Diplomado en Big Data y Cloud Computing (online)

La disponibilidad de servicios de cómputo y almacenamiento de datos en la nube ha ocasionado profundos cambios en la forma en que se diseñan los sistemas, capaces de incorporar «inteligencia», a través del uso de técnicas de Machine Learning (ML) sobre volúmenes muy grandes de datos (Big Data). Tradicionalmente, el construir este tipo de soluciones requería de hardware costoso y difícil de dimensionar en el inicio y, por otra parte, de expertos en ingeniería de datos capaces de implementarlos. Gracias a la oferta de servicios cognitivos y de Big Data en la nube, totalmente administrados, la barrera ha disminuido significativamente. Por un lado, se reduce la necesidad de expertise y por otro, la elasticidad inherente de las soluciones en la nube permite partir pequeño e ir creciendo solo en la medida que se requiera.

Este programa incluye dos cursos que abordan las temáticas tradicionales de Big Data y Machine Learning y otros dos cursos que abordan este nuevo escenario de la nube, especialmente en cuanto a oportunidades para proyectos de Ciencia de Datos y Machine Learning.

El formato de estudio es 100% en línea y se estructura sobre técnicas metodológicas activas, mediante las cuales el participante puede interactuar con sus pares y tutor a través de los recursos tecnológicos que provee la plataforma educativa virtual. Se contempla el ejercicio práctico de los conocimientos adquiridos a través de mini proyectos de aplicación.

Profesionales, especialmente del área tecnológica, que estén involucrados o planean participar en proyectos de Big Data y Machine Learning en sus organizaciones, con el interés de ampliar sus herramientas e incorporar soluciones basadas en la nube, con ventajas técnicas y económicas.

Utilizar herramientas y servicios disponibles en la nube para construir soluciones que incorporen Big Data e inteligencia artificial.

A responsabilidad del estudiante, se sugiere contar con:
– Grado de licenciatura en computación o en tecnologías de información, ingenieros civiles, ingenieros de ejecución en computación o equivalente. O bien, un grado de licenciatura en otras carreras que incluyan competencias de programación a nivel intermedio.
– Se recomienda conocimiento en sistema operativo Windows y la disponibilidad de un PC. con una versión de este sistema operativo actualizado.

Al final del curso podrás:
– Conocer y comprender las principales teorías y prácticas de la emergente área de Minería de Datos.
– Aplicar reglas de asociación para encontrar relaciones en un set de transacciones.
– Desarrollar soluciones a problemas reales de Big Data y ciencia de datos que involucren la necesidad de técnicas de Minería de Datos como árboles de decisión y clustering.
– Implementar soluciones usando herramientas de software de Minería de Datos aplicándolas en datos reales.

Contenidos:
– Conceptos fundamentales de minería de datos.
– Preparación de datos y reducción de información.
– Reglas de asociación.
– Algoritmos de clasificación.
– Algoritmos de Clustering y medidas de similaridad.
– Selección de modelos e introducción a Machine Learning.

Al final del curso podrás:
– Entender la problemática y particularidades del manejo de Big Data.
– Utilizar las herramientas del ecosistema Hadoop para el manejo de volúmenes gigantescos de datos.
– Utilizar las principales herramientas del framework Spark para análisis de datos y aplicación de técnicas de Machine Learning.
– Aplicar herramientas de visualización para facilitar la interpretación de resultados.

Contenidos:
– Conceptos fundamentales de Minería de Datos.
– Introducción a Big Data.
– El ecosistema Hadoop.
– HDFS, YARN.
– Hadoop MapReduce.
– Herramientas del ecosistema Hadoop.
– Fundamentos de Apache Spark.
– Implementación de aplicaciones sobre Spark.
– Spark SQL.
– Spark MLlib.
– Técnicas de visualización.

Al final del curso podrás:
– Identificar las principales categorías disponibles en las grandes plataformas de computación en la nube.
– Discutir ventajas y riesgos una solución tecnológica genérica basada en computación en la nube.
– Describir las principales tecnologías habilitantes relacionadas con computación en la nube.
– Utilizar servicios básicos de cómputo y almacenamiento en la nube.

Contenidos:
– Introducción: ¿Qué es Cloud Computing? características principales, tipos de servicio y tipos de nube.
– Tecnologías habilitantes (máquinas virtuales, arquitecturas orientadas a servicio, etc.).
– Virtualización.
– Principales plataformas de servicios en la nube: Amazon AWS, Google Cloud, Microsoft Azure.
– Tipos de servicios en la nube: desde el fierro virtual a los servicios cognitivos.
– Tipos de almacenamiento en la nube.
– Aspectos de seguridad.

Al final del curso podrás:
– Identificar las soluciones tecnológicas disponibles en los principales proveedores de Cloud que incorporan aprendizaje de máquina.
– Desarrollar aplicaciones de Machine Learning usando servicios de Azure y de GCP.
– Construir aplicaciones que incorporen los servicios cognitivos de imágenes, texto o voz disponibles en las grandes plataformas de servicios Cloud.

Contenidos:
– Introducción a Big Data y ML.
– Modelos de regresión y clasificación.
– Preparación de datos, el pipeline de datos.
– Manejo de Big Data en la nube.
– Servicios para ML en Azure.
– Azure Machine Learning Studio.
– ML automatizado (Azure AML).
– Servicios cognitivos en Azure.
– AutoML en GCP.
– Introducción a Vertex AI en GCP.
– Servicios cognitivos en GCP.