INFÓRMATE
SIN COMPROMISO
Informática

Curso de Big Data, Virtualización y Machine Learning

Conoce las bases de las técnicas utilizadas actualmente en Big Data, Virtualización y Machine Learning

Matrícula abierta
Título propio

Título expedido por Universidad San Jorge

Presentación

La industria 4.0 se caracteriza por poder interconectar las máquinas y los sensores entre sí, lo que genera un gran volumen de datos y supone un reto tecnológico a la hora de tratarlos, almacenarlos y crear modelos válidos que permitan extraer información y conocimiento de los mismos. Así, la Universidad San Jorge ha desarrollado el Curso de Big Data, Virtualización y Machine Learning, a través del cual el alumno podrá conocer las herramientas y la tecnología que hay detrás de las soluciones que utiliza la industria para tratar estos grandes volúmenes de información.

Este curso online de Big Data profundizará en los nuevos paradigmas y modelos creados, como por ejemplo, la virtualización o el almacenamiento y computación distribuida. Asimismo, el estudiante podrá conocer el amplio abanico de técnicas de inteligencia artificial y machine learning, así como crear modelos con los que poder optimizar procesos, predecir comportamientos, detectar anomalía, etc.

Requisitos de acceso

Para acceder a uno de nuestros cursos se debe cumplir alguno de los siguientes requisitos:

  • Ser mayor de 18 años.

Se expide el título de Curso indicando el contenido, duración en horas del estudio y créditos ECTS otorgados.
 

Temario

INTRODUCCIÓN AL BIG DATA
El problema del Big Data. El problema del almacenamiento.  El problema del procesado.

INTRODUCCIÓN A LA VIRTUALIZACIÓN
¿Qué es la virtualización?. Aplicaciones de la virtualización local. Centros de datos. Sistemas en la nube.

INTRODUCCIÓN AL TRATAMIENTO DE DATOS
Estadística básica para tratamiento de datos. Limpieza y preparación de los datos. Búsqueda e ingeniería de características en los datos. Evaluación del error y elección de sets de entrenamiento y validación. Elección del método de tratamiento de datos.

VISUALIZACIÓN Y EXPLORACIÓN DE DATOS
Análisis de la muestra. Análisis temporal. Análisis multivariable. Análisis de redes y grafos.

MACHINE LEARNING EN LA INDUSTRIA 4.0 (I)
¿Qué es Machine Learning?. Modelos de regresión. Modelos de clasificación. Detección de anomalías.

MACHINE LEARNING EN LA INDUSTRIA 4.0 (II)
Reducción de dimensiones. Árboles de decisión. Composición de modelos: Boosting y Baggin.

MACHINE LEARNING EN LA INDUSTRIA 4.0 (III)
Clasificadores Bayesianos ingenuos. Algoritmos genéticos. Redes neuronales clásicas. Redes neuronales avanzadas.