Información del curso
INTRODUCIÓN AO BIG DATA E IA
45
HORAS
Online
TELEFORMACIÓN
📋 Requisitos
As persoas interesadas en participar nesta especialidade formativa, teñen que cumprir como mínimo un dos seguintes requisitos:
- Título de Bacharel ou equivalente
- Título de Técnico Superior (FP Grao Superior) ou equivalente
- Superar as probas de acceso a Ciclos formativos de Grao Superior
- Superar calquera proba oficial de acceso á universidade
- Certificado de profesionalidade de nivel 3
- Título de Grao ou equivalente
- Título de Posgrao (Máster) ou equivalente
🎯 Objetivos del curso
O obxectivo xeral desta especialidade formativa é coñecer as principais características do procesamento masivo de datos na súa relación con aplicacións e algoritmos de Intelixencia Artificial, así como facilitar unha aproximación á planificación e desenvolvemento de programas de intelixencia artificial e Big Data na contorna empresarial
📚 Contenidos del curso
1 1. ADQUISICIÓN E DOMINIO DE CONCEPTOS BÁSICOS E DE COÑECEMENTOS SOBRE OS AVANCES EN BIG DATA:
1.1 Como evoluciona o BI tradicional ao Big Data (navegación web, xeolocalización, audiencias TV,…)
1.2 O Big Data como solución ao tratamento masivo de datos: definición e historia desde a súa inveción.
1.3 Hadoop como revolución para o tratamento paralelo de datos masivo.
1.4 Características do Big Data (4 V's e máis): volumetría, velocidade, variedade (estruturados/non estruturados), veracidade (calidade do dato), valor do dato, …
1.5 Novos paradigmas do Big Data: Procesos en Real Time e Cloud computing.
1.2 O Big Data como solución ao tratamento masivo de datos: definición e historia desde a súa inveción.
1.3 Hadoop como revolución para o tratamento paralelo de datos masivo.
1.4 Características do Big Data (4 V's e máis): volumetría, velocidade, variedade (estruturados/non estruturados), veracidade (calidade do dato), valor do dato, …
1.5 Novos paradigmas do Big Data: Procesos en Real Time e Cloud computing.
2 2. COÑECEMENTO DE NOCIÓNS BÁSICAS SOBRE ARQUITECTURA BIG DATA E PRINCIPAIS TECNOLOXÍAS:
2.1 O ecosistema Hadoop: HDFS e MapReduce.
2.2 Principais linguaxes de programación utilizados: Xava, Scala, SQL e Python.
2.3 Procesos ETL (extracción, transformación e carga): Flume, Sqoop e HIVE.
2.4 Procesos Real Time e bases de datos de alta dispoñibilidade: Kafka, HBASE e Redis.
2.5 Procesamento e analítica avanzada con Spark.
2.6 Seguridade e goberno do dato.
2.2 Principais linguaxes de programación utilizados: Xava, Scala, SQL e Python.
2.3 Procesos ETL (extracción, transformación e carga): Flume, Sqoop e HIVE.
2.4 Procesos Real Time e bases de datos de alta dispoñibilidade: Kafka, HBASE e Redis.
2.5 Procesamento e analítica avanzada con Spark.
2.6 Seguridade e goberno do dato.
3 3. COMPRENSIÓN DOS PRINCIPAIS CONCEPTOS SOBRE A “CIENCIA DE DATOS” E IA:
3.1 Introdución á “Ciencia de datos” e a Intelixencia Artificial.
3.2 Principais linguaxes de programación utilizados: R e Python.
3.3 Algoritmos supervisados: Que son? Algúns Exemplos.
3.4 Algoritmos non-supervisados: Que son? Algúns Exemplos.
3.5 Introdución ao Deep Learning e a Aprendizaxe por Reforzo.
3.6 Procesamento de información non estruturada: Imaxes e Textos.
3.7 Visualización de datos: Visualizacións interactivas e Dashboards.
3.2 Principais linguaxes de programación utilizados: R e Python.
3.3 Algoritmos supervisados: Que son? Algúns Exemplos.
3.4 Algoritmos non-supervisados: Que son? Algúns Exemplos.
3.5 Introdución ao Deep Learning e a Aprendizaxe por Reforzo.
3.6 Procesamento de información non estruturada: Imaxes e Textos.
3.7 Visualización de datos: Visualizacións interactivas e Dashboards.
4 4. ADQUISICIÓN DUNHA VISIÓN TRANSVERSAL SOBRE O FUTURO DO BIGDATA E COMO SE APLICA ACTUALMENTE EN DIFERENTES ÁREAS:
4.1 Exemplos nas institucións públicas: OpenData.
4.2 Exemplos no mundo empresarial: exemplos de aplicabilidade do Big Data á eficiencia das operacións
dunha compañía.
4.3 “Data for Good”: Big Data para o ben social.
4.4 Reflexións finais sobre o impacto do Big Data nos vindieros anos.
4.2 Exemplos no mundo empresarial: exemplos de aplicabilidade do Big Data á eficiencia das operacións
dunha compañía.
4.3 “Data for Good”: Big Data para o ben social.
4.4 Reflexións finais sobre o impacto do Big Data nos vindieros anos.
5 5. MÓDULO FORMACIÓN PARA A IGUALDADE (FCOXXX21).
.