calendar correo curso diplomado horas in-company magister magisteres programa-avanzado quotes reloj telefono contacto contacto grad video

Diplomado en Big Data



Nuevas tecnologías y herramientas para su exitosa incorporación en las organizaciones, logrando la extracción de conocimiento desde fuentes masivas de datos, tanto estructuradas, como no estructuradas, incluyendo textos, imágenes, voz e interacciones en redes sociales



El Diplomado en Big Data prepara para los recientes avances en el procesamiento y análisis de datos, revolución tecnológica caracterizada por la aparición de eficaces herramientas para un uso efectivo de fuentes masivas de datos o Big Data. Este escenario abre grandes oportunidades para la creación de nuevos modelos de negocios, así como para la aparición de un nuevo ecosistema de emprendimientos orientados a aprovechar las nuevas tecnologías. En el corto plazo, las nuevas tecnologías para Big Data serán un elemento crítico y diferenciador para un sinnúmero de actividades del quehacer productivo.

 

Ya sea en el ámbito de la gestión o la implementación de tecnologías Big Data, su transversalidad y penetración auguran una gran necesidad por profesionales preparados en esta área. Estos profesionales están llamados a liderar la transformación del sector empresarial para enfrentar y sacar partido de las nuevas tecnologías. En economías avanzadas esto ya es una realidad, y tanto en Chile como en Latinoamérica no tardará en ocurrir lo mismo.

 

Dirigido a:
– Ingenieros Civiles Industriales, Civiles Informáticos, Civiles Electrónicos y Civiles Eléctricos.
– Licenciados en Computación y otros profesionales licenciados y/o con experiencia en áreas afines, que requieren conocimientos o habilidades en la materia.






Antecedentes Generales

  • Versión 8°: 18 marzo de 2019 | Lugar de realización: Campus San Joaquín, metro San Joaquín

  • Lunes y miércoles de 18:30 a 21:45 horas

  • 144 horas cronológicas
  • $2.900.000.-
  • programas@ing.puc.cl
    +56 2 2354 4516

Curso: Ecosistema Hadoop
Unidad I: Fundamentos de Hadoop
– Introducción a Hadoop
– Hadoop sistema distribuido de archivos: HDFS (Hadoop distributed file system)
– Hadoop distribución de tareas en un cluster: Paradigma Map Reduce
– Bases de datos no relacionales (NoSQL-Structured Query Language)
– Google Gran Tabla y Hadoop Hbase

Unidad II: Ecosistema Hadoop
– Introducción al ecosistema Hadoop de Cloudera
– Herramientas del ecosistema: Pig, Hive, Impala y Hue
– Movimiento masivo de datos: Sqoop
– Datos Secuenciales (Streaming): Flume
– Spark
– Librería de Aprendizaje de Máquina: Spark MLlib (Spark Machine learning library)

Curso: Aprendizaje de Máquina para Big Data
Unidad I: Conceptos Fundamentales de Aprendizaje de Máquina y Big Data
– Introducción al aprendizaje de máquina
– Técnica de vecinos cercanos
– Redes neuronales de capa oculta
– Modelos de aprendizaje de máximo margen
– Optimización y técnicas de descenso de gradiente estocástico
– Limitaciones de técnicas tradicionales de aprendizaje de máquina para problemas de Big Data

Unidad II: Técnicas de Aprendizaje de Máquina para Big Data
– Técnicas de hashing con colisión local
– Modelos jerárquicos composicionales y aprendizaje estructural
– Representaciones distribuidas
– Redes neuronales convolucionales de aprendizaje profundo
– Redes neuronales recurrentes

Curso: Técnicas de Visualización y Sistemas de Recomedación
Unidad I: Técnicas de Visualización
– Fundamentos: abstracción de datos, marcas y canales, procesamiento humano de la información
– Representaciones estadísticas y algoritmos
– Reducción de dimensionalidad
– Visualización de datos espaciales, temporales y redes sociales
– Evaluación de sistemas de visualización
– Herramientas de software y estudio de casos

Unidad II: Sistemas de Recomendación
– Datos usados para generar recomendaciones
– Fuentes de información espacial, temporal y redes sociales
– Métricas de distancia
– Preferencias basadas en retroalimentación explícita e implícita
– Métodos de recomendación: personalizados, colaborativos, basados en contexto o contenido, híbridos
– Evaluación de sistemas recomendadores
– Estudio de casos

Curso: Computación de Alto Rendimiento y Teoría de Grafos para Big Data
Unidad I: Computación de alto rendimiento para Big Data
– Introducción al procesamiento paralelo de datos
– Uso de recursos elásticos y procesamiento en la nube
– Modelos para almacenamiento distribuido de archivos en clusters
– Modelos para manejo distribuido de memoria en clusters
– Modelos para ejecución distribuida de proceso en clusters
– Procesamiento en unidades gráficas (GPUs-graphics processing unit)

Unidad II: Teoría de grafos para Big Data
– Conceptos fundamentales de teoría de grafos: grado, isomorfismos, conectividad, centralidad, traversabilidad, búsqueda y ranking, métricas de distancia
– Base de datos para grafos
– Grafos como herramienta analítica para Big Data
– Grafos para modelamiento y análisis de datos espaciales y redes sociales
– Grafos para modelamiento y análisis de datos dinámicos
– Grafos como herramienta de modelamiento y descubrimiento de patrones semánticos
– Estudio de casos

Jefe de Programa

  • Álvaro Soto
    Jefe de Programa del Diplomado Big Data de Educación Profesional Ingeniería UC. Ver ficha

Profesores

  • Ivania Donoso
    Magíster en Ciencias de la Ingeniería UC Ver ficha
  • Santiago Larraín
    Magíster en Ciencias de la Ingeniería e Ingeniero Civil de Industria UC Ver ficha
  • Andrés Letelier
    Magíster en Ciencias de la Ingeniería Ver ficha
  • Iván Lillo
    Profesor Instructor. Departamento de Ciencia de la Computación. Escuela de Ingeniería UC Ver ficha
  • Hans Lobel
    Profesor Instructor Adjunto, Ciencia de la Computación, Ingeniería UC Ver ficha
  • Denis Parra
    Profesor Asistente, Ciencia de la Computación Ingeniería UC. Ver ficha
  • Cristian Ruz
    Profesor Asistente Adjunto, Ciencia de la Computación, Ingeniería UC. Ver ficha
  • Álvaro Soto
    Jefe de Programa del Diplomado Big Data de Educación Profesional Ingeniería UC. Ver ficha

Ingresa tus datos para solicitar información y descargar brochure


 

¿Te gustó este programa?
¡Compártelo en tus redes sociales!

X