Aplicar los algoritmos utilizados en Big Data, aprender el lenguaje R para su uso en Big Data, realizar un desarrollo con R y Hadoop, así como realizar Data Mining con Weka.
Más información
sobre licencias y conectores SCORM
Previsto
Curso IFCT166PO Algoritmos de big data para ingenierías
1.1. Introducción a la minería de datos y el aprendizaje automático 1.1.1. Proceso KDD. 1.1.2. Modelos y Técnicas de Data Mining. 1.1.3. Áreas de aplicación. 1.1.4. Minería de textos y Web Mining 1.1.5. Data Mining y marketing.
2.1. Instalación de R y RStudio. 2.1.1. Introducción al lenguaje. 2.1.2. Historia e Introducción a R. 2.1.3. Operaciones Básicas y Números. 2.1.4. Atributos, Entrada y Coerción. 2.1.5. Matrices. 2.1.6. Precedencia Operaciones Vectoriales. 2.1.7. Manejo de fechas y tiempo. 2.1.8. Listas, Factores, Valores Faltantes y Dataframes. 2.1.9. Subconjuntos de Datos. 2.1.10. Leer y Escribir Datos. 2.2. Uso del lenguaje. 2.2.1. Estructuras de Control. 2.2.2. Funciones. 2.2.3. Reglas de Alcance. 2.3. Sistema de gráficos. 2.3.1. Funciones *apply: apply. 2.3.2. Funciones *apply: lapply / sappy. 2.3.3. Funciones *apply: mapply / rep. 2.3.4. Graficación con el Sistema de Base de Gráficos. 2.3.5. Algunas Funciones Gráficas de Alto Nivel. 2.3.6. Parámetros en el Sistema de Gráficos. 2.3.7. Colores en el Sistema de Gráficos 2.3.8. Graficación. con Notación Matemática 2.3.9. Graficación con texto y notación matemática. 2.3.10. Creación de Gráficas en 3D. 2.4. Expresiones regulares. Graficas con ggplot2 y Simulación. 2.4.1. Expresiones Regulares. 2.4.2. Paquete de gráficos ggplot2. 2.4.3. Simulación. 2.5. R en el mundo real. 2.5.1. Estadística Descriptiva y Predictiva con R. 2.5.2. Integración de R en Hadoop
3.1. Obtención y limpieza de los datos (ETL). 3.2. Inferencia estadística. 3.3. Pruebas de hipótesis. 3.4. Modelos de regresión. 3.5. Árboles de n 3.6. Algoritmos de n / n (J48/C5.0, M5P). 3.7. n, Tipos de distancia, n. 3.8. Machine Learning. 3.9. Comparar culos (k-NN). 3.10. Modelo predictivo de Profit (k-NN, M5P). 3.11. Modelo predictivo de n (J48, k-NN).
4.1. Inteligencia Analítica de negocios. 4.2. La teoría de grafos y el análisis de redes sociales. 4.3. Presentación de resultados.
5.1. ¿Qué es Hadoop? 5.2. El sistema de archivos HDFS 5.3. Algunos comandos de referencia 5.4. Procesamiento MapReduce con Hadoop 5.5. El concepto de los Clústers en Hadoop.
6.1. ¿Qué es Weka? 6.2. Técnicas de Data Mining en Weka. 6.3. Interfaces de Weka. 6.4. Selección de atributos.
*La temática y el diseño de la demo son orientativos
¿Cómo son los cursos de Smartmind?
Cursos con diseño profesional y contenido audiovisual interactivo en formato de licencia y cumplen 100% con las especificaciones del SEPE. Te presentamos los catálogos de cursos elearning en scorm más completos y avanzados del mercado. Mejoramos hasta el 30% las finalizaciones de tus cursos, se incrementan hasta un 70% los alumnos que repiten y empresas como Endesa, Correos o Telefónica forman parte de nuestra cartera de clientes. ¿No crees que por algo será?
¿Cómo funciona nuestro catálogo?
Los catálogos de Smartmind recogen contenidos digitales para empresas basados en un enfoque audiovisual avanzado gracias a los desarrollos de nuestra productora de vídeo y la creatividad de nuestros diseñadores. Además cuentan con un código de colores para identificar su disponibilidad y la actualización de los contenidos. Descubre alguna de estas etiquetas:
Previsto
Contenidos que se encuentra en la lista de espera de producciones de Smartmind y su ejecución depende de las peticiones de los clientes.
Disponible
Formación disponible de forma inmediata en nuestros catálogos. Eso sí, se diferencian entre contenidos actuales y anteriores a 2021.
En producción
El departamento de Producto se encuentra elaborando el contenido. Puede incorporarse la fecha de disponibilidad.