Vous avez déjà un compte client ORSYS
Se connecter
Vous êtes nouveau chez ORSYS
Créer un compte
Vous ne souhaitez pas créer de compte
Poursuivre sans me connecter

Formación : Big Data, métodos y soluciones prácticas para el análisis de datos

Big Data, métodos y soluciones prácticas para el análisis de datos


Media de las opiniones de los clientes Media de las opiniones de los clientes Media de las opiniones de los clientes Media de las opiniones de los clientes
4,3 / 5


Este curso le permitirá comprender los retos y las aportaciones de los macrodatos o Big Data, así como las tecnologías para implementarlos. Aprenderá a integrar volúmenes masivos de datos estructurados y no estructurados a través de un ETL y a analizarlos con modelos estadísticos y cuadros de control dinámicos.


ABIERTA
IN-COMPANY
A MEDIDA

Formación en tus instalaciones, en nuestro centro o a distancia

Ref. BID
  5d - 35h00
Duración, formato, fechas y lugar: ¡Tú decides, nosotros nos encargamos de organizarlo!

Descargar en formato pdf

Compartir este curso por correo electrónico




Este curso le permitirá comprender los retos y las aportaciones de los macrodatos o Big Data, así como las tecnologías para implementarlos. Aprenderá a integrar volúmenes masivos de datos estructurados y no estructurados a través de un ETL y a analizarlos con modelos estadísticos y cuadros de control dinámicos.


Objetivos pedagógicos
Una vez finalizada la formación, el participante podrá:
Comprender los conceptos y la contribución de los Big Data a los problemas de la empresa
Comprender el ecosistema tecnológico necesario para llevar a cabo un proyecto de Big Data
Adquirir competencias técnicas para gestionar flujos masivos de datos complejos, no estructurados
Implementar modelos de análisis estadísticos para responder a las necesidades de la empresa
Comprender una herramienta de visualización de datos para reproducir análisis dinámicos

Público afectado
Minería de datos, investigadores estadísticos, desarrolladores, gestores de proyecto y consultores de inteligencia empresarial.

Requisitos previos
Conocimientos básicos de modelos relacionales, estadística y lenguajes de programación. Conocimientos básicos de los conceptos de la Inteligencia Empresarial (Business Intelligence).

Modalidades prácticas
Ejercicio
Configurar una plataforma Hadoop y sus componentes básicos, utilizar un ETL para gestionar los datos, crear modelos de análisis y cuadros de control.

Programa de la formación

1
Comprender los conceptos y los retos de los Big Data

  • Orígenes y definición de Big Data.
  • Las cifras clave del mercado en el mundo y en Francia.
  • Los retos de los Big Data: Rendimiento de la inversión, organización y confidencialidad de los datos.
  • Un ejemplo de arquitectura de Big Data.

2
Tecnologías de Big Data

  • Descripción de la arquitectura y componentes de la plataforma Hadoop.
  • Modos de almacenamiento (NoSQL, HDFS).
  • Principios de funcionamiento de MapReduce, Spark, Storm...
  • Principales distribuciones del mercado (Hortonworks, Cloudera, MapR, Elastic Map Reduce y Biginsights).
  • Instalar una plataforma Hadoop.
  • Las tecnologías del datascientist.
  • Presentación de tecnologías específicas para Big Data (Tableau, Talend, Qlikview, etc.).
Ejercicio
Instalación de una plataforma Big Data Hadoop (a través de Cloudera QuickStart u otra).

3
Gestionar datos estructurados y no estructurados

  • Principios de funcionamiento del sistema de archivos distribuido Hadoop (HDFS por su sigla en inglés).
  • Importar datos externos a HDFS.
  • Realizar consultas SQL con HIVE.
  • Usar PIG para procesar datos.
  • El principio de ETL (Talend...).
  • Gestión de streaming de datos masivo (NIFI, Kafka, Spark, Storm, etc.)
Ejercicio
Implementación de flujos de datos masivos.

4
Técnica y métodos de análisis de Big Data

  • El aprendizaje automático, un componente de la inteligencia artificial.
  • Descubrir las tres familias: Regresión, clasificación y agrupación.
  • Preparación de datos (preparación de datos, ingeniería de características).
  • Generar modelos en R o Python.
  • Aprendizaje por conjuntos.
  • Descubrir las herramientas disponibles en el mercado: Jupyter Notebook, Dataïku, Amazon Machine Learning, etc.
Ejercicio
Realización de análisis con una de las herramientas estudiadas.

5
Visualización de datos y casos de uso concretos

  • Definir la necesidad de la visualización de datos.
  • Análisis y visualización de datos.
  • ¿Pueden utilizarse todos los tipos de datos en DataViz?
  • Las herramientas DataViz del mercado.
Ejercicio
Instalación y utilización de una herramienta de visualización de datos para crear análisis dinámicos.

6
Conclusión

  • Lo que hay que recordar.
  • Síntesis de buenas prácticas.
  • Bibliografía.


Opiniones de los clientes
4,3 / 5
Las opiniones de los clientes proceden de las evaluaciones al final de la formación. La nota se calcula a partir de todas las evaluaciones con una antigüedad inferior a 12 meses. Solo se muestran las que tienen un comentario textual..


Fechas y lugares
Selecciona tu ubicación u opta por la clase remota y luego elige tu fecha.
Clase a distancia