Thanks to this Diplomado en Ciencia de Datos tendrás conocimientos profundos, desde los fundamentos de la Ciencia de Datos, hasta la aplicación práctica de herramientas clave. El enfoque en bases de datos relacionales y NoSQL, junto con el análisis de datos en Python y R, proporciona una visión equilibrada. La inclusión de MongoDB y el uso de lenguajes de programación como Python y R refuerza la aplicabilidad práctica. Además, la atención en el preprocesamiento y procesamiento de datos, con énfasis en ETL (Extracción, Transformación y Carga) y pruebas de hipótesis, te preparará bastante para los desafíos en los proyectos que tengas de Ciencia de Datos. Además, contarás con un equipo docente especializado en la materia.
Sector-specific
130 h
Desarrollo de Big Data y Business Intelligence
Ciencia de Datos
Este Diplomado en Ciencia de Datos está diseñado para estudiantes y profesionales de IT, desarrolladores/as, analistas de datos y cualquier persona interesada en el ámbito de la Ciencia de datos. No se requieren conocimientos previos, haciendo que sea accesible para principiantes, pero también valioso para quienes buscan mejorar sus habilidades.
130 h
Desarrollo de Big Data y Business Intelligence
Course objectives
-
Comprender los fundamentos de la Ciencia de Datos y las herramientas esenciales.
-
Profundizar en bases de datos relacionales, abordando modelos, claves, e índices.
-
Explore bases de datos NoSQL, comparando con las relaciones y aplicando el teorema de CAP.
-
Adquirir habilidades prácticas con MongoDB, desde la instalación hasta consultas avanzadas.
-
Aplicar Python para el análisis de datos y entender su integración con MongoDB y Hadoop.
-
Dominar R como herramienta para Big Data, explorando tipos de datos y estadísticas predictivas.
-
Asimilar técnicas de preprocesamiento y procesamiento de datos, incluyendo ETL y pruebas de hipótesis.
What does it prepare you for?
This Diplomado en Ciencia de Datos te prepara para destacar en el campo de la Ciencia de datos, proporcionando habilidades en bases de datos relacionales y NoSQL, análisis de datos con Python y R y técnicas avanzadas de procesamiento y preprocesamiento con ETL. Al finalizar, estarás equipado/a y tendrás confianza para enfrentarte a los desafíos de la Ciencia de datos que se te presenten en tu carrera.
Teaching units
UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA CIENCIA DE DATOS
1. ¿Qué es la ciencia de datos?
2. Herramientas necesarias para el científico de datos
3. Data Science & Cloud Compunting
UNIDAD DIDÁCTICA 2. BASES DE DATOS RELACIONALES
1. Modelo de datos
2. Tipos de datos
3. Claves primarias
4. Índices
5. El valor NULL
6. Claves ajenas
7. Vistas
8. Lenguaje de descripción de datos (DDL)
9. Lenguaje de control de datos (DCL)
UNIDAD DIDÁCTICA 3. BASES DE DATOS NOSQL Y EL ALMACENAMIENTO ESCALABLE
1. ¿Qué es una base de datos NoSQL?
2. Bases de datos Relaciones Vs Bases de datos NoSQL
3. Tipo de Bases de datos NoSQL Teorema de CAP
4. Sistemas de Bases de datos NoSQL
UNIDAD DIDÁCTICA 4. INTRODUCCIÓN A UN SISTEMA DE BASE DE DATOS NOSQL, MONGODB
1. ¿Qué es MongoDB?
2. Funcionamiento y usos de MongoDB
3. Primeros pasos con MongoDB: Instalación y Shell de comandos
4. Creando nuestra primera base de datos NoSQL: Modelo e inserción de datos
5. Actualización de datos en MongoDB: Sentencias set y update
6. Trabajando con índices en MongoDB para optimización de datos
7. Consulta de datos en MongoDB
UNIDAD DIDÁCTICA 5. PYTHON Y EL ANÁLISIS DE DATOS
1. Introducción a Python
2. ¿Qué necesitas?
3. Librerías para el análisis de datos en Python
4. MongoDB, Hadoop y Python Dream Team del Big Data
UNIDAD DIDÁCTICA 6. R COMO HERRAMIENTA PARA BIG DATA
1. Introducción a R
2. ¿Qué necesitas?
3. Tipos de datos
4. Estadística Descriptiva y Predictiva con R
5. Integración de R en Hadoop
UNIDAD DIDÁCTICA 7. PRE-PROCESAMIENTO & PROCESAMIENTO DE DATOS
1. Obtención y limpieza de los datos (ETL)
2. Inferencia estadística
3. Modelos de regresión
4. Pruebas de hipótesis
UNIDAD DIDÁCTICA 8. ANÁLISIS DE LOS DATOS
1. Inteligencia Analítica de negocios
2. La teoría de grafos y el análisis de redes sociales
3. Presentación de resultados