• Adquisición y dominio de conceptos básicos y de conocimientos sobre los avances en Big Data:

- Cómo evoluciona el BI tradicional al Big Data (navegación web, geolocalización, audiencias TV,…)

- El Big Data como solución al tratamiento masivo de datos: definición e historia desde su invención.

- Hadoop como revolución para el tratamiento paralelo de datos masivo.

- Características del Big Data (4 V's y más): volumetría, velocidad, variedad (estructurados/no estructurados), veracidad (calidad del dato), valor del dato, …

- Nuevos paradigmas del Big Data: Procesos en Real Time y Cloud Computing.

• Conocimiento de nociones básicas sobre arquitectura Big Data y principales tecnologías:

- El ecosistema Hadoop: HDFS y MapReduce.

- Principales lenguajes de programación utilizados: Java, Scala, SQL y Python.

- Procesos ETL (extracción, transformación y carga): Flume, Sqoop y HIVE.

- Procesos Real Time y bases de datos de alta disponibilidad: Kafka, HBASE y Redis.

- Procesamiento y analítica avanzada con Spark.

- Seguridad y gobierno del dato.

• Comprensión de los principales conceptos sobre La “Ciencia de datos” e IA:

- Introducción a la “Ciencia de datos” y la Inteligencia Artificial.

- Principales lenguajes de programación utilizados: R y Python.

- Algoritmos supervisados: ¿Qué son? Algunos Ejemplos.

- Algoritmos no-supervisados: ¿Qué son? Algunos Ejemplos.

- Introducción al Deep Learning y el Aprendizaje por Refuerzo.

- Procesamiento de información no estructurada: Imágenes y Textos.

- Visualización de datos: Visualizaciones interactivas y Dashboards.

• Adquisición de una visión trasversal sobre el futuro del BigData y cómo se aplica actualmente en diferentes áreas:

- Ejemplos en las instituciones públicas: OpenData.

- Ejemplos en el mundo empresarial: ejemplos de aplicabilidad del Big Data a la eficiencia de las operaciones de una compañía.

- “Data for Good”: Big Data para el bien social.

- Reflexiones finales sobre el impacto del Big Data en los años venideros.