Cursos de certificaciones internacionales
- +57 310 628 7891
- exacomco@exacomit.com
- América Latina
El estudiante aprenderá de una manera práctica la funcionalidad y aplicabilidad del Big Data. El contenido del curso se enfoca en el aprendizaje de los recursos necesarios para el análisis, gestión y comprensión de los datos, así como herramientas y estrategias que le permitan al estudiante el uso del Big Data.
Es un proveedor global líder en programas de certificacióny evaluación.
Los profesionales alcanzan su máximo potencial con programas de acreditación.
Nuestros capacitadores, dedican tiempo a la consultoría y aportan experiencia a su enseñanza.
ITCertificate Education controla el desarrollo de múltiples programas educativos y certificaciones internacionales
Los expertos académicos son un grupo selecto de IT que pasan por un extenso conjunto de revisiones, pruebas, capacitaciones y entrevistas por pares antes de ser aceptados.
Los profesores son Ingenieros de Sistemas o afines con certificaciones internacionales vigentes. Son profesionales con experiencia Docente y Corporativa lo cual garantiza el conocimiento y el manejo de los temas dictados.
1.1. Historia del Big Data.
1.2. ¿Qué es Big Data?
1.3. ¿Quién usan Big Data?
1.4. ¿Para qué se utiliza Big Data?
1.5. Aplicabilidad del Big Data.
1.5.1. Entendiendo y segmentando a los clientes.
1.5.2. Entendiendo y optimizando los procesos de negocio.
1.5.3. Cuantificación y optimización de rendimiento personal.
1.5.4. Mejorando la salud pública.
1.5.5. Mejorando el rendimiento deportivo.
1.5.6. Mejorando la ciencia y la investigación.
1.5.7. Optimizando el rendimiento de máquinas y dispositivos.
1.5.8. Mejorando la seguridad y el cumplimiento de la ley.
1.5.9. Mejorando y optimizando las ciudades.
1.5.10. Trading financiero.
2.1. Impacto económico.
2.1.1. Netflix.
2.1.2. Coca-cola.
2.2. Impacto social.
2.3. Beneficios de Big Data.
2.4. Tendencias del mercado.
2.5. Confluencia de influencias.
2.6. Utilidades de Big Data.
3.1. Volumen.
3.2. Velocidad.
3.3. Variedad.
3.4. Variabilidad.
3.5. Veracidad.
3.6. Visualización.
3.7. Valor.
4.1. Tipos de datos por categorías.
4.1.1. Estructurados.
4.1.2. No estructurados
4.1.3. Multi-estructurados o híbridos.
4.2. Tendencias del mercado.
5.1. Caso de éxito: Walmart.
1.1. ¿Qué es la ciencia de datos?
1.2. ¿Qué es un proyecto de Big Data?
1.3. Expresiones regulares.
2.1. Comprensión del negocio.
2.2. Comprensión de los datos.
2.3. Modelado.
2.4. Evaluación.
2.5. Despliegue.
2.6. Data Mining.
2.7. Inteligencia Artificial.
2.8. Machine Learning.
2.9. Métodos de ciencia de datos.
2.10. Métodos populares de ciencia de datos.
2.11. Regresión lineal.
2.12. K-means.
2.13. Árboles de decisión.
1.1. Arquitectura de referencia.
2.1. Bases de datos NoSQL.
2.2. Cassandra.
2.3. MongoDB.
2.4. Hadoop vs. databricks.
2.5. Databricks.
2.6. Apache spark ecosistema.
2.7. Databricks amazon.
2.8. Hadoop.
2.9. Componentes básicos de hadoop.
2.10. Arquitectura de referencia Hadoop.
2.11. ¿Cómo se miden los sentimientos del cliente?
2.12. Uso de NPL para evaluar los sentimientos del cliente.
2.13. Definición del extractor.
1.1. Apache spark.
1.2. Notebooks.