BIG

DATA
Introducción Objetivos

Con las técnicas de Big Data, organizaciones de vanguardia

han podido convertir los grandes datos en una ventaja
competitiva; entre ellos, la captura de nuevas oportunidades
de mercado, la reducción del fraude, reducción de costos, Conocer los conceptos
entre otros. relacionados a Big Data y su
aplicación.

Comprender el proceso de Big

Data y su metodología para
resolver diferentes problemas.

Conocer técnicas y
herramientas analíticas para el
modelamiento de información
de empresas, convirtiendo los
datos en conocimiento para la
toma de decisiones de manera
estratégica y confiable.
Dirigido a

El programa Big Data está dirigido a estudiantes y profesionales

que deseen aprender a transformar los datos y convertirlos en
conocimiento para mejorar la toma de decisiones estratégicas y
confiables.
Estructura Curricular

Arquitecturas de Big Data

04 - Capas de una arquitectura Big Data.
- Fuentes de datos.
- Capas de mensajería y almacenamiento.
Introducción a Big Data - Capa de análisis.
01 - Introducción a los sistemas Big Data.
- Capas consumidoras de datos.
- Cloud Computing.
- Oportunidades y retos de los sistemas Big Data. - Edge computing.
- Principales plataformas cloud y edge.
Conceptos Básicos para el Análisis de Datos - Ejemplos de arquitecturas Big Data.
02 - Conceptos básicos. Ingeniería de Procesado de Datos
- Técnicas de análisis univariante.
- Técnicas de análisis bivariante
05 - Necesidad de las tecnologías Big Data.
- Otras técnicas - Hadoop.
- Gráficos - HDFS.
- Análisis de datos - MapReduce.
- Apache Spark.

Metodos de Captura de Información Técnicas de Inteligencia Artificial

03 - Origen y calidad de los datos.
06 - Inteligencia artificial y aprendizaje automático.
- Organización de los datos. - Árboles de decisión y reglas.
-El proceso ETL. - Redes neuronales artificiales.
- Casos de estudio. - Deep learning.
- Clustering.
- Sistemas de recomendación.
- Búsqueda.
- Sistemas expertos.
- Inteligencia artificial.
 a
lid
o Va
pi aN
Co a a
a lid lid
V alid Va Va
o o
No a

Certificado
ida ida pi aN l ida pi aN lid
Va
l pia Va
l
Va Va
o o o Co o Co o
aN aC aN a aN a aN lid
a
i lid pi alid pi lid pi Va
C op Va Co V Co Va Co o
ida aN
o
ida No ida aN
o
l ida pi aN lid
a
Va
l i l ia Va
l i Va Va
o C op o Va C op o C op o Co o
aN a
i aN ida i aN l ida i aN l ida i aN l ida i lid
op Va
l
op Va op Va op Va C op o Va
C o C o C o C o a
l ida aN ida aN ida i aN ida i aN l ida pi aN lid
Va op
i
Va
l
op
i
Va
l
op Va
l
op Va Va
o C o C o C o C o a Co No a
pi aN ida aN ida aN ida i aN ida pi aN alid pia lid
Va
l
op
i
Va
l
op
i
Va
l
op Va
l
Co Va
Co Co oV No
Certificado otorgado como “Analista en Big Data”, a nombre de a o C o C o C o a N a a
alid aN ida aN ida aN ida pi aN alid pia alid pia Va
lid
V p i a l p i a l
o pi V al o V o V Co
No Co N oV a Co N oV aC No aC No aC No a i aN
o
pia
a lid pia alid pia alid pia lid
Ideas Campus.
lid ia
Va
lid
op
ia
Va Va op Va
Co o Va C op o C o Co oV Co oV Co No aC No
a N a N a
alid i aN l ida i aN l ida i aN alid
a
pia alid pia alid pia alid p ia
V op Va op Va op V o V o oV Co oV Co No
No aC No aC No aC No aC No aC N a ia
N
lid
a ia
o pia a lid pia alid pia alid o pia V alid o pia V alid o pia V alid op Va C op
o V o V C o
aC N oV aC No aC No aC No aC No aC No ida i aN l ida ia
N
V alid pia alid pia alid o pia V alid o pia V alid o pia V alid o pia Va
l
C op o Va op
o V o V o C
No aC No aC No aC No aC No aC No aC i aN ida i aN ida
pia alid pia lid ia lid ia lid Va
l
op l
Va
lid pia alid pia Va op Va op Va op Va op
Co o Co oV Co oV Co No aC No aC No aC No aC No aC
a
aN a N a N a lid ia lid pia lid
alid i alid pia alid pia alid pia alid pia alid pia Va op Va a
oV op V o V o oV Co oV Co oV Co No aC No Co N oV aC
N aC No aC No aC N a N
lid
a ia
N
lid
a ia lid ia lid
a ia lid
o pia alid o pia V alid o pia V alid o pia V alid o pia Va op Va C op o Va C op
o Va C op o Va
V C o
aC No aC No aC No aC No aC aN
o
ida aN ida aN ida aN ida aN lid
a

Visualización de Datos
lid l i l i l i
alid pia alid pia alid pia alid pia Va op
i
Va
l
op
i Va op Va op Va op Va

07
V o V o V o V o C o C o C o C o C o
No aC No aC No aC No aC aN
o
ida aN ida i aN l ida i aN l ida i aN l ida i aN
ia
alid pia lid pia lid ia lid i l
op
i
Va
l op Va op Va op Va op Va
op Va Va op Va op Va aC aC No
aC oV Co No Co No aC No aC No aC No aC No No aC No

CERTIFICADO
N a a lid ia lid ia lid ia lid ia
alid alid pia alid pia
- Introducción a la visualización de datos. alid
pia alid pia alid pia pia V o V o Va op Va op Va op Va op
No
V o V o V
aC
o
No
V
aC
o
No aC No aC No aC No aC No aC No aC No
aC No aC No ia lid ia lid ia lid ia lid ia
p ia a lid p ia a lid p ia a lid p ia a lid p iaalid pia V alid op Va op Va op Va op Va op

- Trabajar con datos.

Co Co V o C
oV Co oV Co oV Co oV No C No a C N o a C N o a C N o a C N o
lid
a ia
N
N a N a N a N
lid
a da a:pia alid pia alid pia alid pia alid ia
pia lid ia lid ia lid ia
Va pia Sealiotorga
Co oV Co oV op Va op
Co Va C op o Va C op o Va C op o Co oV Co N oV a N a Co N oV a N aC No aC

- Definición y tipología de gráficos.

N o a N a N a N a N a i a li d i a li d i a li d i a l i d i a l i d
lid ia lid pia alid Va op
Co
pia
No
Va
lid
d aC
op
ia
No
Va
lid
d aC
op
ia
a No
Va
i d aC
op
i a No
Va
i da
Nombre del Alumno
Co
i aN
oV
lid
aC
op
ia
No
Va
a lid
aC
op
ia
No
Va
lid
aC
op
ia
No
Va
a lid
aC
op
p ia
No
Va
a lid
aC
op
p ia
No
a lid
aC

- Visualización estática.
i a l i i a l i i l p a l p a p V p a p V o V o V
p Va op Va op Va o V Co
V
aC
o
No
o V
aC
o
No Valiidda C
a
No aC No aC
Co No aC No aC No aC No dapresente
No
lid como:pia aC No
lid ia ia lid ia lid
alid pia liEl ia certificado lid ia l
Va op Va
pia alid pia alid o pia V o Va op Va o Va op Va op a Noo Va C op o C o
- Visualización dinámica.
o V o V C o C o C o C o C i a N a N
C No aC No aC No a N lid
a ia
N
lid
a N
lid
a ia
N
lid
a pa N lid ia lid pia lid
pia alid pia alid pia alid pia Va “Analista en Big Data”
op Va pia Va op Va Copi Va a op Va a o Va
Co oV Co Co a o No Valiidda C No liidda C No
Co oV Co oV N a No aC No a No aC No a liidda C a a a
- Herramientas de visualización.
N a N a i a i d i a i d i a i d i a l i a l i V l i
pia alid pia alid pia ali d
opdesde oel V23 al ophasta el 22 al o p l
Va una d a op a Noo V
Va
a Cop ia Noo V
a a Cop a Noo V
a a Cop Va
Co oV Co oV Co El programa N o V se ejecutó aC N
de Mayo
aC o V de Junio
Nsiguiente aC
del 2023 o
N
con
a lidduración
aC ia N alliidda pia N alliidda p ia N alliidda i a No
N a N d a ia i d i a l i d i a i d i a V l i o p i V o V o i V a p
pia lid ia li de 32 horas
Va
l
académicas
op
en el cual
Va
se desarrolló p el al temario (detallado
op a Noo Va
al reverso).
a Co
p No Va C p Noo Va a Co
C p Noo V a Co
Va op Va op Co oV lid a C opiiaa No a Co piaa N alidda No
Co No aC No aC No aC No da aN aC pi N lid a piaa N lid a
pia
ia lid ia lid ia alid pia Lima, liJunio delpi2023 alid a Coopia Vaalid Cop VVaalid Coopi VVaalid Coopi o VVali
p V a o p V a o p V o V a o V No o V aC NNo o a C NNo o a C a NoN d a Co
Co o C o a C N o a C N o a C N o l i d a C i a N l i d a i a l i d a i a l
Vaalid
i d a p i
a a l
V alid
i a
Valid Vaalid Cooppia

Inteligencia Empresarial
N a N lid ia lid ia lid ia oppia Vaalid Cooppia Copi
pia lid ia Va op Va op Va op No Va da C Noo V Noo V Noo V a Co Noo V
Va op

08
o aC aC a
Co No aC No aC No aC No a C opiiaa No a liida C piiaa N alliidda piiaa N alliidda piiaa N alliidda piiaa N alid
p i a a l i d
o p i a
V a l i d
o p i a
V a l i d
o p i a
V a l i d
a C o p o V
V a l C o
o p o V
V a C o
o p
N o V
V a
a Co o p
N oV V a
a Co
C
o p
N oV a
Co V
alida C MBA
No
lid a C
a iaa No
N
lid a C
a o C o
alliidda pia lid
No aC No aC NoNajarroida C No piiaa NJessica VaalidF. Pérez pRosas Vaalid piiaa N alliidda piiaa N Va
- Inteligencia empresaria. pia alid o pia V alid Ing. Hector pia V al o pia N oVValid Coop o V Coop
i
o V Coop N o VVa a Coop N o VVa a Co No a
o V o a N a N a C o C o a lid
C No C No aC
Docente No aC piaNo lid a C Directora
piiaa N
o Académica
alliidda
C
piiaa N
o
alliidda piiaa N alliidda piiaa N alid pi Va
pia alid
a
pia alid pia alid a Coopia Vaalid Coop IDEAS VCAMPUSa Coop o VVa Coop o VVa Coop oV Co No
- Importancia de la inteligencia empresarial.
o V o V o V o V N o V a N a C N a C N a a
C No aC No aC No alida C piiaa N
N o a
lid a C piiaa N
o
alliidda
C
piiaa N
o
alliidda piiaa N
o
alliidda pia ali d p i alid
pia alid pia alid pia oVValid Coop o Vaalid Coop o VVa Coop o VVa Coop o VVa Co oV Co N oV
o V o V o N a N V a C N o a C N o a C N o d a a N d a a
No a C opiaiaNo lid a C ia No alliidda piiaa N alliidda piiaa N li i li i
- Dirección estratégica.
C aC No lid a piiaa N Va op Va op V
pia alid pia alid Vaalid oppia Vaalid Coop o VVa Coop o VVa Coop aC No
oV
Cp
Noo V aC Co Noo V No aC No
Co N a Co N o V alidaaCo i a N l i d a i a N a l i daa C
d p i a NNo a l i daa C
d p i a NNo
a a l iddaa C
i p ia a lid p ia a lid o p ia
lid V lid oppia Vaalid oppia V ali o pi a V ali o pi V al o V o V
pia
- El cuadro de mando integral.
ia aC No
Co Va op NoVa aC Co Noo V aC Co Noo V aC Co Noo V a Co No V aC No aC No lid
No aC opaiaNo alliidda piiaa N alliidda piiaa N alliidda piiaa N lid a C ia No lid
op
ia
Va
lid
op
ia Va op
ia
p ia a lid C i V a o p V a o p V a o p Vaalid C oppia o Va C o C N o C
p aC Noo V a Co C No V o o a
V Noo V aC Noo V Co N a
- Inteligencia empresarial.
Co No
a o Co alliidda
aC
pia
N
lid
a ia lid ia lid ia
aliddaC piiaa N alliidda piiaa N alliidda piiaa N alliidda piiaa N Va op Va op Va op
pia No VVali Coop o VVa Coop o VVa Coop o VVa Coop o VVa Co No aC No aC No aC
Co a
i N o a C N o a C N o lid a
a C ia N
N o d
li a
a C a
i N
N o i d a i a l i d i a l i d i a l i d
opia alildida piiaa N alliidda piiaa N Vaalid oppia Vaalid oppia Va
l
op Va op Va op Va op
a Cop o VVa Coop o VVa Coop No V a Co No V a Co No aC No aC No aC No aC
a lid C piaaNNo a l i didaaC p i a NNo a l iddaa C p iaa No a liidda C p iaa No
i a liidda C p ia a lid
o p ia
V a lid o pia V alid o pia V alid
V i V al o pi a V al i i V al op Va l o V
op aC aC No aC
Código del Alumno
op No

Proyecto de Big Data

No a CCo ia NNoo V lidaaC Co No V a Co No V a Co No V aC No a C Certificado VerificaN tuo
ia ia No lid a C ia No lid a C ia No lid ia lid ia Aquí Valid ia lid pia alid

09
op V alid o ppia VVaalid Cooppia Vaalid oppia Vaalid oppia Va op Va op o C op o Va Co oV
C C o o o V C o o V C o o C N o a C N a N a N
lid
a No a C No aC No aC ia No
N a
lid a C ia
N
lid
a ia lid pia lid ia lid pia alid
Va pia alid piaia N alliidda piiaa N alliidda oppia Vaalid op Va op Va Co Va op Va Co oV
op
i a No
lid
a Co
ia
N oV
Va
li d a CCoop
oppia
a
i N
N o VVa
o
Vaalid
d
li a
a Coop
C
oppia
a
i N
N o VVa
o
allidi d aC
a C o
oppia
Big Data
i a Noo V
N
Va
l i d aC
op
i a No
Va
l i d aC
op
i a No
V a l i da
op
i a No
Va
l i d aC
o p i a No
V a l i da
o p i aN
V

Desarrollo de un Proyecto de Big Data.

Va op o VVa aC No aC No aC No aC No
aC No aC No a Co No V a Co a Co No aC No
alid ia lid ia a lid C MÓDULO p iaa NI:oINTRODUCCIÓN a liidda C A BIG p a NNo
iDATA
a a liidda C p ia a lid pia alid o pia V alid o pia V alid o pia V alid o pia
V p a p V -o i V l o i V l o V o V C C o C No
No aC
o
No
V
aC
o
No
p
a C- oOportunidades
Introducción
No V
a losa sistemas Big C oData p
No V
a
aC No aC No a No aC No a N
lid
a ia
pia alid ia a lid p ia a lid C p iaa No y retos a
dealos sistemas
liidda C p iaaBigNoData alid
i pia alid o pia V alid o pia V alid o pia V alid o pia Va op
o V p V o i V l o V o V C C o C
C No
o V
aC
o
No a CDATOS
MÓDULO
op II: CONCEPTOS Noo V
a BÁSICOS
a Co
p EL ANÁLISIS
PARA
No aC No VI: TÉCNICAS C DE INTELIGENCIA No aC No a No a N a
aC No
lid ia lid C
DE
iaabásicos lid a C ia lid
MÓDULO
pia- Inteligencia
da y aprendizaje
liartificial ia automático ARTIFICIAL
alid pia alid pia alid pia alid pia
pia Va
lid
op
ia
Va op Va -- Conceptos opp i
N
Vaalid op Va Co -- Árboles Vdea decisión yCreglas op
oV Co oV Co oV Co oV Co
Co o C o C o Técnicas C o de análisis o
N V
univariante
a C N o a N oneuronales a N a N d a N d a a N i d a
N a N a ia learningValid alid pia li ia li i l
Redes artificiales
pia
N
lid
a ia lid ia lid Ctécnicas
- Técnicas
piiaa N
de análisis obivariantelid
op
ia
Va
lid -pDeep pia Va op Va op Va o
Va op Va op Va-- OtrasGráficos Co
Va Co- Clustering No Co oV Co No aC No aC No aC
Co No aC No aC No - Análisis adeCdatosop No aC No da -- Sistemas ia de recomendación da aN ida ia lid ia lid ia lid
i a l i d i a l i d i a l i d i a l i d i a a l i p a l i p i a l p a p V a o p V a
Va III: MÉTODOS op DE CAPTURA Va DE Cop V o
Búsqueda
Va op o o V o
Co
p Va op
No
V
a -CSistemasaexpertos oV aC No aC No aC No aC No a
No aC No aC NoMÓDULO aC No da lid - Inteligencia Nartificial
lid ia lid ia lid ia lid ia lid
pia alid pia alid pia - Origen
INFORMACIÓN
alyidcalidad deolos piadatos Vali o pia Va MÓDULO o pi Va op Va op Va op Va C op Va
C o o V C o o V C o o V deC los datos No C N o C VII: o
VISUALIZACIÓN
N
DE
a C
DATOS
N o a C N o a C N o a No
N a N a - Organización
N a a a a d a i d i a i d i a l i d i a lid
alid i alid- Trabajar ocon piadatos Vali pi l l
- Introducción a la visualización de datos
pia alid pia alid pia- Casos de
- El proceso lETL id
aestudio pia op Va op Va op Va op Va
Co oV Co oV Co oV Co N oV aC N o V -- Definición a C y tipología N ode gráficos a Co No aC No d aC No d aC a No
N a N a N a i d d a i d i a i d i a l i i a l i i
lid ia DATA Val pia li pi l l
Visualización estática
pia lid pia alid ia deIV:una
MÓDULO
p- Capas
ARQUITECTURAS
aarquitectura pBIG V-aVisualización Va op Va op Va op Va op V
Co Va Co oV Co - FuentesNde o Vdatos a Co
Big Data
No Co No - Herramientas
odinámica
a C de visualización No aC No aC No aC No aC No
a No i da i aN l i da - Capas i a de mensajería l idy almacenamiento p ia l ida ia lid VIII: INTELIGENCIA p ia a lid p ia a lid p ia a lid pia alid pia
i a l p a p a a p a V o V o V o V o
p o V o V Co
MÓDULO EMPRESARIAL
Co V o V
aC
o de análisis
- Capa
No
V
aC No aC No- Inteligencia No aC No aC No aC No aC N
No aC No - Capas consumidoras de datos aempresarial
lidestratégica lid ia lid ia lid pia alid pia
alid pia lid -- Cloud ia alid ia lid ia - Importancia pia empresarial Va
de la inteligencia
o pia V o Va op
Computing
computing o V op Va op -- Dirección Va de ointegral Va C op o Va C op o Co oV Co
C C o
Edge
C C o C o C N o a N a N a N a
No aN N ida
El cuadro mando
a N -aPrincipales plataformas
alid- Ejemplosode piarquitecturas
cloud a y edge
lid Data pia
N
lid
a ia- Inteligenciaalempresarial ia lid ia lid ia
Va
lid pia alid
pia alid pia Va
Big
o Va op V op Va op Va op Co oV
Co N oV a Co N o V MÓDULO a CV: INGENIERÍA No DE PROCESADO a C DE DATOS No d a C MÓDULO No IX:de PROYECTO
d a C DEde BIG DATA
a No i d aC i a No i d aC i a No
l i da i aN
d a l i d a i d i a l i i a l i i l l a p
pia li i i tecnologíasaBig l Data p Va op Va op
- Desarrollo un Proyecto Big Data
Va op V--aNecesidad deplas
V o Va op Va op V o
Co aC No - HDFSda C
Hadoop o
No aC No aC No aC No aC No aC No aC
No alid pia alid pia alid
p ia V a lid
o pia a
- MapReduce li
o p ia
V a lid
o pia V alid o pia V alid o pia V o V o V
V aC No C No
Co No C No
- Apache SparkC
No aC No aC No aC No a
pia lid
a ia lid
a ia lid ia lid pia alid Lima, pia alid pia alid pia
Va op Va op Va op Va Co oV Co JunioNdel o V2023 a Co oV Co
Co o a C o C N o a C N o a N a N a
N lid ia
N
lid
a ia lid ia lid pia alid pia alid pia lid
pia Va Va op Va op Va Co Va
Co op Co oV Co oV No
a No i d aC a No d aC a No i d aC i a No
l i da i aN l i da i aN l ida ia
i l i l i i l a p a p a p
Co
p Va op Va op Va op V o V o V o
No aC No aC No aC No aC No aC No aC
alid alid pia alid pia lid ia lid
o pia V o pia V alid o pia V o V o Va C op o Va
aC No C o
C No aC No aC No a N a N
pia alid pia alid pia alid pia alid pia alid pia
Co oV Co oV Co oV Co N oV a Co N oV a Co
N a N a N a d a i d
pia lid ia lid ia lid ia li
op
i
Va
l
Va op Va op Va op Va
Co No aC No aC No aC No aC No
p ia a lid p ia a lid p ia a lid p ia a lid p ia
V o V o V o
Co No aC
o
No
V
aC No aC No aC
pia lid ia lid ia lid ia lid
Va op Va op Va op Va
Co N o a C N o a C N o a C N o
pia lid pia alid ia lid ia
Co Va op Va op
No a Co N oV aC No aC
i a li d i a l i d i a l i d
Co
p Va op Va op Va
No aC No aC No
p ia a lid p ia a lid p ia
V o V o
Co No C No aC
ia ida ia lid
 pia Va
li
Co No
pia
Co

Metodología Horario De
Sincrónica Clases

Aprende con la práctica:

Martes y Jueves
De 7:00 pm a 10:00 pm

En cada clase, se enseñará la teoría asociada, se

explicará un caso por resolver, y se desarrollará el
mismo.

Se contará con apoyo de material guía que

complementará los laboratorios.
Duración

Duración total de
32 Hrs. Académicas
Página No - 12

Perfil del
Docente
Ing. Hector Najarro

Maestría en Industria 4.0 en la Universidad Internacional de La

Rioja - España UNIR, Ingeniero Informático por la
UNSCH-Universidad Nacional de San Cristóbal. Miembro de IBM
Ambassadors. Reconocimiento por el IBM como Top Innovador
(2015, 2107, 2018), Ganador RTE (2016), Ganador People Choice
Spark IoT (2017), Top IBMer (2019, 2020).

Team Leader de Infraestructura TI y Servicios de Cloud

Computing en Corporación Grupo Romero. Squad Leader de
Transformación Digital en Kyndryl Perú. Team Líder de proyectos
tecnológicos en IT Services. Team Leader de Automation para los
clientes más importantes de Kyndryl Perú.

Miembro de IBM
Ambassadors, y
reconocimiento por el
IBM como Top
Innovador
Medios Clientes
de Pago Corporativos

CUENTA EN SOLES: 215-2605238-0-51

CUENTA EN DÓLARES: 215-2576733-1-31
CCI SOLES BCP: 00221500260523805121
CCI DÓLARES BCP: 00221500257673313124

CUENTA BBVA: 001102260100031565

CCI: 011-226-000100031565-83

CUENTA INTERBANK: 300-3002380493

CUENTA CCI: 003-300-003002380493-10
 “Prepárate para triunfar”

CONTÁCTANOS
Dirección: Teléfono: Correo:
Urbanización La Arboleda A-12 (+51) 962 238 352 contacto@ideascampus.pe
Cercado, Arequipa, Peru +51 (54) 584460