UNIDAD DIDÁCTICA 1. CONOCIMIENTO DE LOS FUNDAMENTOS DE BIG DATA
- Definición y conceptos básicos de Big Data.
- Características de Big Data (las 8 Vs).
- Principales paradigmas de procesamiento en Big Data.
- Introducción a los sistemas de almacenamiento distribuido.
UNIDAD DIDÁCTICA 2: PROCESAMIENTO DE DATOS
- Introducción a Hadoop y el sistema de archivos HDFS
- Funcionamiento de MapReduce en Hadoop
- Gestión de recursos con YARN
- Ingestión de datos con Apache Flume y Sqoop
- Configuración de seguridad en Hadoop con Kerberos
UNIDAD DIDÁCTICA 3. CONOCIMIENTO DE PROCESOS Y HERRAMIENTAS QUE FAVORECEN LA EFICIENCIA ENERGÉTICA EN EL TRABAJO CON GRANDES VOLÚMENES DE DATOS.
- Conocimiento de Procesos y Herramientas que Favorecen la Eficiencia Energética en el Trabajo con Grandes Volúmenes de Datos
- Módulo 2. Procesamiento avanzado, ciencia de datos y aprendizaje automático
UNIDAD DIDÁCTICA 1. PROCESAMIENTO AVANZADO CON SPARK
- Conceptos básicos y ventajas de Spark.
- Uso de DataFrames y Spark SQL para análisis de datos.
- Operaciones con DataFrames y optimización de consultas.
- Operaciones con Resilient Distributed Datasets (RDDs).
- Ejecución de aplicaciones en Spark y manejo de clusters.
UNIDAD DIDÁCTICA 2. USO DE LA CIENCIA DE DATOS Y MACHINE LEARNING
- Introducción a Spark MLlib y algoritmos básicos de machine learning.
- Modelado, evaluación y validación de modelos de datos.
- Librerías y funciones de MLlib para procesamiento de datos.
- Implementación de pipelines de machine learning.
- Módulo 3. Análisis y procesamiento en tiempo REAL
UNIDAD DIDÁCTICA 1. ANÁLISIS Y ALMACENAMIENTO DE DATOS
- Introducción a Hive e Impala para consultas SQL en Hadoop.
- Creación y gestión de tablas y bases de datos.
- Consultas avanzadas con HiveQL y optimización de Impala.
- Análisis de datos complejos con Hive y consultas de Impala.
UNIDAD DIDÁCTICA 2. PROCESAMIENTO EN TIEMPO REAL
- Fundamentos de Spark Streaming y fuentes de datos en tiempo real.
- Configuración y ejecución de flujos de datos en Spark.
- Integración con Apache Kafka para ingestión de datos en tiempo real.
- Análisis en streaming y actualización en tiempo real.
