Diplomado

Big Data

Educacin Profesional Escuela de Ingeniera Pontificia Universidad Catlica de Chile

www.ing.uc.cl/educacionprofesional

DESCRIPCIN
En la era digital, la masiva produccin de datos abre infinitas oportunidades para un efectivo anlisis de la
informacin. El diplomado Big Data proporciona una slida formacin en las principales tecnologas y tendencias
que marcan el estado del arte en el mbito de almacenamiento, procesamiento y extraccin de conocimiento de
fuentes de datos masivas, tanto estructuradas, como no estructuradas (datos textuales, imgenes o interacciones
en redes sociales).

DIRIGIDO A
Ingenieros Civiles Industriales, Ingenieros Comerciales, Civiles Informticos, Civiles Electrnicos, Civiles
Elctricos.
Licenciados en Computacin, y otros profesionales licenciados y/o con experiencia en reas afines, que
requieren conocimientos o habilidades en la materia.

OBJETIVOS GENERALES
Conocer los principales componentes de la tecnologa Big Data.
Gestionar proyectos orientados a la introduccin de tecnologas en Big Data en la organizacin.

PRERREQUISITOS
Licenciatura en Ciencias de la Ingeniera o Ttulo Profesional Universitario de Ingeniera Civil.
Licenciatura o Ttulo Profesional Universitario en una disciplina afn a la Ingeniera.
Experiencia laboral de 2 aos en al rea o reas afines.

PROGRAMA DEL DIPLOMADO

Curso 1: Ecosistema Hadoop.
Unidad I: Fundamentos de Hadoop.
Introduccin a Hadoop.
Hadoop sistema distribuido de archivos: HDFS.
Hadoop distribucin de tareas en un cluster: Paradigma Map Reduce.
Bases de datos no relacionales (NoSQL).
Google Gran Tabla y Hadoop Hbase.
Unidad II: Ecosistema Hadoop.
Introduccin al ecosistema Hadoop de Cloudera.
Herramientas del ecosistema: Pig, Hive, Impala y Hue.
Movimiento masivo de datos: Sqoop.
Datos Secuenciales (Streaming): Flume.
Spark.
Librera de Aprendizaje de Mquina: Spark MLlib.
Curso 2: Aprendizaje de Mquina para Big Data.
Unidad I: Conceptos Fundamentales de Aprendizaje de Mquina y Big Data.
Introduccin al aprendizaje de mquina.
Tcnica de vecinos cercanos.
Redes neuronales de capa oculta.
Modelos de aprendizaje de mximo margen.
Optimizacin y tcnicas de descenso de gradiente estocstico.
Limitaciones de tcnicas tradicionales de aprendizaje de mquina para problemas de Big Data.

Educacin Profesional Escuela de Ingeniera Pontificia Universidad Catlica de Chile

www.ing.uc.cl/educacionprofesional

Unidad II: Tcnicas de Aprendizaje de Mquina para Big Data.

Tcnicas de hashing con colisin local.
Modelos jerrquicos composicionales y aprendizaje estructural.
Representaciones distribuidas.
Redes neuronales convolucionales de aprendizaje profundo.
Redes neuronales recurrentes.
Curso 3: Tcnicas de Visualizacin y Sistemas de Recomedacin.
Unidad I: Tcnicas de Visualizacin.
Fundamentos: Abstraccin de datos, marcas y canales, procesamiento humano de la informacin.
Representaciones estadsticas y algoritmos.
Reduccin de dimensionalidad.
Visualizacin de datos espaciales, temporales y redes sociales.
Evaluacin de sistemas de visualizacin.
Herramientas de software y estudio de casos.
Unidad II: Sistemas de Recomendacin.
Datos usados para generar recomendaciones.
Fuentes de informacin espacial, temporal y redes sociales.
Mtricas de distancia.
Preferencias basadas en retroalimentacin explcita e implcita.
Mtodos de recomendacin: personalizados, colaborativos, basados en contexto o contenido, hbridos.
Evaluacin de sistemas recomendadores.
Estudio de casos.
Curso 4: Computacin de Alto Rendimiento y Teora de Grafos para Big Data.
Unidad I: Computacin de alto rendimiento para Big Data.
Introduccin al procesamiento paralelo de datos.
Uso de recursos elsticos y procesamiento en la nube.
Modelos para almacenamiento distribuido de archivos en clusters.
Modelos para manejo distribuido de memoria en clusters.
Modelos para ejecucin distribuida de proceso en clusters.
Procesamiento en unidades grficas (GPUs).
Unidad II: Teora de grafos para Big Data.
Conceptos fundamentales de teora de grafos: grado, isomorfismos, conectividad, centralidad,
traversabilidad, bsqueda y ranking, mtricas de distancia.
Base de datos para grafos.
Grafos como herramienta analtica para Big Data.
Grafos para modelamiento y anlisis de datos espaciales y redes sociales.
Grafos para modelamiento y anlisis de datos dinmicos.
Grafos como herramienta de modelamiento y descubrimiento de patrones semnticos.
Estudio de casos.

JEFE DE PROGRAMA
ALVARO SOTO A., PHD.
Profesor Asociado, Departamento de Ciencia de la Computacin, Escuela de Ingeniera, UC; Master of Science,
Louisiana State University, EE.UU.; Doctor of Philosophy in Computer Science, Carnegie Mellon University, EE.UU.

Educacin Profesional Escuela de Ingeniera Pontificia Universidad Catlica de Chile

www.ing.uc.cl/educacionprofesional

EQUIPO DOCENTE
EDUARDO GRAELLS-GARRIDO, PHD.
Investigador del Centro de Investigacin y Desarrollo de Telefnica, Chile; Ingeniero Civil en Computacin,
Universidad de Chile; Doctor of Philosophy en Informtica, Universitat Pompeu Fabra, Espaa.
HANS LOBEL D., PHD
Profesor Instructor, Departamento de Ciencia de la Computacin, Escuela de Ingeniera, UC; Ingeniero Civil en Ciencia
de la Computacin, UC; Magster en Ciencias de la Ingeniera, UC; Candidato a Doctor en Ciencias de la Ingeniera,
UC.
DENIS PARRA S., PHD
Profesor Asistente UC; Ingeniero Civil en Informtica, Universidad Austral de Chile; Doctor of Philosophy in
Information Science, University of Pittsburgh, EE.UU.
KARIM PICHARA B., PHD.
Profesor Asistente, Departamento de Ciencia de la Computacin, Escuela de Ingeniera, UC; Ingeniero Civil de
Industrias con Mencin en Computacin, UC; Magster en Ciencias de la Ingeniera, UC; Doctor en Ciencias de la
Ingeniera, UC.
JUAN REUTTER D. PHD.
Profesor Asistente, Departamento de Ciencia de la Computacin, Escuela de Ingeniera, UC; Ingeniero Civil en Ciencia
de la Computacin, UC; Magster en Ciencias de la Ingeniera, UC; Doctor of Philosophy in Computer Science,
University of Edinburgh, United Kingdom.
ALVARO SOTO A., PHD.
Profesor Asociado, Departamento de Ciencia de la Computacin, Escuela de Ingeniera, UC; Master of Science,
Louisiana State University, EE.UU.; Doctor of Philosophy in Computer Science, Carnegie Mellon University, EE.UU.
CRISTIAN RUZ R., PHD.
Profesor Asistente, Departamento de Ciencia de la Computacin, Escuela de Ingeniera, UC; Ingeniero Civil en Ciencia
de la Computacin, UC; Magster en Ciencias de la Ingeniera, UC; Doctor of Philosophy en Informtica, Universit de
Nice Sophia Antipolis, Francia.
* EP (Educacin Profesional) de la Escuela de Ingeniera se reserva el derecho de remplazar, en caso de fuerza
mayor, a l o los relatores indicados en este programa.
METODOLOGA
Todas las actividades tericas y prcticas buscan potenciar las habilidades de capacidad de anlisis, toma de
decisiones y el trabajo en equipo, a travs de la presencia y participacin del alumno en las sesiones de los cursos.
El marco metodolgico combina diferentes mtodos de enseanza, con el propsito de lograr un alto nivel de
aprendizaje en los alumnos. Para ello se contemplan:
Exposiciones conceptuales y participativas apoyadas por material audio visual.
Clases expositivas e interactivas, donde el profesor realizar un juego de preguntas a los alumnos, con el
propsito de aprovechar la historia y experiencia de los participantes.
Actividades prcticas de anlisis, ajustadas a las necesidades e intereses de los participantes y sus
empresas; stas se realizarn en grupos conformados por 3 4 personas.
Anlisis colectivos de casos, al finalizar las actividades prcticas.
Revisin y discusin de lecturas, y casos escritos que sern proporcionados por los docentes.

Educacin Profesional Escuela de Ingeniera Pontificia Universidad Catlica de Chile

www.ing.uc.cl/educacionprofesional

REQUISITOS DE APROBACIN
La nota final del Diplomado se obtendr a travs del promedio aritmtico de las notas de los 4 cursos, donde cada
curso tiene una ponderacin de 25%.
Para aprobar el diplomado, el alumno debe cumplir con dos requisitos:
A) Un mnimo de asistencia de 85% a todo evento.
B) Requisito acadmico: Se cumple aprobando todos los cursos con nota mnima 4,0.
El alumno slo podr reprobar un curso, y en este caso la aprobacin total del diplomado queda sujeta a
que el promedio de todos los cursos sea igual o superior a 5,0.
Con dos cursos reprobados (bajo nota 4,0), el alumno reprueba automticamente todo el programa.
Los alumnos que aprueben las exigencias del programa recibirn un certificado de aprobacin otorgado por la
Pontificia Universidad Catlica de Chile.
*Nota: Las personas que no cumplan con el requisito de aprobacin, no recibirn ningn tipo de certificacin.

INFORMACIONES GENERALES
Duracin: 144 horas cronolgicas - 20 crditos
Valor: $ 2.900.000
Modalidad: Presencial
Lugar de realizacin: Por confirmar
Contacto: programas@ing.puc.cl
Telfono: 56 2 2354 4516
*Puede haber modificaciones de fechas y/o docentes por razones de fuerza mayor

Educacin Profesional Escuela de Ingeniera Pontificia Universidad Catlica de Chile

www.ing.uc.cl/educacionprofesional