IFCT113

1. Análisis de conceptos básicos.

Descubrimiento de conocimiento de la Inteligencia de negocio.

Análisis de Business Intelligence.

Análisis de Data Mining.

2. Configuración de una infraestructura de DATA ANALYTICS.

Configuración de Business Analytics.

Configuración de Data Analytics.

3. Implementación de una estrategia de datos. Las fuentes de datos.

Análisis de los conceptos básicos.

Configuración de Data Analytics e Inteligencia Artificial.

Implementación de una estrategia de datos.

4. Desarrollo de los fundamentos de la inteligencia artificial.

Análisis del estado del arte de la inteligencia artificial en ciencia e industria.

Utilización de la Metodología de diseño de modelos Machine Learning.

Implantación de la Base teórica probabilística para entender cómo funciona la inteligencia artificial a bajo nivel.

Regresión Lineal, Polinómica y Logística.

¿Por qué el Machine Learning es el futuro? Análisis de Machine Learning.

Desarrollo de estrategias empresariales basadas en la inteligencia artificial.

5. Diseño y construcción de los procesos ETL.

Análisis del proceso de ETL.

Estudio de las Dimensiones e integración de datos.

Diseño del flujo del proceso y ejecución.

Diseño y construcción de los procesos ETL.

6. Análisis de Data Mining. Minería de datos.

Introducción y aportaciones del Data Mining.

Clasificación de Categoría y proceso de Data Mining.

Análisis de las Ventajas e inconvenientes de Data Mining.

Conocimiento de Predictive Analytics.

Aplicación de Técnicas y Algoritmos.

Elaboración de análisis de Data Mining.

7. Análisis de Business Intelligence. Presentación de datos.

Análisis de la Importancia del Business Intelligence.

Utilización de Herramientas de la inteligencia de negocios.

Estudio de Dashboards de visualización y consulta.

Desarrollo de estrategias de Business Intelligence.

8. Conocimiento del Big Data.

Análisis de Conceptos Básicos.

Utilización de Herramientas para Big Data.

Estudio de Big Data Analytics.

Desarrollo de estrategias de Big Data.