ESPECIALIZACIÓN INTERNACIONAL

BIG DATA
INICIO: 25 DE MARZO
Avalado por:

CERTIFICACIÓN ADICIONAL A NOMBRE DEL

COLEGIO DE ECONOMISTAS DEL PERÚ
ESPECIALIZACIÓN INTERNACIONAL

BIG DATA
El uso de Big Data está cada vez más extendido ya que
se ha visto que cuándo se implementa puede traer
importantes beneficios a cualquier empresas. Cada
vez se generan más datos y saber cómo analizarlos es
fundamental para determinar los principios que
informan las decisiones comerciales.

· 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
de la especialización internacional no se vea afectada. Toda modificación será
comunicada anticipadamente a los participantes.

HORARIO: DURACIÓN: ENTREGA DE

LUNES Y VIERNES DE
7:30 A.M - 10:00 P.M.
3 MESES 8 CERTIFICADOS

02
 ANÁLISIS E INTERPRETACIÓN
DE DATOS CON R
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.

03
ANÁLISIS E INTERPRETACIÓN
DE DATOS CON R
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.

RELACIÓN ENTRE VARIABLES

Introducción.

Correlación.
Regresión lineal.

Gráfico de residuos.
Regresión no lineal.
Aplicación de las TIC.

04
 ANÁLISIS E INTERPRETACIÓN
DE DATOS CON R
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.

05
ANÁLISIS E INTERPRETACIÓN
DE DATOS CON R
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.

06
 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.

07
TÉCNICA DE INTELIGENCIA
ARTIFICIAL
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.

REGLAS

Reglas de clasificación y reglas de asociación.

Algoritmos de aprendizaje de reglas de clasificación.

Algoritmos de aprendizaje de reglas de asociación.

08
 TÉCNICA DE INTELIGENCIA
ARTIFICIAL
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.

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.

09
TÉCNICA DE INTELIGENCIA
ARTIFICIAL
CLUSTERING: AGRUPAMIENTO O CLASIFICACIÓN
NO SUPERVISADA

Conceptos. 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.

10
 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.

11
INGENIERÍA PARA EL PROCESAMIENTO

DE MASIVO DE DATOS
SPARK I

Introducción y objetivos.

Introducción y objetivos.
Componentes de Spark.

Arquitectura de Spark.
Resilient Distributed Dataset (RDD).

Transformaciones y acciones.
Jobs, Stages y Tasks.

Ejemplo completo con RDD.

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.

12
 INGENIERÍA PARA EL PROCESAMIENTO
DE MASIVO DE DATOS
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.

13
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.

14
 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.

15
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.

16
 ANÁLISIS Y VISUALIZACIÓN
DE DATOS MASIVOS
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.

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.

17
ANÁLISIS Y VISUALIZACIÓN
DE DATOS MASIVOS
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.

18
NUESTROS DOCENTES

Jorge Soes Centeno Borge

Doctor
Ingeniero en Sistema de Información por la
Universidad Nacional Autónoma de Managua
(UNAN), magíster en tecnología de la
informática empresarial por la UNAN,
magíster en Educación y TIC por la
UOC-España y doctor en telecomunicaciones
por el Atlantic International University-EE.UU;
cuenta con certificación internacional en
Microsoft Azure. Ha laborado en diversas
instituciones privadas como programador de
software y Programador Full Stack Developer.

Ricardo Fernández
Magister
Licenciado en Ingeniería Financiera por la
Universidad Católica Boliviana, magíster en
Estadística Aplicada por la Universidad de
Granada (España) y actualmente está llevando
el doctorado en Inteligencia Artificial por la
Universidad Politécnica de Cataluña (España)
y el doctorado en Estadística Matemática y
Aplicada en la Universidad Politécnica de
Cataluña (España); también posee
certificación en TensorFlow por
deeplearning.ai, Google Project Management
y Google Data Analytics. Ha laborado como
analista de datos, científico de datos y analista
de business intelligence en diversas
instituciones tecnológicas de España.
Actualmente se desempeña como analista de
estadística y Big Data en Grupo Mediapro
(España).

19
NUESTROS DOCENTES

Aldo Martin Lezama Benavides

Magister
Economista con Maestría en Estadística
Aplicada y Finanzas, con dominio en temas
analíticos para el sector banca,
telecomunicaciones y medios de pago.
Actualmente trabaja como jefe del área de
Ciencia de Datos en Claro Perú, asimismo
tiene experiencia liderando proyectos
analíticos en plataformas de Big Data, manejo
de equipos y orientación para el negocio.

Andres Antonio Campaña Acuña

Magister
Economista egresado de la Universidad
Nacional del Callao (UNAC). Ha trabajado
como científico de datos en INDECOPI,
especialista en bioestadística en el Instituto
Nacional Materno Perinatal (INMP), experto
en inteligencia artificial en Gigimentore y
automatizador de procesos en la
Superintendencia Nacional de Educación
Universitaria (Sunedu). En la actualidad, se
desempeña como investigador en el
Observatorio del Comercio Internacional.

20
NUESTROS CERTIFICADOS

Certificado a nombre del

Centro GEM EDUCA
CERTIFICADO
DE APROBACIÓN
EL PRESENTE CERTIFICADO ES OTORGADO A:

Tú Nombre
Por haber culminado satisfactoriamente la especialización en Econometría
Aplicada realizado del mes de XXXXX hasta el mes de XXXXX del 2023, con
una duración total de XX horas académicas.

Econ. Anthony Garcia Saboya Econ. Miguel Paredes Trujillo

Gerente General Dirección General
BEPS SMART RESEARCH BEPS SMART RESEARCH

Certificado a nombre del

COLEGIO DE ECONOMISTAS
DEL PERÚ

Certificación (adicional) a
nombre de la FLORIDA
GLOBAL UNIVERSITY

Precio Derecho de Trámite

$ 60 USD

21
NUESTROS MEDIOS DE

PAGO
Para hacer efectiva su matrícula, realice el abono a cualquiera
de nuestras cuentas de ahorros y envíenos el comprobante
escaneado o en foto, junto con sus nombres y apellidos
completos, correo electrónico y celular a nuestro WhatsApp.

Aceptamos:

También:

22
 INVERSIÓN
AL CONTADO

Precio Promoción Comunidad Corporativo

Normal (Hasta el 24 de marzo) GEM (3-5 personas)

Perú S/ 1040 S/ 610 S/ 570 S/ 540

Otros
$ 325 USD $ 191 USD $ 178 USD $ 169 USD
Países

EN CUOTAS SIN INTERESES

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

S/ 204 o S/ 190 o S/ 180 o 24/03/2024

Cuota 1
$ 64 USD $ 60 USD $ 57 USD

S/ 203 o S/ 190 o S/ 180 o

Cuota 2 24/04/2024
$ 64 USD $ 59 USD $ 56 USD

Cuota 3 S/ 203 o S/ 190 o S/ 180 o 24/05/2024

$ 63 USD $ 59 USD $ 56 USD

· 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 correspondiente. En caso contrario, la empresa
GEM EDUCA no aceptará modificaciones en el proceso de inscripción.

23