Postgrado. Big Data Management. & Analytics Industria 4.0

Transcripción

1 Postgrado Big Data Management & Analytics Industria 4.0

2 Presentación del programa Big Data es un paradigma de acceso a la información que permite recopilar, almacenar, gestionar y analizar grandes conjuntos de datos con características heterogéneas. Está basado en un nuevo tipo de datos que ya no se relacionan únicamente con el día a día de la compañía, sino que también contemplan su entorno : redes sociales, logs, datos abiertos, etc. La definición más popular del término Big Data está basada en las tres V, que representan sus tres principales retos: volume (grandes volúmenes de datos), variety (fuentes de datos heterogéneos) y velocity (en referencia al tiempo de procesamiento y respuesta). Para enfrentarse a estos tres grandes retos, hoy en día Big Data se fundamenta en el principio Divide y vencerás, por el que los problemas deben formalizarse en subproblemas que permitan su ejecución en paralelo. Por ello, la gran mayoría de soluciones Big Data se basan en el cloud computing y en desarrollar sistemas distribuidos sobre este. Los sistemas Big Data son sistemas informáticos que siguen unos esquemas de diseño parecidos a todos los demás. Así, podemos hablar de la gestión de datos en sistemas Big Data (Big Data Management) y de la explotación de estos datos para extraer conocimiento relevante para la organización con algoritmos de Data Mining y Machine Learning (Big Data Analytics). No obstante, a diferencia de los sistemas tradicionales, no tiene tanto sentido separar la parte de gestión de datos de la explotación, ya que no existe una solución universal para almacenar los datos y explotarlos en un entorno Big Data, sino que la solución arquitectónica depende del caso de uso (explotación) que tengamos entre manos. En este posgrado se proporciona una visión global de un ecosistema Big Data y se profundiza en ambos aspectos, gestión (Big Data Management) y explotación de los datos (Big Data Analytics), aportando aplicabilidad y visión de negocio dentro de este sistema. A quién va dirigido El programa está orientado a crear perfiles mixtos por lo que se requiere formación técnica en bases de datos centralizadas y programación, y conocimientos de estadística básica (equivalente a los alcanzados en cualquier grado de ingeniería). Informáticos con especialidades de desarrollador, arquitectos, analistas de datos y administradores de sistemas. Profesionales interesados en iniciarse en el ámbito del Big Data. Objetivos Entender la problemática de gestión de Big Data. Identificar las características más relevantes en la gestión de Big Data que deben guiar la elección de una solución arquitectónica. Conocer el paradigma de datos abiertos. Practicar con las principales herramientas de gestión de Big Data actuales en el mercado (Hadoop, MongoDB, Neo4J, Storm, etc.). Entender cuándo un problema empresarial puede ser formalizado como un problema de aprendizaje. Identificar los modelos estadísticos o de aprendizaje automático más adecuados para un problema dado. Saber efectuar el pre-proceso de los datos. Saber evaluar la tasa de acierto de los modelos propuestos. Adquirir conocimientos específicos sobre el uso de Big Data para la toma de decisiones en la empresa. Identificar las buenas prácticas en la aplicación de Big Data para la creación de un negocio. Emplear herramientas de modelización de negocio. Conocer los principios económicos, éticos y legales del funcionamiento de una empresa.

3 Contenidos Data Management 1. Introducción: Cloud computing y la ingeniería de servicios (XaaS) 2. Gestión de los datos sobre Cloud Databases (NOSQL) 2.I - Principios teóricos de los sistemas distribuidos 2.II - Modelos de datos no estructurados o semiestructurados más utilizados 2.III - Principales tipos de gestores: Key-Value, Document Stores, Graph DBs, Stream Management 2.IV - Principales lenguajes de consulta 3. Modelos de datos semánticos 3.I - El paradigma Open Data / Linked Data 3.II - RDF y SPARQL 4. Cómo abrir datos 5. Integración de datos y visualización Data Analytics 1. Introducción: Estadística básica 1.I - Profiling Proyecto y emprendimiento 1. Introducción: El entorno competitivo de la empresa 2. Consideraciones éticas del Big Data: negocio y privacidad 3. Herramientas de modelización de negocio: Business Model Canvas 3.I - Elementos que lo componen 3.II - Casos prácticos 3.III - Resolución de casos: Twitter, Facebook, etc. 4. Creación de una empresa 4.I - Aspectos legales 4.II - Aspectos económicos 5. Proceso de financiación 5.I - Financiación privada Business Angels Capital Risc 5.II - Financiación pública 6. Marketing: introducción para proyectos de Big Data 7. Presentación del proyecto 8. Seguimiento del proyecto 2. Análisis multivariante 2.I - Análisis de componentes principales 2.II - Clustering 2.III - Árboles de decisión 3. Aprendizaje Automático 3.I - Reglas de asociación 3.II - Métodos lineales supervisados 3.III - Bosques aleatorizados 3.IV - Máquinas de vector soporte Hands-on Experience: Data Management and Analytics 1. Gestores NoSQL 1.I - Ecosistema Hadoop 1.II - HBase 1.III - MongoDB 1.IV - Neo4J 2. Herramientas de consulta de datos: MapReduce, Spark 2.I - Herramientas de Stream Processing: Storm 2.II - Herramientas para Open Data: Virtuoso 2.III - Herramientas para Data Analytics: R-Studio, Mahout 2.IV - Arquitectura de sistemas Big Data

4 Postgrado Big Data Management & Analytics Industria 4.0 Claustro Dirección académica Alberto Abelló Gamazo Doctor en Informática por la UPC. Profesor del Departamento de Ingeniería de Servicios y Sistemas de Información de la UPC. Docencia tanto a nivel de grado como de máster oficial (MIRI Data Mining and Business Intelligence). Coordinador en la UPC del Máster Erasmus Mundus in Information Technologies for Business Intelligence. Ha colaborado como consultor con SAP, HP y OMS, entre otros. Óscar Romero Moral Doctor en Informática por la UPC. Profesor del Departamento de Ingeniería de Servicios y Sistemas de Información de la UPC. Docencia tanto a nivel de grado como de máster oficial (MIRI Data Mining and Business Intelligence). Coordinador en la UPC del Máster Erasmus Mundus in Information Technologies for Business Doctoral College. Ha colaborado como consultor con SAP, HP y OMS, entre otros. Profesorado Tomàs Aluja Banet Profesor del Departamento de Estadística e Investigación Operativa de la UPC. Coordinador del máster Erasmus Mundus en Minería de Datos y Gestión del Conocimiento en la UPC, responsable del LIAM (Laboratorio de Modelización y Análisis de la Información), miembro del inlab FIB Laboratorio de la Facultad de Informática de Barcelona para el desarrollo de las TIC. Es autor de más de 50 artículos publicados en revistas y estudios científicos. Ha colaborado como consultor de estadística con la Caixa, TNS Sofres-AM, el Idescat y el Ayuntamiento de Barcelona, entre otros. Luis Antonio Belanche Muñoz Profesor del Departamento de Ciencias de la Computación de la UPC. Docencia en el grado en Ingeniería Informática, especialidad Computación, en el Master in Innovation and Research in Informatics, especialidad Data Mining and Business Intelligence, y en el Master in Artificial Intelligence. Pablo Casado Arias Ingeniero en Informática por la UPC. Chief Architect a Incubio, the Big Data Academy. Co-fundador y antiguo CTO de diversas star-ups en el ámbito on-line a España y Estados Unidos. Experto en la construcción de sistemas heterogéneos de alto rendimiento. Ha sido profesor de los Departamentos de Ciencias de la Computación y de Ingeniería de Servicios y Sistemas de información de la UPC. Víctor Herrero Otal Ingeniero en Informática por la UPC. Investigador en el departamento de Ingeniería de Servicios y Sistemas de Información de la UPC colaborando principalmente en la optimización de bases de datos NoSQL, tanto a partir de la adaptación de técnicas de optimización clásicas cómo de la aplicación de nuevas técnicas, con especial relación con el entorno Hadoop. Emmanuel Jamin Doctor en Informática por la Universidad París XI. Research engineer en muchos proyectos europeos en el dominio de la Web semántica (SevenPro, IntelLEO, Neon, Khresmoi). Actualmente, CTO de Open Data Consulting. sigue

5 Postgrado Big Data Management & Analytics Industria 4.0 Sergi Nadal Francesch Ingeniero en Informática por la UPC. Máster IT4BI (Information Technologies for Business Intelligence). Ha colaborado como consultor de BI y como investigador en Big Data a Incubio. Anna Queralt Calafat Doctora en Informática por la UPC. Senior Researcher en el grupo de Storage Systems del Barcelona Supercomputing Center, trabajando en la compartición y reutilización de grandes cantidades de datos. Anteriormente fue profesora e investigadora en el Departamento de Ingeniería de Servicios y Sistemas de Información de la UPC. Pere Torrents Poblador Licenciado en Economía por la UB con especialización en comercio internacional. Durante su trayectoria profesional ha desempeñado funciones en las áreas de desarrollo de negocio, marketing y dirección de empresas de tecnología, videojuegos y proyectos educativos. Su experiencia incluye la creación de exitosa start-up en el ámbito del entretenimiento y videojuegos (Gaelco Móviles, PlayerX), la dirección de áreas estratégicas en empresas de distribución de software y apps como Softonic, así como el lanzamiento de iniciativas de mlearning para GSMA. Ficha técnica Duración: 120 horas de clases presenciales Fechas: 18 de noviembre de 2016 a 29 de abril de 2017 Horario: Viernes de 16:00 a 21:00 horas y sábados de 9:00 a 14:00 horas Lugar de Impartición: Cámara Navarra de Comercio, Industria y Servicios. General Chinchilla, Pamplona Matrícula: euros Importe bonificable a través de la Fundación Tripartita para trabajadores por cuenta ajena. La Cámara se lo gestiona (la solicitud deberá realizarse con, al menos, 12 días de antelación al inicio del curso). Posibilidades de financiación con: Información e inscripciones Cámara Navarra de Comercio, Industria y Servicios Paula Villamor Tel: ext. 152 [email protected]

6 Información e inscripciones: Cámara Navarra de Comercio, Industria y Servicios Paula Villamor Tel: ext. 152 [email protected]