En este curso se obtiene una visión completa y de alto nivel de todo el entorno conceptual, de mercado, de aplicaciones y programas de Big Data. Se introduce primero el entorno, aspectos legales y tendencias de mercado, para abordar ya una primera definición de Big Data.
Con este curso aprenderás a conocer, entender y tener la base para practicar en: ll entorno del Big Data, generación, almacenamiento y procesamiento de la información en Big Data, arquitectura de soluciones Big Data, inteligencia Artificial, Business Intelligence y Business Analytics. Métodos y técnicas, y por último, plataformas Big Data. Representación gráfica y herramientas de visualización
Dirigido a Arquitectos, Ingenieros, y cualquier otro estudiante o profesional de la construcción.
Disfrutarás del curso durante 12 meses y podrás entregarnos el ejercicio final cuando quieras.
Visualiza los videotutoriales cuando quieras y las veces que quieras. ¡Fórmate a tu ritmo!
Este curso incluye tutorías personalizadas y descarga de plantillas, familias y licencia educativa de REVIT.
Este curso online de Big Data aplicado al BIM, AI y machine learning equivale a un curso presencial de 30 horas lectivas.
Obtendrás un CERTIFICADO BIM tras aprobar el examen final y entregar un ejercicio final de curso.
Acceso a nuestra bolsa de empleo.
VÍDEO MUESTRA EDITECA
1. El entorno de la Inteligencia Artificial, la Generación de Datos y Big Data
- 1.1 Introducción a la Inteligencia Artificial, la Generación de Datos y el Big Data I
- 1.2 Introducción a la Inteligencia Artificial, la Generación de Datos y el Big Data II
- 1.3 Introducción a la Inteligencia Artificial, la Generación de Datos y el Big Data III
- 1.4 Aspectos legales
- 1.5 Tendencias de mercado, proveedores y adopters (I)
- 1.6 Tendencias de mercado, proveedores y adopters (II)
- 1.7 Definición de Big Data
- 1.8 La evolución del Data Analytics con Big Data (I)
- 1.9 La evolución del Data Analytics con Big Data (II)
- 1.10 Ventajas del conocimiento a la creación de valor (I)
- 1.11 Ventajas del conocimiento a la creación de valor (II)
2. Generación, almacenamiento y procesamiento de la información en Big Data
- 2.1 Tipos de datos
- 2.2 Datos estructurados
- 2.3 Datos no estructurados
- 2.4 Industria 4.0 y convergencia OT-IT
- 2.5 Generación de datos OT e IT (I)
- 2.6 Generación de datos OT e IT (II)
- 2.7 Generación de datos OT e IT (III)
- 2.8 El cloud. Información almacenada, datos en tiempo real
- 2. 9 Paradigmas Big Data Bach y Streaming (I)
- 2.10 Paradigmas Big Data Bach y Streaming (II)
3. Arquitectura de soluciones Big Data
- 3.1 Big Data comparado con bases de datos SQL
- 3.2 Pirámide DIKW
- 3.3 Archivos distribuidos (I)
- 3.4 Archivos distribuidos (II)
- 3.5 Distributed, Scalable & Cloud Computing y Big Data (I)
- 3.6 Distributed, Scalable & Cloud Computing y Big Data (II)
- 3.7 Hadoop y Big Data: un poco de historia
- 3.8 Hadoop, el inicio
- 3.9 Hadoop, el embrión del ecosistema
- 3.10 HDFS: Hadoop Distributed File System
- 3.11 MapReduce (I)
- 3.12 MapReduce (II)
- 3.13 MapReduce (III)
- 3.14 Ecosistema Hadoop: visión general
- 3.15 Ecosistema Hadoop: diagrama de niveles (I)
- 3.16 Ecosistema Hadoop: diagrama de niveles (II)
5. Business Intelligence y Business Analytics. Métodos y técnicas
- 5.1 Introducción al Business Intelligence y Business Analytics (I)
- 5.2 Introducción al Business Intelligence y Business Analytics (II)
- 5.3 Introducción al Business Intelligence y Business Analytics (III)
- 5.4 Metodología de Desarrollo, Implantación y Mejora de Modelos BI-BA: Introducción
- 5.5 Metodología de Desarrollo, Implantación y Mejora de Modelos BI-BA: Crisp-M
- 5.6 Metodología de Desarrollo, Implantación y Mejora de Modelos BI-BA: MDMA
- 5.7 BI y BA. casos de uso
- 5.8 Técnicas, tareas y algoritmos: visión general (I)
- 5.9 Técnicas, tareas y algoritmos: visión general (II)
- 5.10 Técnicas, tareas y algoritmos: visión general (III)
- 5.11 Tareas Predictivas: Clasificación
- 5.12 Tareas Predictivas: Regresión
- 5.13 Algoritmos: Prueba de hipótesis 772
- 5.14 Algoritmos: Redes neuronales 13
- 5.15 Algoritmos: Series temporales 20,3 datos temporales
- 5.16 Algoritmos: Reglas de asociación 92
- 5.17 Algoritmos: Algoritmos genéticos 15,2,1
- 5.18 Casos de uso de Big Data Analytics: Conocimiento del cliente en grandes superficies