1. ADQUISICIÓN Y DOMINIO DE CONCEPTOS BÁSICOS Y DE CONOCIMIENTOS SOBRE LOS AVANCES EN BIG DATA

1.1.CÓMO EVOLUCIONA EL BI TRADICIONAL AL BIG DATA (NAVEGACIÓN WEB, GEOLOCALIZACIÓN, AUDIENCIAS TV…)

1.2.EL BIG DATA COMO SOLUCIÓN AL TRATAMIENTO MASIVO DE DATOS: DEFINICIÓN E HISTORIA DESDE SU INVENCIÓN

1.3.HADOOP COMO REVOLUCIÓN PARA EL TRATAMIENTO PARALELO DE DATOS MASIVO

1.4.CARACTERÍSTICAS DEL BIG DATA (4 V'S Y MÁS): VOLUMETRÍA, VELOCIDAD, VARIEDAD (ESTRUCTURADOS/NO ESTRUCTURADOS), VERACIDAD (CALIDAD DEL DATO), VALOR DEL DATO

1.5.NUEVOS PARADIGMAS DEL BIG DATA: PROCESOS EN REAL TIME Y CLOUD COMPUTING

2.CONOCIMIENTO DE NOCIONES BÁSICAS SOBRE ARQUITECTURA BIG DATA Y PRINCIPALES TECNOLOGÍAS

2.1.EL ECOSISTEMA HADOOP: HDFS Y MAPREDUCE

2.2.PRINCIPALES LENGUAJES DE PROGRAMACIÓN UTILIZADOS: JAVA, SCALA, SQL Y PYTHON

2.3.PROCESOS ETL (EXTRACCIÓN, TRANSFORMACIÓN Y CARGA): FLUME, SQOOP Y HIVE

2.4.PROCESOS REAL TIME Y BASES DE DATOS DE ALTA DISPONIBILIDAD: KAFKA, HBASE Y REDIS

2.5.PROCESAMIENTO Y ANALÍTICA AVANZADA CON SPARK

2.6.SEGURIDAD Y GOBIERNO DEL DATO

3.COMPRENSIÓN DE LOS PRINCIPALES CONCEPTOS SOBRE LA “CIENCIA DE DATOS” E IA

3.1.INTRODUCCIÓN A LA “CIENCIA DE DATOS” Y LA INTELIGENCIA ARTIFICIAL

3.2.PRINCIPALES LENGUAJES DE PROGRAMACIÓN UTILIZADOS: R Y PYTHON

3.3.ALGORITMOS SUPERVISADOS: ¿QUÉ SON? ALGUNOS EJEMPLOS

3.4.ALGORITMOS NO SUPERVISADOS: ¿QUÉ SON? ALGUNOS EJEMPLOS

3.5.INTRODUCCIÓN AL DEEPLEARNING Y EL APRENDIZAJE POR REFUERZO

3.6.PROCEDIMIENTO DE INFORMACIÓN ESTRUCTURADA: IMÁGENES Y TEXTOS

3.7.VISUALIZACIÓN DE DATOS: VISUALIZACIONES INTERACTIVAS Y DASHBOARDS

4.ADQUISICIÓN DE UNA VISIÓN TRASVERSAL SOBRE EL FUTURO DEL BIG DATA Y CÓMO SE APLICA ACTUALMENTE EN DIFERENTES ÁREAS

4.1.EJEMPLOS EN LAS INSTITUCIONES PÚBLICAS: OPEN DATA

4.2.EJEMPLOS EN EL MUNDO EMPRESARIAL: EJEMPLOS DE APLICABILIDAD DEL BIG DATA A LA EFICIENCIA DE LAS OPERACIONES DE UNA COMPAÑÍA

4.3.“DATA FOR GOOD”: BIG DATA PARA EL BIEN SOCIAL

4.4.REFLEXIONES FINALES SOBRE EL IMPACTO DEL BIG DATA EN LOS AÑOS VENIDEROS