MÁSTER:MÁSTERBIGDATAANALYTICSInformacióndetallada delmáster

www.formacionhadoop.com

Elmásteronline“BigDataAnalytics” de 190horas tienecomoobjetivoformaraprofesionalesexpertosenBigDatapara cubrirlagrandemandaqueexisteactualmentesobreestosperfiles,tanto lapartetécnicacomolaanalítica.

Elmásterestádiseñadopara aprendertodolonecesarioparapoderafrontarcongarantíasun proyectoBigData:ArquitecturadeunclústerHadoop,desarrolloyanálisisdeaplicacionesMapReduce,desarrollodeaplicaciones“in- memory”conApacheSpark,almacenamientoNoSQL,herramientasdisponibles paraimplementartuarquitectura-aplicaciónBigData(Flume,Sqoop, SolR,etc.)ylosfundamentos analíticosnecesariosparapoderrealizaranalíticaavanzadaconlosconocimientos técnicosadquiridos.

REQUISITOS PREVIOS:Los participantes del máster deberán tener experiencia en programación(muy recomendable el conocimiento de Java y python o Scala) yconocimientos básicos de linux. No se requiere conocimiento previo deHadoop .

OBJETIVO:Una vez finalizado el máster, el alumno será capaz de desarrollar-definir suspropias aplicaciones de procesamientos de datos con Hadoop a través deMapReduce, Hive, Pig, Impala y Spark, así como la elección de lasherramientas oportunas para el despliegue (Flume, Sqoop, Avro, SolR, etc).También será capaz de la realización de diferentes análisis avanzados con laherramienta de procesamiento en memoria de Apache Spark.

2

Contenido

3

Capítulo1:Introducción

Capítulo2:ConceptosbásicosyHDFS

Capítulo3:IntroducciónaMapReduce

Capítulo5:EscribiendounprogramaMapReduce básico

Capítulo4:ClústerHadoop

Capítulo6:ProfundizandoenelAPIdeHadoop

Capítulo7:Partitioners yReducers

1 Módulo1:DesarrollodeAplicacionesMapReduce

4

Capítulo9:AlgoritmoscomunesconMapReduce

Capítulo10:EcosistemaHadoop

Capítulo8:Tiposdedatos,salidayentrada

Contenido

5

Capítulo1:Formatosdeficheros:Avro,Columnar,Texto

Capítulo2:Kite SDK

Capítulo3:ProcesamientodedatosconApacheCrunch

Capítulo5:AnálisisdedatosconPig

Capítulo4:AnálisisdedatosconHive eImpala

2 Módulo2:AnálisisdedatosconHive,Pig,ImpalayCrunch

Contenido

6

Capítulo1:Introducción

Capítulo2:Spark

Capítulo3:RDDs,RDDs depares

Capítulo5:Spark enclúster

Capítulo4:MapReduce,HDFS

Capítulo6:ProgramaciónParalela

Capítulo7:Etapas,tareasyplanificación

3 Módulo3:ProcesamientodedatosconSpark

7

Capítulo9:AplicacionesconSpark,rendimiento

Capítulo10:Spark Streaming

Capítulo8:Cachéypersistencia

Capítulo11:Spark SQL

Capítulo12:IntroducciónaMachineLearning:MLLIB

Contenido

8

Capítulo1:IngestadeinformaciónconSqoop

Capítulo2:IngestadeinformaciónconFlume

Capítulo3:IndexacióndeinformaciónconSolR - Banana

Capítulo4:IntroducciónaBasesdedatosNoSQL

Capítulo5:BasededatosNoSQL dedocumentos:MongoDB

Capítulo6:BasededatosNoSQL decolumnas:Cassandra yHBase

4 Módulo4:ArquitecturasBigData

Capítulo7:Basededatosdegrafos:Neo4J

Capítulo8y9:IntroducciónaRedis,KafkayZookeeper

Contenido

9

Capítulo1:Procesos analíticos e implementación con Spark

Capítulo2:Aprendizaje automático, conceptos y aplicaciones

Capítulo3:Selecciónytransformacióndedatos

Capítulo4:Aprendizajesupervisado/nosupervisadoysuevaluación

Capítulo5:Algoritmosderecomendación

Capítulo6:Productivización declasificadores

5 Módulo5:BigDataAnalytics conSpark MLlib

Capítulo7:Introducciónprocesosanalíticossobretexto

MATERIAL DEL CURSO:• Temario completo del máster• Ejercicios prácticos• Material complementario para facilitar el conocimiento (videos,

documentos, ejercicios, datasets, etc.)

TUTORÍAS:El alumno dispone de variosmétodos para solventar sus dudas:

- Tutorías vía chat desde la plataforma virtual.- Contacto con el tutor del curso vía email.- Tutorías vía Skype.

Por motivos de disponibilidad, para las tutorías vía Chat o Skype, habrá queconcertar previamente la cita con el profesor vía email.

EXAMEN DE CERTIFICACIÓN FORMACION HADOOP:Una vez finalizado cada uno de los módulos, el alumno podrá realizar unexamen de certificación para acreditar que ha superado el módulo. Cadaexamen de certificación consta de 30 preguntas tipo test. Para superar elmáster el alumno debe obtener más de un 70% en cada uno de losexámenes de certificación. Una vez superado, el alumno recibe un títuloacreditativo de que ha superado el máster de Big Data Analytics.

10

MATRICULACIÓNALMÁSTER:

Para poder realizar la matrícula en cualquiera de los másters/cursosofertados por Formación Hadoop habrá que realizar los siguientespasos:

1. Acceder al aula virtual de Formación Hadoop2. Registrarse en el aula virtual3. Realizar el login en el aula virtual4. Seleccionar el curso5. Realizar el pago de la matrícula

El pago de la matrícula se realiza a través de PayPal, por lo que elalumno deberá tener una cuenta de PayPal para poder realizar el pago.

Una vez realizado el pago, automáticamente el alumno quedarámatriculado pudiendo acceder a todo el contenido del master/curso.

11

MATRICULACIÓN AL MÁSTER:

Una vez realizada la matriculación, el alumno dispondrá de un periodode 360 días para realizar el MÁSTER y obtener la certificación deFormación Hadoop como Big Data Analytics. Durante este periodo elalumno tendrá acceso a:

• Temario del máster• Tutorías virtuales vía chat y Skype• Acceso al foro y al chat del máster para comunicarse con los

alumnos del mismo

12

PROFESORES:La calidad de los cursos está garantizada ya que todos los profesoresson profesionales experimentados y especializados en esta tecnología.

Los profesores trabajan diariamente con esta tecnología, por lo quepodrán poner en conocimiento de los alumnos muchos de losproblemas que se encuentran diariamente en su puesto de trabajo.

Todos los profesores han superado varias de las certificaciones de lasdiferentes distribuciones de Hadoop (Cloudera, HortonWorks, MapR,etc.)

13

Información detalla del Director Académico del máster:Fernando Agudo Tarancón:

- Big Data Architect en Pragsis Bidoop- Instructor Hadoop de los cursos oficiales de Cloudera:

Cloudera Developer Training for Apache Hadoop.Cloudera Administrator Training for Apache HadoopCloudera Developer Training for Apache Spark.Big Data Applications

- Instructor en diferentes escuelas de negocio y universidades

- Títulos y certificaciones:Ingeniero Técnico en Informática de Gestión.CCDH: Cloudera Certified Developer for Apache Hadoop.CCAA: Cloudera Certified Administrator for Apache Hadoop.MCHD: MapR Certified Developer for Apache Hadoop.CCA:Cloudera Spark andHadoop DeveloperHDPCA:Hortonworks Certified Administrator

Informacióndetallada:http://formacionhadoop.com/teachers/fernando-agudo/

14

Contacto

15

TWITTERTwitter.com/formacionhadoop

administracion@formacionhadoop.com

FACEBOOKfacebook.com/Formacion-Hadoop-1713892002218442/

www.formacionhadoop.com

LINKEDINlinkedin.com/company/formación-hadoop

(+34)605398311