VI PROGRAMA DE ESPECIALIZACIÓN EN BIG DATA & ANALYTICS

(1)

VI PROGRAMA DE ESPECIALIZACIÓN

EN BIG DATA & ANALYTICS

Métodos y herramientas para analizar datos y facilitar la

toma de decisiones empresariales

EDICIÓN FINES DE SEMANA

www.ctic.uni.edu.pe

DE

Centro de Tecnologías de

Información y Comunicaciones

(2)

1 PRESENTACION

El VI Programa de Especialización en Big Data Analytics trata de responder a las necesidades de formación de capacidades en Analítica de Datos, sus procedimientos, técnicas, herramientas y aplicaciones.

Los especialistas formados están llamados a cumplir un rol fundamental en proyectos que ofrezcan soluciones digitales a los clientes de las organizaciones, tal que se logre la personalización de la atención y la autonomía en la prestación de bienes y servicios, bajo un esquema de simplicidad y seguridad.

Estos profesionales diseñan procedimientos y usan herramientas para: capturar diversos tipos de datos, estructurados y no estructurados que pueden llegar por múltiples canales a la vez; almacenar los datos recolectados de forma fiable y segura; acceder a los datos desde diferentes localizaciones; integrar los datos de diversas fuentes; investigar los patrones de comportamiento de los datos almacenados; construir modelos que expliquen estos patrones con finalmente lograr que los datos tengan “espíritu propio”.

Todo bajo un enfoque orientado a los fines empresariales de rentabilidad y riesgo, en un ambiente de múltiples fuentes de datos, de alta velocidad de transferencia de datos y de alta transaccionalidad de los sistemas, para la toma de decisiones en tiempo real.

Los participantes desarrollan habilidades y competencias para diseñar sistemas de adquisición de datos, para la integración de datos de múltiples fuentes, para investigar estos datos y para construir modelos analíticos.

2 QUÉ OFRECEMOS

El VI Programa de Especialización en Big Data Analytics ofrece a sus participantes:

 120 horas para adquirir nuevos conocimientos y experiencias en la Universidad Nacional de Ingeniería.

 Una plana docente de profesionales activos que usan estas técnicas en su trabajo diario.

 Un método que combina aspectos expositivos, materiales, ejercicios prácticos y tareas prácticas.

 Ambientes de estudio en el Centro de Tecnologías de Información de la UNI.

 Una computadora de última generación por alumno.

 Material de estudio en medio magnético.

 Horario de estudio asequible para personas que trabajan los días de semana.

 Financiación de las cuotas para pagarlo en 3 cuotas iguales.

(3)

VI PROGRAMA DE ESPECIALIZACIÓN EN BIG DATA ANALYTICS | Organiza CTIC UNI

www.ctic.uni.edu.pe

3 PLAN DE ESTUDIOS

El VI Programa de Especialización en Big Data Analytics tiene el siguiente plan de estudios dividido en 7 unidades conceptuales.

UNIDAD 1. METODOLOGÍAS AGILES - (16 horas)

Metodologías Agiles (10 horas)

a) Introducción a la ingeniería de software. b) Tipos de metodologías.

c) Metodologías lean y ágil. d) Planificación ágil.

e) Estimaciones ágiles. f) Introducción a SCRUM. g) Tablero KANBAN.

Taller de Metodologías Agiles (6 horas)

a) Taller de metodologías ágiles.

UNIDAD 2. BUSINESS INTELLIGENCE - (8 horas)

Business Intelligence (8 horas)

a) Introducción al Business Intelligence. b) Niveles del BI.

c) ETL.

d) El datawarehouse. e) El motor OLTP.

f) Herramientas de visualización. g) Metodología para el BI. h) Proyectos BI.

i) Indicadores KPI. j) Ejercicios Prácticos.

UNIDAD 3. BIG DATA - (32 horas)

Introducción al Big Data (4 horas)

a) Qué es el Big Data.

b) Conceptos y Terminología. c) Aspectos Generales de Big Data. d) Fuentes de Datos por Tipo de Datos. e) Criterios para la adopción del Big Data. f) Ejercicios Prácticos.

Planificación del Big Data (4 horas)

a) Recursos Humanos. b) Recursos Organizacionales. c) Recursos Tecnológicos. d) Ciclo de Vida del Big Data.

Tecnologías para el Big Data (12 horas)

a) Sistemas batch / Offline - Procesamiento a. Hadoop

b. Map Reduce c. Hive

(4)

b) Sistemas batch / Offline - Analítica a. Data analytics y machine learning c) Sistemas real time / Near real time

a. HBase b. Cassandra c. ElasticSearch d. Neo4j e. Storm d) Sistemas mixtos a. Hadoop+Cassandra b. Hadoop+HBase c. Hadoop+Solr d. Hadoop+Splout SQL

Taller de Big Data con Hadoop (12 horas)

a) Ecosistema del Hadoop b) Instalación del Hadoop c) Filesystems

d) Uso del Hadoop e) Acceso a directorios

UNIDAD 4. STRUCTURED DATA ANALYTICS - (40 horas)

Data Science y Structured Data Analytics (8 horas)

a) Fundamentos del Data Analytics

b) Patrones y Reconocimiento de Patrones c) Tipos de Datos

d) Tipos de Modelos

e) Aplicaciones del Data Analytics f) Herramienta del Data Analytics

Estadística para el Structured Data Analytics (8 horas)

a) Analítica Vectorial b) El dataset c) Fundamentos de Estadística d) Distribución de frecuencias e) Estadística univariada f) Estadística multivariada g) Balanceo de datos h) Patrones i) Identificación de patrones j) Ejercicios Prácticos

Preparación del dataset (4 horas)

a) Metodología CRISP

b) Identificación de Atributos c) Creación de atributos

d) Decisión para la creación de atributos. e) Ejercicios Prácticos

(5)

Pre-procesamiento del dataset (8 horas)

a) Valores Extremos b) Valores Null c) Transformaciones d) Reducción de instancias e) Reducción de atributos

f) Muestreo (sub-muestreo y sobre-muestreo) g) Ejercicios Prácticos

Modelos para el Structured Data Analytics (12 horas)

a) Modelos de Clasificación a. Arboles de decisión b. Naive Bayes

c. Regresión logística

d. Máquina de Vector Soporte b) Modelos de Regresión a. Redes Neuronales c) Modelos de Agrupamiento a. K-means d) Modelos de Asociación a. Algoritmo a-priori.

UNIDAD 5. UNSTRUCTURED DATA ANALYTICS - (8 horas)

Unstructured data analytics (8 horas)

a) Datos no estructurados. a. Grafos b. Textos c. Imágenes d. Voz e. Señales

b) Preparación del dataset.

c) Modelos para datos no estructurados.

UNIDAD 6. VISUALIZACION DE DATOS - (8 horas)

Técnicas de Visualización de Datos (8 horas)

a) Patrones desde los Datos. b) Terminología c) Visualización de datos. d) Visualización científica. e) Visualización de información. f) Gráficos estadísticos g) Datos Jerárquicos.

UNIDAD 7. TALLER DE BIG DATA ANALYTICS - (8 horas)

Taller de Big Data Analytics (8 horas)

a) Planificación del Caso b) Desarrollo del Caso.

(6)

4 DURACION

El VI Programa de Especialización en Big Data Analytics tiene una duración total de 120 horas, que se desarrolla en 3 meses y medio a razón de 8 horas por semana.

5 METODOLOGIA

El VI Programa de Especialización en Big Data Analytics se orienta a que los estudiantes adquieran una fuerte base conceptual reforzada con casos prácticos, tal que permita a los estudiantes extrapolar los temas desarrollados a problemas propios de su actividad profesional.

Con este fin se implementa los siguientes criterios:

 Una computadora por alumno.

 Material entregado en medio electrónico.

 Cada sesión se inicia motivando al estudiante en el tema a tratar, en base a la experiencia de los expositores.

 Desarrollo de clases conceptuales para explicar los conceptos necesarios.

 Desarrollo de ejercicios prácticos o talleres, donde se aplica lo aprendido en clase.

 Uso de medios audiovisuales (proyectores)

 Asesoría en el desarrollo de los trabajos aplicativos individuales de los participantes.

 Desarrollo progresivo de un trabajo integrador que será expuesto por el estudiante en la última sesión de clases.

6 TRABAJO INTEGRADOR

Con la finalidad de demostrar los conceptos, técnicas y herramientas aprendidas en el VI Programa de Especialización en Big Data Analytics, los estudiantes desarrollan un trabajo integrador que será entregado en avances y expuesto en la última sesión del programa.

Con este fin los estudiantes conforman grupos de 3 personas. Los grupos de trabajo y el tema son definidos en la segunda semana del programa.

Se sugiere los siguientes puntos como entregables del trabajo integrador: a) Definición de los problemas y fuente de datos

b) Descripción de los datos c) Modelo Dimensional d) Modelo BigData

e) Preparación del Dataset f) Pre-procesamiento del Dataset g) Modelado Predictivo o Descriptivo. h) Evaluación del Rendimiento.

i) Visualización de Datos. 7 EVALUACION

En el VI Programa de Especialización en Big Data Analytics se evalúa de forma permanente, mediante los siguientes criterios:

 Asistencia a clases (al menos 80% de asistencia) (10%)

 Participación en las sesiones de clases (20%)

 Trabajos prácticos parciales (20%)

 Trabajo integrador (50%)

(7)

8 RECONOCIMIENTOS

Al finalizar el VI Programa de Especialización en Big Data Analytics los participantes recibirán los siguientes reconocimientos:

 Los estudiantes que cumplan con la nota mínima de 14 y tengan asistencia mayor del 80% de las sesiones de clases recibirán un Diploma a Nombre de la Universidad Nacional de Ingeniería en “Big Data Analytics”, indicando los cursos llevados y su respectiva nota.

 Los estudiantes que no cumplan con la nota mínima de 14 o tengan una asistencia menor al 80% de las sesiones, recibirán una Constancia de Participación, indicando los cursos aprobados y su respectiva nota.

 Los estudiantes con las tres notas más altas recibirán una Carta de Reconocimiento al Mérito logrado.

9 PERFIL DEL ESTUDIANTE

El VI Programa de Especialización en Big Data Analytics se orienta a profesionales que quieran desarrollar o fortalecer sus capacidades técnicas y analíticas necesarias para una carrera de éxito en la Analítica de Datos, por lo tanto está dirigido a profesionales con una sólida formación en matemáticas, estadística, programación.

El VI Programa de Especialización en Big Data Analytics está dirigido a profesionales de áreas como:

Administración Ingeniería de Petróleo Administración Bancaria y de Seguros Ingeniería de Sistemas Administración de Redes Ingeniería de Software

Análisis de la Información Ingeniería de Telecomunicaciones

Biología Ingeniería Electrónica

Ciencias de la Computación Ingeniería Estadística e Informática Ciencias de la Información Ingeniería Geográfica

Economía Ingeniería Industrial

Estadística Ingeniería Informática

Ingeniería Aeronáutica Ingeniería Mecánica Ingeniería Ambiental Ingeniería Química

Ingeniería Civil Marketing

Ingeniería de Minas Matemáticas

y profesionales de diversas áreas afines interesados en ingresar al mundo de la analítica de datos.

(8)

10 PLANA DOCENTE

Ing. ARTURO ROJAS

Especialista en soluciones y arquitectura Business Intelligence, Herramientas de

integración, explotación y calidad de datos, manejadores de base de datos, Gestión de

proyectos, Mejora y rediseño de procesos Lean, metodologías agiles de desarrollo,

gestión de personas y equipos de trabajo utilizando técnicas de programación

Neurolinguistica - PNL y Coaching ontológico. Ingeniero de Sistemas de la Universidad

Nacional de Ingeniería. Profesional con más de 14 años de experiencia desarrollando y

liderando proyectos de Tecnologías de Información, Business Intelligence en empresas

del sector financiero, servicios, entidades públicas. Experiencia en Docencia

Universitaria Postgrado.

Actualmente es Sub Gerente de proyectos de Inteligencia de negocios del Banco de

Crédito del Perú (BCP).

Ing. JHON MEZA

Profesional de la Ingeniería de Sistemas por la Universidad Nacional de Ingeniería,

especialista en análisis y gestión de información. Cinco años de experiencia en el sector

financiero. Consultor y docente en Project Management, Business Intelligence y Web

development. Participación en proyectos de BI, Datamining y Credit Score. Responsable

de equipos de Gestión de Información para proyectos de Business Analytics BCP.

Actualmente se desempeña como Especialista en Arquitectura de Soluciones de Datos,

en el Centro de Excelencia Big Data BCP.

Ing. ANTONIO CACHUAN

Ingeniero de Sistemas de la UNMSM y Máster en Gestión de Proyectos en la Universidad

de Barcelona, con estudios de Big Data en la Universidad Complutense de Madrid.

Profesional con más de 3 años en el sector de Banca dentro de áreas de Inteligencia de

Clientes y Big Data. Apasionado por temas de Machine Learning (Python), Deep Learning

(Computación paralela) y Bots (Natural Language Processing). Registrado en el DINA de

Concytec. Actualmente es Data Engineer en el Centro de Excelencia de Big Data del BCP.

(9)

11 REQUISITOS

Los profesionales interesados en participar en el

VI Programa de Especialización

en Big

Data Analytics

deberán cumplir con alguno de los siguientes requisitos:



Estudios universitarios concluidos o por concluir, evidenciado con diploma emitido

por la Universidad, certificado de estudio o constancia de ciclo académico.



Estudios técnicos profesionales (mínimo 3 años) concluidos, evidenciado con:

diploma emitido por el Instituto/Universidad, certificado de estudio o constancia de

ciclo académico.

12 INVERSION

La inversión para participar en el

VI Programa de Especialización

en Big Data Analytics

es:



Opción 1

. Pago único

: S/.

3,000

(*)



Opción 2

. Cuotas

: 3 cuotas iguales de S/.

1100.0

(*) cada una.

(*) Los pagos se pueden realizar vía depósito en cuenta corriente, transferencia

bancaria, interbancaria y con tarjeta de débito o crédito VISA.

Consulte descuento especial por pronto pago (aplica a cualquiera de las modalidades de

pago).

13 INICIO, HORARIO Y LUGAR DE CLASES

Inicio de clases

:

Domingo 18 de Marzo del 2018

Horario de clases :

Sábados y Domingos de 8:00 am a 12:00 m

Lugar de clases

:

Instalaciones del CTIC – UNI

Av. Túpac Amaru – Puerta N° 5, Pabellón R4.

Referencia Estación Honorio Delgado (Metropolitano)

14 INFORMES E INSCRIPCIONES

Unidad de Capacitación CTIC - UNI

VI PROGRAMA DE ESPECIALIZACIÓN EN BIG DATA & ANALYTICS