sistema de Archivos Distribuidos Hadoop (HDFS).
  • Características de HDFS.
  • Instalando HDFS.
  • Yet Another Resource Negotiator (YARN).
  • 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 – Hive.
  • Lenguajes de Acceso NoSQL – Pig.
  • Arquitectura de Big Data.
  • Sistema de Ingestión de Datos.
  • Sistemas de Mensajería.
  • Arquitectura de Apache Kafka.
  • Componentes de Kafka.
  • Mecanismo de Tópicos de Kafka.
  • Atributos Clave de Kafka.
  • Arquitectura de Web-Analyzer.
  • Tecnología.
  • Código de Aplicación.

¿Qué Ofrecemos?

Curso de Preparación

Curso de Preparación

30 horas de clases presenciales, que servirán como preparación para poder presentar el examen de Certificación Internacional.

Materiales

Manuales de Preparación

Se proveerá del manual del estudiante, con el que podrá profundizar en los conceptos y nociones requeridas para presentar con éxito el examen de certificación.

Modelo Examen

Modelo de Examen de Certificación

Se proveerá de un modelo de examen de certificación real.

Certificación

Examen de Certificación

Examen de Certificación Internacional en:

Big Data