DIPLOMADO

BIG DATA
Certificación adicional a nombre de la Certificación adicional a nombre del
6 de febrero
Universidad Nacional de Ucayali Colegio de Economistas del Perú
 DIPLOMADO

BIG DATA
El uso de Big data está cada vez más extendido ya
que se ha visto que cuando se implementa puede
traer importantes beneficios a cualquier empresa.
Cada vez se generan más datos, y saber cómo ana-
lizarlos es fundamental para determinar los princi-
pios que informan las decisiones comerciales.

7 meses
Lunes y Viernes de 07:00 a 10:00pm (hora peruana)

Certificación: Entrega de 8 certificados

·GEM EDUCA se reserva el derecho de modificar la plana docente, por motivos de fuerza
mayor o por disponibilidad del profesor, garantizando que la calidad del diplomado no se
vea afectada. Toda modificación será comunicada anticipadamente a los participantes.

Diplomado en Big Data

ALMACENAMIENTO DE INFORMACIÓN
MÉTODOS DE ALMACENAMIENTO DE INFORMACIÓN
Ficheros planos.
Bases de datos.
Bases de datos relacionales y SQL.
Casos de estudio.

NoSQL
Descripción y tipos de bases de datos NoSQL.
Historia e instalación de MongoDB.
Conceptos básicos en MongoDB.
Patrones de diseño en MongoDB.

TRATAMIENTO DE DATOS EN MONGODB

Inserción de datos.
Lecturas y consultas.
Actualización de datos.
Agregación.

GESTIÓN DE MONGODB
Migración de base de datos.
Rendimiento y Sharding.
Seguridad.

Diplomado en Big Data

ANÁLISIS E INTERPRETACIÓN DE
DATOS
INTRODUCCIÓN A LA ESTADÍSTICA
¿Qué es la estadística?
Población, muestra y muestreo.
Tipos de variables estadísticas.
Tipos de muestreo.
Diseño de experimentos.
Razonamiento estadístico.

REPRESENTANDO LOS DATOS

Distribución de frecuencias.
Tabulación de variables.
Graficas básicas.
El arte de elegir el gráfico adecuado.
Aplicación de las TIC.

MEDIDAS QUE RESUMEN LA INFORMACIÓN

Medidas de tendencia central.
Medidas de dispersión.
Medidas de posición y forma.
Gráficos de caja.
Datos atípicos y análisis exploratorio de datos.
Aplicación de las TIC.
Referencias.

Diplomado en Big Data

ANÁLISIS E INTERPRETACIÓN DE
DATOS
RELACIÓN ENTRE VARIABLES
Introducción.
Correlación.
Regresión lineal.
Gráfico de residuos.
Regresión no lineal.
Aplicación de las TIC.

INTRODUCCIÓN A LA PROBABILIDAD
Introducción.
Conteo.
Diagramas de árbol.
Sucesos y espacio muestral.
Principios de la teoría de la probabilidad.

PROBABILIDAD CONDICIONAL Y VARIABLES ALEATORIAS

Probabilidad condicional.
Variable aleatoria.
Modelos discretos.
Modelos continuos.
Aplicación de las TIC.

Diplomado en Big Data

ANÁLISIS E INTERPRETACIÓN DE
DATOS
DISTRIBUCIÓN EN EL MUESTREO
Distribución en el muestreo del conteo y la proporción muestral.
Teorema Central del Límite y distribución de la media muestral.
Estimación puntual.
Propiedades de los estimadores.

INTERVALOS DE CONFIANZA
Introducción a los intervalos de confianza.
Intervalo de confianza para la media de una población
normal: varianza conocida y desconocida.
Calculando el tamaño de la muestra.
Intervalo de confianza para la proporción.

Intervalo de confianza para la varianza de una población normal.

Intervalo de confianza para la diferencia de medias y proporciones.

Diplomado en Big Data

TÉCNICA DE INTELIGENCIA ARTIFICIAL
INTRODUCCIÓN
Aproximación a los conceptos inteligencia artificial, aprendizaje automático
y minería de datos. Interés y aplicaciones.
Definición de aprendizaje, tareas básicas y ejemplos.
Etapas en el descubrimiento de conocimiento.
Referencias bibliográficas.

PYTHON PARA LA IMPLEMENTACIÓN DE TÉCNICAS DE INTELIGENCIA ARTIFICIAL

El lenguaje Python: conceptos básicos e instalación.
La sintaxis de Python.
Listas, tuplas, conjuntos y diccionarios.
Librerías útiles para el análisis de datos.
La librería NumPy para el manejo de datos.
Importación de datos.
Introducción a machine learning con librerías en Python.

ÁRBOLES DE DECISIÓN
Representación del conocimiento mediante árboles de decisión.
Algoritmo básico de aprendizaje de árboles de decisión: ID3.
Espacio de búsqueda y bias inductivo.
Métodos de selección de atributos.
Sobreajuste y poda de árboles.
Medidas de precisión de la clasificación. Curva ROC.
Simplificación de árboles de decisión mediante poda: algoritmo C4.5.

Diplomado en Big Data

TÉCNICA DE INTELIGENCIA ARTIFICIAL
REGLAS
Reglas de clasificación y reglas de asociación.
Algoritmos de aprendizaje de reglas de clasificación.
Algoritmos de aprendizaje de reglas de asociación.

REDES NEURONALES ARTIFICIALES

Fundamento biológico.
La neurona artificial.
El perceptrón.
Redes neuronales multicapa.
Redes neuronales recurrentes.
Redes Hopfield.
Hacia el deep learning.
Aplicaciones y ejemplos de implementación.

Diplomado en Big Data

TÉCNICA DE INTELIGENCIA ARTIFICIAL
DEEP LEARNING
El papel del deep learning dentro del machine learning.
Redes neuronales y deep learning.
Redes prealimentadas profundas.
Redes neuronales recurrentes profundas.
Autoencoders.
Redes neuronales convolucionales.
Redes generativas antagónicas.
Aprendizaje por refuerzo.
Aprendizaje por refuerzo profundo.

CLUSTERING: AGRUPAMIENTO O CLASIFICACIÓN NO SUPERVISADA

Tipos de algoritmos de clustering.
Medida de distancia.
Agrupamiento exclusivo.
El algoritmo k-means.
Agrupamiento jerárquico.
Algoritmo de agrupamiento jerárquico aglomerativo.
Agrupamiento probabilista.
El algoritmo EM.
Agrupamiento solapado.
El algoritmo Fuzzy C-mean.

Diplomado en Big Data

INGENIERÍA PARA EL PROCESAMIENTO
DE MASIVO DE DATOS
INTRODUCCIÓN A LAS TECNOLOGÍAS BIG DATA
Introducción y objetivos.
La sociedad interconectada: la era del cliente.
Definición de las tecnologías big data.
Origen de las tecnologías big data.

HADOOP HDFS Y MAPREDUCE

Introducción y objetivos.
Introducción a HDFS.
Arquitectura de HDFS.
Comandos de HDFS más frecuentes.
Programación distribuida y MapReduce.

SPARK I
Introducción y objetivos.
Apache Spark.
Componentes de Spark.
Arquitectura de Spark.
Resilient distributed datasets (RDD).
Transformaciones y acciones.
Jobs, stages y tasks.
Ejemplo completo con RDD.

Diplomado en Big Data

INGENIERÍA PARA EL PROCESAMIENTO
DE MASIVO DE DATOS
SPARK II
DataFrames en Spark.
API estructurada de Spark: lectura y escritura de DataFrames.
API estructurada de Spark: manipulación de DataFrames.
Ejemplo de uso de API estructurada.
Spark SQL.

SPARK III
Spark MLlib.
Spark Structured Streaming.

APACHE KAFKA
Mensajería publicación/suscripción.
Introducción a Apache Kafka.
Casos de uso típicos de Kafka.
Conceptos fundamentales.
Implementación de productores Kafka.
Implementación de consumidores Kafka.

Diplomado en Big Data

PROGRAMACIÓN CON MICROSOFT
AZURE
CLOUD COMPUTING I
Introducción a cloud computing.
Ventajas del cloud computing.
Tipos de nube y servicios en la nube.
Casos de uso de los servicios en la nube.
Microsoft Azure.

CLOUD COMPUTING II
Amazon Web Services.
Regiones y availability zones (AZ).
Servicios transversales: seguridad y gestión.
Servicios de computación.
Servicios de red.
Servicios de almacenamiento.
Bases de datos.
Servicios de big data y analítica.
Machine learning e inteligencia artificial.

Diplomado en Big Data

PROGRAMACIÓN CON MICROSOFT
AZURE
CLOUD COMPUTING III
Google Cloud Platform.
Regiones y zonas.
Servicios transversales: seguridad y gestión.
Servicios de computación.
Servicios de red.
Servicios de almacenamiento.
Bases de datos.
Servicios de big data y analítica.
Machine learning e inteligencia artificial.

Diplomado en Big Data

ANÁLISIS Y VISUALIZACIÓN DE
DATOS MASIVOS
VISUALIZACIÓN DE DATOS A TRAVÉS DE LA RED
Metodología de la asignatura: blog de la asignatura y grupo en Google+.
JavaScript y cómo utilizar Plunker, JavaScript Console y Servidores: MAMP, WAMP y LAMP.
Seleccionar un dataset.
Google Spreadsheets, visualizando datos y haciéndolos accesibles al público.
Many Eyes, visualizando datos y haciéndolos accesibles al público.
Evalúa tus resultados antes de hacerlos públicos. Típicos errores fácilmente evitables.

INTRODUCCIÓN A LA LIBRERÍA GOOGLE CHARTS

Ejemplos de varias visualizaciones (Bar Charts, Line Charts, Map Charts…).
Conectando con Google Spreadsheets y archivos CSV.
Gestionando eventos.

INTRODUCCIÓN A JQUERY PLUG-INS

Ejemplos de varias visualizaciones (Bar Charts, Line Charts, Sparklines…).
Añadiendo anotaciones con jQuery plug-ins y jQuery tool tip.
Gestionando eventos.

INTRODUCCIÓN A D3.JS
Descarga y referenciar la librería.
Entendiendo los básicos de D3.js.
Generando elementos en HTML.
Trabajando con datos reales y elementos en el HTML.

Diplomado en Big Data

ANÁLISIS Y VISUALIZACIÓN DE
DATOS MASIVOS
DIBUJANDO CON D3.JS
Trabajando con diferentes estructuras de datos JSON y CSV.
Generando y dibujando SVGs.
Bar Chart y un Scatter Plot desde cero.

ESCALANDO Y DIBUJANDO EJES DE UN GRÁFICO

Normalizando y creando una escala.
Escalando un Scatter Plot.
Dibujando los ejes.

ACTUALIZANDO LOS DATOS, TRANSICIONES, MOVIMIENTO E INTERACCIÓN

Actualización de los gráficos a través de los eventos.
Transiciones y movimiento.
Añadiendo interacción a los gráficos.

Diplomado en Big Data

Diplomado en Big Data
 Ing. Carlos Esteban Godínez Delgado
Ingeniero de sistemas por la Universidad de San Carlos de Gua-
temala. Laboró en el banco G&T Continental en el área de análi-
sis y diseño de sistemas financieros, Forza Delivery como progra-
mador e Icon Americans cumpliendo la función de desarrollador,
entre otras entidades privadas. Actualmente se desempeña como
docente universitario en la Universidad de San Carlos de Guate-
mala.

Econ. Dax Kevin Mancilla Paucar

Economista especializado en Econometría Aplicada, Investiga-
ción Económica y Análisis de Indicadores para la toma de deci-
siones. Actualmente trabaja como Analista de Mercado Laboral
en la Dirección de Investigación Socioeconómica Laboral del
Ministerio de Trabajo y Promoción del Empleo – MTPE.

Diplomado en Big Data

 Econ. Alexis Adonai Morales Alberto
Economista especializado en Modelamiento Econométrico de la
Universidad Nacional Autónoma de México (UNAM), Investigación
Económica y Análisis de Indicadores para la toma de decisiones.
Con experiencia en investigación económica y financiera,
asesoramiento de tesis a nivel de pregrado y en uso de análisis
estadísticos y econométricos aplicados con Stata, SPSS, Eviews,
Matlab, Python y R Studio.

Econ. Alvin Sulca Vega

Economista especializado en investigación económica con amplio
dominio en aplicaciones de algoritmos de Machine Learning y
Deep Learning, ha laborado en el área de investigación de
Proinversión, fue como asistente de investigación en la universidad
ESAN. Actualmente se desempeña como científicos de datos
construyendo reportes automatizados con PowerBI y Azure en una
importante entidad privada.

Diplomado en Big Data

 ¡NO PIERDAS ESTA
oportunidad!

INSCRÍBETE YA

Diplomado en Big Data

Diplomado en Big Data
 Inversión

Al contado

Promoción Comunidad Corporativo

Normal
(hasta el 05 de febrero) GEM (3-5 personas)

Perú S/ 1100 S/ 670 S/ 630 S/ 600

Otros $ 344 USD $ 209 USD $ 197 USD $ 188 USD

países

En cuotas sin intereses

Comunidad Corporativo
Promoción Fecha Límite
GEM (3-5 personas)

S/. 168 o S/. 158 o S/. 150 o

Cuota 1
$ 53 USD $ 50 USD $ 47 USD
05/02/2023

S/. 168 o S/. 158 o S/. 150 o 05/03/2023

Cuota 2
$ 52 USD $ 49 USD $ 47 USD

S/. 167 o S/. 157 o S/. 150 o

Cuota 3
$ 52 USD $ 49 USD $ 47 USD
05/04/2023

S/. 167 o S/. 157 o S/. 150 o

Cuota 4
$ 52 USD $ 49 USD $ 47 USD
05/05/2023

-2 años de acceso compartido al material y videos

-Los videos estarán cargados en un plazo máximo de 48 horas

·Nota: Las anulaciones de inscripciones o cambios de participantes se deberán realizar dos días útiles
antes de la fecha de inicio del programa. Para ello, deberá enviar una carta con la solicitud correspondien-
te. En caso contrario, la empresa GEM EDUCA no aceptará modificaciones en el proceso de inscripción.

Diplomado en Big Data