Diplomatura en Arquitecturas de Big Data Aplicadas

La Diplomatura en Arquitecturas de Big Data Aplicadas comprende los siguientes cursos/módulos

Apache Hadoop

• Describir herramientas y componentes de las plataformas y bases de datos NoSQL tratadas.
• Describir la arquitectura.
• Describir como se accede a los datos, se insertan modifican y borran en base de datos.
• Usar herramientas y comandos para importar y exportar archivos desde/hacia las Plataformas y Bases de Datos tratadas.
• Describir como es generan y modelar estructuras.
• Explicar y utilizar diferentes formatos de datos.
• Utilización de motores de procesamiento Distribuido.
• Desarrollar en diferentes lenguajes sobre plataformas de procesamiento y almacenamiento distribuido y bases de datos NoSQL.
• Desarrollar ETLs hacia y desde Bases de Datos NoSQL y Hadoop.
• Configurar y hacer troubleshooting de Jobs MapReduce.
• Monitorear y administrar las Plataformas y Bases de Datos NoSQL tratadas.

NoSQL MongoDB

• Entender el contexto y agentes del mercado en el cual surgen las bases de datos NoSQL.
• Entender el concepto de persistencia políglota y su uso en las aplicaciones, con sus ventajas asociadas.
• Entender cómo utilizar MongoDB para insertar datos, actualizarlos, borrarlos y consultarlos.
• Entender los diferentes tipos de índices que utiliza MongoDB y cuando aplicarlos.
• Utilizar el framework de agregación y map reduce embebido.
• Modelar datos para aplicaciones eficientes.
• Poder diseñar e implementar mecanismos de replicación y particionamiento de datos.
• Conocer las herramientas y comandos de administración y monitoreo de MongoDB.
• Poder configurar seguridad en MongoDB.

NoSQL Cassandra y Neo4J

• Modelar datos para diseñar aplicaciones utilizando bases de datos basadas en familias de columnas y en grafos.
• Entender los diferentes tipos de column families que utiliza Cassandra y cuando aplicarlas.
• Entender cómo utilizar Cassandra y Neo4J para insertar datos, actualizarlos, borrarlos y consultarlos.
• Conocer el lenguaje CQL para desarrollar consultas y procesos sobre Cassandra.
• Conocer el lenguaje Cypher para desarrollar consultas y procesos sobre Neo4J.
• Poder diseñar e implementar mecanismos de replicación de datos en Cassandra y Neo4J.
• Comprender la arquitectura interna y sus componentes principales de Cassandra y Neo4J.
• Conocer herramientas de administración de Cassandra y Neo4J.

NoSQL Key-Value Redis

• Entender el contexto y agentes del mercado en el cual surgen las bases de datos NoSQL.
• Entender el concepto de persistencia políglota y su uso en las aplicaciones, con sus ventajas asociadas.
• Modelar datos para diseñar aplicaciones utilizando bases de datos Key Values.
• Entender cómo utilizar Redis para insertar datos, actualizarlos, borrarlos y consultarlos.
• Entender las estructuras de datos: Keys & Expiration / Strings / Hashes / Lists / Sets / Sorted Sets / Hyperloglogs.
• Operaciones Set.
• Basic Transactions y Optimistic concurrency control.
• Object Storage: Simple Objects / Nesting, Relationships & Folding.
• Poder diseñar e implementar mecanismos de replicación de datos en Redis.
• Comprender la arquitectura interna y sus componentes principales de Redis.
• Conocer herramientas de administración de Redis.

Elastic Stack

• Entender el funcionamiento general del Elastic Stack como así en qué casos es conveniente su utilización.
• Manejar los Beats disponibles en Elastic Stack oficialmente, además conocer los creados por la comunidad.
• Entender la ingesta y transformación de los datos por medio del uso de codecs y filtros utilizando logstash con aplicación práctica.
• Comprender el funcionamiento interno de ElasticSearch a la hora de indexar la información.
• Configurar el motor de búsqueda ElasticSearch de la manera que nos resulte más eficiente a la hora de aplicarlo, dependiendo el caso en particular.
• Crear, Eliminar, Modificar y Configurar adecuadamente índices para su posterior utilización.
• Realizar consultas sobre nuestros índices tanto Full Text Search como Term Queries.
• Explotar la información alojada en ElasticSearch utilizando Kibana.
• Visualizar información por medio de Dashboards adecuados a las métricas y valores alojados en nuestro índice.
• Entender toda la variedad de visualizaciones de las que dispone kibana y saber aplicarlas con los datos correctos.
• Entender toda la variedad de visualizaciones de las que dispone kibana y saber aplicarlas con los datos correctos.
• Comprender todos los métodos de aplicación que nos ofrece kibana.

Pentaho Data Integration- Apache NiFi

• Entender el contexto y agentes del mercado en el cual surgen la inteligencia de negocios.
• Entender el concepto de Inteligencia de Negocio (BI) y su uso en las aplicaciones, con sus ventajas asociadas.
• Entender los conceptos de DataWarehouse, DataMart y DataLake.
• Realizar modelados dimensionales utilizando PDI y NiFi como herramienta ETL.
• Entender cómo utilizar PDI y NiFi para extraer datos, actualizarlos, borrarlos y limpiarlos para luego volcarlos convenientemente.
• Diseñar e implementar mecanismos de ETL en PDI y NiFi.
• Comprender la arquitectura interna y sus componentes principales de PDI y NiFi.
• Conocer herramientas de administración de PDI y NiFi.

Programación Distribuida, Text Mining y Data Science aplicada

• Entender los conceptos relacionados a la programación distribuida y su aplicación en data science.
• Conocer las tecnologías y la arquitectura para la programación distribuida.
• Aprender conceptos de Machine Learning de manera teórica y práctica.
• Entender las funciones del rol de los data scientists y data engineer dentro de una organización.
• Aprender la Herramienta Mahout de la Plataforma Hadoop.
• Programar algoritmos de data mining con Java sobre Motor de Procesamiento MapReduce.
• Programar algoritmos de data mining con Python sobre Motor de Procesamiento Spark.
• Programar algoritmos de data mining con Scala sobre Motor de Procesamiento Spark.
• Programar algoritmos en Scala ó Python sobre Spark en HDFS.
• Programar algoritmos en Scala ó Python sobre Spark en MongoDB.
• Entender el concepto de arquitectura Lambda.
• Implementar arquitectura Lambda con los lenguajes y herramientas estudiados.