Temario Completo Bootcamp Big Data & Machine Learning

TEMARIO BOOTCAMP BIG DATA &
MACHINE LEARNING
IV EDICIÓN
BOOTCAMP BIG DATA & MACHINE LEARNING
OBJETIVO DEL BOOTCAMP
Objetivo del módulo: Dominarás los conocimientos necesarios para implantar cualquier

arquitectura y para la realización de los desarrollos tanto técnicos como analíticos
necesarios dentro del mundo del Big Data.
TEMARIO
1. Gestión del dato

Objetivo del módulo: Dominarás las bases del Big Data: Business Intelligence,
DataWarehousing, Data Management, leyes de protección de datos y el contexto en el que
se mueve el mundo del Big Data
Duración: 28 horas
Data 101 (8h)

● Metadata
● Tipos
● Formatos
● Estructura
● Datos en tránsito vs Datos en reposo
Data Management (8h)
● Público vs Privado
● Relational
● Web
● Internet of Things
KeepCoding
916 29 57 61 - 619892801
cursos@keepcoding.io
Data Warehouse (6h)

● Volumen
● Velocidad
● Variedad
● Veracidad
● Valor
Casos de uso de Big Data (4h)

Protección de Datos (2h)
● Master Data Management (MDM)
● Procedencia de los datos
● Gestión del ciclo de vida de los datos
● Seguridad y gestión de acceso
● Privacidad de los datos
● Cuestiones éticas y legales
2. Big Data
Objetivo del módulo: Dominarás cómo montar arquitecturas Big Data, tanto on premise
como en cloud, así cómo el procesamiento óptimo para trabajar con los grandes y variados
tipos de datos disponibles.
Duración: 48 horas
Big Data Architecture (24h)

● Componentes
● Data Pipeline
Requisitos de datos
Recolección de datos
● Data Scrapping
● Crawling
Limpieza de datos
● Validación de datos
● Deduplicación

KeepCoding
916 29 57 61 - 619892801
● Agregación de datos
● Segmentación de datos
Almacenamiento de datos
● Data lake architectures
● HDFS, S3
Data Wrangling y formatos estándar
● CSV
● XML
● JSON
● Avro
Bases de datos y almacenes
● Relacional: MySQL
● No relacional: HBase, Cassandra
● Almacenes: Hive
Cloud Computing
● Conceptos básicos
● Ejemplo: AWS
Big Data Processing (Spark & Scala) (24h)

Scala
● Integración con Java

● Implícitos y explícitos
● Literals
● Values
● Variables
● Types
● Programación funcional
● Tuplas
● Condicionales
● Loops
KeepCoding
916 29 57 61 - 619892801
●Funciones
● Colecciones
● Clases
● Objetos
● Traits
Introducción
● Casos de uso
● Casos de éxito
● Arquitectura
○ Arquitectura batch
○ Arquitectura lambda
○ Arquitectura kappa
○ Spark standalone
■ Spark shell tools
■ Master
■ Worker
■ Launching a job
● Spark submit
● Spark UI
Spark Core
● Yarn
● Driver
○ SparkContext - SparkSession
○ DAG
○ Configuration
● Executors
● Paralelismo
● Persistencia
KeepCoding
916 29 57 61 - 619892801
● Particiones
● Formatos de fichero
○ Serialización
○ CSV
○ Parquet
○ Sequence files
○ Avro
○ Json
● Ingesta
● Guardado
○ HDFS
○ NoSQL
○ S3
● RDDs
○ Transformaciones
■ map
■ flatMap
■ richMap & richFlatMap
■ filter
■ group
■ Transformaciones entre 2 objetos
● union
● Intersection
● substract
● cartesian
○ Acciones
■ collect
■ count
■ countbyValue
■ take
■ top
■ takeOrdered
■ reduce
■ aggregate
■ foreach

KeepCoding
916 29 57 61 - 619892801

○ Pares
■ Operaciones
● reduceByKey
● groupByKey
● values
● sortByKey
● mapValues
● flatMapValues
● substractByKey
● join
● rightOuterJoin
● leftOuterJoin
● cogroup
● countByKey
● collectAsMap
● lookup
● Datasets
○ Schemas
○ Temporary Views and Global Temporary Views
○ Interoperability with RDD
● Cache
● Persist
● Variables compartidas
○ Broadcast
○ Acumuladores
● Particionamiento
KeepCoding
916 29 57 61 - 619892801

Spark SQL
● Hive
○ HiveContext
● Impala
● DataFrames
○ registerTempTable
○ Tipos
■ estructurados
■ no estructurados
● Caching
● JDBC/ODBC
○ Load data
■ RDD to Dataframe
○ Saving data
● UDFs
Spark Streaming
● Realtime vs near real time (microbatching)

● Exactly one, at least once, at most once
● API
● DStream
● DataSources
○ Apache Kafka
● Ventanas
● Structured streaming
Analytics
● Conector con NoSQL (Cassandra)

● Conector con Elasticsearch
● Introducción a Kibana
KeepCoding
916 29 57 61 - 619892801
Tuning
● Principios básicos del tuning

● Configuración Spark Conf
● Jobs, tasks y stages
● Registros de Spark
● Paralelismo
● Serialización
● Gestión de memoria
● Aprovisionamiento
● Particionamiento
● Cache
● Coalesce
Spark Machine learning (Introducción):
● Algoritmos:
○ Supervisados
○ No supervisados
○ Semisupervisados
○ Estadísticos
○ Clasificación
○ Clustering
○ Collaborative filtering
○ Reducción de dimensiones
● API
Spark GraphX (Introducción):
● GraphFrame
KeepCoding
916 29 57 61 - 619892801
3. Big Data Analytics & Machine Learning

Objetivo del módulo: ADominarás los algoritmos y herramientas de análisis que se utilizan
para llevar a cabo las tareas de analítica de los datos en las diferentes disciplinas: Data
Mining, Machine Learning, Deep Learning, NLP, Searching, etc. así cómo las herramientas
de visualización más demandadas del mercado.
Duración: 206 horas
Exploración y Visualización de Datos (16h)
● Tableau Desktop y sus módulos

○ Elementos de una visualización
● Conexión a los datos
○ Creación de una conexión
○ Conexión en vivo vs. creación de extractos
○ Opciones de uso compartido
● Simplificación y ordenación de datos
○ Métricas y KPIs
○ filtrado de datos, creación y ordenación de filtros
● Organización de los datos
○ Grupos, conjuntos y creación y uso de jerarquías
● División de datos por fecha
○ Manejo de fechas y fechas personalizadas
● Mapeo geográfico de datos
○ Mapas, capas y navegación en ellos
● Panel de análisis
○ Líneas y bandas de referencia
○ Análisis instantáneo
○ Pronósticos
○ Evolución de los datos
● Análisis de datos con cálculos de tablas rápidas
● Personalización de los datos
○ Creación de campos calculados junto con funciones de texto, fechas, lógicas. y
funciones LOD (Level of detail)
● Configuración y diseño avanzado de dashboards
KeepCoding
916 29 57 61 - 619892801
● Visualización de la relación entre valores numéricos

○ Diagramas de dispersión
○ Creación de conjuntos
○ Mezclado de conexiones
○ Regresión
○ Clustering
● Visualización de valores específicos
○ Mapas de calor
○ Tablas cruzadas
○ Tablas resaltadas
○ Totales y subtotales junto con cambios en la agregación
● Visualización de desglose de un todo
○ Gráficos circulares
○ Gráficos donut
○ Nube de palabras
○ Mapas de árbol
● Visualización de distribuciones
○ Agrupaciones e histogramas
○ Diagrama de cajas
● Análisis visual.
○ Recomendaciones en la representación de los datos.
Ad Hoc — D3.js (8h)
Estadística (24h)
Introducción R y Notebooks
● Comandos básicos
● Funciones
● Instalación de paquetes
● Gráficos
KeepCoding
916 29 57 61 - 619892801
Estimadores estadísticos
● Media aritmética
● Media geométrica
● Varianza/desviación típica
○ Desigualdad de Chebyshev
● Mediana
● Cuartiles
● Percentiles
● Moda
Funciones de probabilidad
● Boxplot
● Histograma
● Función de densidad de probabilidad
● Función de distribución acumulativa
● Funciones de probabilidad conocidas:
○ Distribución uniforme
○ Distribución de bernoulli
○ Distribución binomial
○ Distribución de Poisson
○ Distribución exponencial
○ Distribución gaussiana
○ Distribución Chi-cuadrado
Relaciones entre dos variables:
● Covarianza
● Correlación
● Regresión lineal
KeepCoding
916 29 57 61 - 619892801
● Teoría de la información
○ Entropía
○ información mutua
● Teorema de Bayes:
○ Red Bayesiana
Muestreo
● Estimadores
○ Sesgo
○ Varianza
● Tipos de muestreo
○ Aleatorio simple
○ Estratificado
Margen de error:
● Distribución gausiana
○ Varianza conocida
○ Varianza desconocida
Tests estadísticos
● tipos de error
● p-value
● Test de 2 grupos:
○ Comparando las medias: t-Student, Welchs
○ Comparando la varianza: Fisher
● Tests de X grupos:
○ Una variable dependiente:
■ ANOVA
■ Welchs-ANOVA
○ 2 way ANOVA
○ MANOVA
KeepCoding
916 29 57 61 - 619892801
● Tablas de contingencia:
○ Chi-cuadrado
● Tests de bondad:
○ Chi-cuadrado
○ Test Kolmogorov–Smirnov
● Estimador máxima verosimilitud/Estimador máximo a posteriori
Álgebra (24h)
● Preliminares
○ ¿Qué es el Álgebra Lineal?
○ ¿Por qué debemos estudiar Álgebra Lineal?
○ Números
○ Cadenas
○ Booleanos
○ AND, OR y NOT
○ Condicionales
○ Conjuntos
○ Listas
○ Tuplas
○ Diccionarios
○ Objetos matemáticos en Álgebra Lineal
○ Librerías en Python para Álgebra Lineal
● Vectores
○ ¿Qué es un vector?
○ Los vectores son funciones
○ ¿Qué podemos representar con un vector?
○ Suma de vectores
○ Multiplicación de un vector por un escalar
○ Suma y producto escalar combinados
○ Combinación lineal
○ Vectores en GF(2)
○ Producto escalar
KeepCoding
916 29 57 61 - 619892801
● Espacios vectoriales
○ Definición de espacio vectorial.
○ Combinaciones lineales
○ Generadores
○ Sistema de coordenadas
● Matrices
○ ¿Qué es una matriz?
○ Suma de matrices
○ Multiplicación de una matriz por un escalar
○ Multiplicación matricial
○ Traspuesta de una matriz
○ Matriz inversa (usando Gauss)
○ Rango de una matriz
● Determinantes
○ ¿Qué es un determinante?
○ Operaciones por filas
○ Matriz invertible
○ Regla de Sarrus para el determinante de orden 3
● Sistema de ecuaciones
○ ¿Qué es un sistema de ecuaciones?
○ Tipos de sistemas de ecuaciones
○ Cálculo de soluciones de un sistema de ecuaciones
● Aplicaciones prácticas
○ Reducción de la resolución
○ Difuminar en imágenes
○ Códigos de corrección de errores
● Funciones lineales
○ De matrices a funciones
○ De funciones a matrices
○ Función lineal
○ Núcleo de una función lineal
○ Inner product
○ Outer product
KeepCoding
916 29 57 61 - 619892801
● Bases
○ Sistemas de coordenadas
○ Representación de las coordenadas de un vector
○ Mínimo número de vectores
○ Bosque de extensión mínima
○ Bases
○ Cambio de base
● Dimensiones
○ Puntos importantes
○ Dimensión
○ Subbases
○ Estimación de la dimensión
○ Suma directa de subespacios vectoriales
● Eliminación Gaussiana
○ Utilidades
○ Forma escalonada
○ Factorización LU de una matriz
● Inner Product
○ Distancia, norma, longitud
○ Producto interno
○ Ortogonalidad
○ Descomposición de un vector en componentes paralelos y perpendiculares
● Método de los mínimos cuadrados
○ Resolver un SI
○ Cálculo de la recta que pasa por varios puntos no alineados
● Criptografía
○ Ejemplo práctico
● Valores y vectores propios
○ Valores y vectores propios
○ Ecuación característica
○ Polinomio característico
KeepCoding
916 29 57 61 - 619892801
● Números complejos
○ Suma
○ Multiplicación
○ División
○ Conjugado
○ Valor absoluto
○ Argumento
○ Fórmula de Euler
○ Solución de ecuaciones con raíces imaginarias
● PageRank
Data Mining (24h)
Preprocesamiento
● Normalización
● Missing values, outliers
● Variables categóricas
Aprendizaje supervisado (introducción)
● Regresión lineal
● Regresión logística
● LOGIT; PROBIT
● Modelos lineales
generalizados
● LDA
Aprendizaje no supervisado
● Clustering
● Métodos jerárquicos
● Métodos no jerárquicos
● Introducción a Redes
Neuronales
KeepCoding
916 29 57 61 - 619892801
Reducción de la dimensionalidad
● PCA (factorización matricial)
● Análisis factorial
Machine Learning 101 (24h)
● Introducción y conceptos fundamentales

○ ¿Qué es ML? diferencias con Inteligencia artificial y Deep Learning
○ Tareas del ML: aprendizaje supervisado, no supervisado, aprendizaje por
Terminología y notación
○ Función de coste
○ Ciclo del vida de ML
● Conceptos básicos en ML
○ Maldición de la dimensionalidad
○ Problema del overfitting
○ Entrenamiento vs test vs complejidad
○ Compromiso sesgo-varianza
● Selección del modelo
○ Validación cruzada
● Regularización
○ Ridge regression y Lasso
● Selección de características:
○ Métodos de filtrado
○ Métodos Wrapper: selección hacia delante y hacia atrás.
○ Métodos Embedded
● Alternativa: reducción de la dimensionalidad.
● Árboles de decisión.
KeepCoding
916 29 57 61 - 619892801
● Árboles de decisión
● Métodos de agrupamiento
○ El método Boostrap
○ Bagging, Random Forest
○ Boosting
○ Boosted Trees
● Regularización y selección de características en métodos de agrupamiento

● Partial Dependence Plots
● Máquinas de vectores Soporte
○ Hiperplano separador
○ Errores en clasificación: coste C.
○ Fronteras no lineales: métodos Kernel
○ Búsqueda de parámetros libres SVMs
○ Selección de características y regularización con SVMs
● SVMs para regresión
● Otros métodos Kernel
○ Ridge Kernel Regression

○ Kernel PCA
● Redes neuronales
○ De regresión logística a NN
○ Justificación de Redes Neuronales
○ Representación y función de coste
○ Backpropagation
○ Predicción con NN
● Sistemas de recomendación
○ Motivación
○ Ranking / popularidad
○ Basado en contenido
○ Filtrado colaborativo
■ user-user
■ item-item
○ Factores latentes
KeepCoding
916 29 57 61 - 619892801
Deep Learning (32h)
Conceptos básicos de redes neuronales

Principales variantes: CNN, RNN
Diseñando redes neuronales
Herramientas
● CNTK (Microsoft)
● TensorFlow (Google)
● Torch (usado en Facebook y Twitter)
● Otros: Deeplearning4j, Theano, Caffe, Neon, MXNet, and Paddle
Ejemplos prácticos
SCRUM para Big Data (20h)

● Introducción
● Agile and Scrum Overview
● Agile Overview
● Necesidad de Agile
● Metodologías Ágiles mas comunes
● Agile Manifesto
● Agile Principles
● What has changed?
● Scrum Overview
● Roles de Scrum
● Product Owner
● Scrum Master
● Scrum Team
● Ceremonias de Scrum
● Sprint
● Sprint Planning
● Daily Scrum meeting
● Sprint Review
● Sprint Retrospective
● Artefactos de Scrum
KeepCoding
916 29 57 61 - 619892801
● Product Backlog
● Sprint Backlog
● Burndown Chart
● Ciclo de vida típico de un proyecto Ágil
● Introduccion: Visión
● Planificacion: Product Backlog, Roadmap, Release Plan
● Implementación: Iteration Plan, daily Standup, Revisión y Retrospectiva
● Scalando Scrum
● Scalability of Scrum
● Scrum de Scrums (SoS)
● Mapeando Roles tradicionales con Roles de Scrum
● Revisión del Backlog de Preguntas y Expectativas
Emprendimiento (8h)
Pitch & Skills(2h)
NLP (24h)
Introducción
● ¿Para qué sirve NLP? Explicación de problemas típicos

● Descripción uso Deep Learning vs Machine Learning
● Límites actuales de NLP
● ¿Qué hemos resueltos y qué falta por resolver?
● Explicación del pipeline clásico
Preprocess
Libraries
● Spacy
● Levensthein distance
● Re
KeepCoding
916 29 57 61 - 619892801
¿Qué haremos?
● Tokenización
● Stemming
● Edit Distance
● Regex
Features
Libraries
● Spacy
● Sklearn
● Numpy
¿Qué haremos?
● Empezar con features. Qué denominamos features. Cuáles son las

más relevantes para NLP.
● Diferentes tipos de features para diferentes tipos de problemas y
combinaciones de features. Ejemplos como Part of Speech.
● Ver features para clasificadores como Unigrams y el modelo de Bag of
Words. Ver deficiencias de BoW y saltar a N-Grams, y Bag of grams.
● Terminar Con Parseo, y cómo entender relaciones entre palabras y
usarlas. ¡Más features!
Visualización de features
Libraries
● seaborn
¿Qué haremos?
● Breve repaso de exploración de features
● Visualización de distribuciones de palabras
● Distribuciones por temática
KeepCoding
916 29 57 61 - 619892801
Supervised Learning
Libraries
● Spacy
● Sklearn
● Numpy
¿Qué haremos?
● ¿Qué hacemos con las features?

● Modelos simples como bag of words
● Modelos de clasificación y predicción
● Modelado de lenguaje, ¡predecir palabras!
● Named Entity Recognition
● Spam detection
● Sentiment Analysis
Unsupervised learning
Libraries
● Gensim
¿Qué haremos?
● ¿Cómo descubrir diferentes temáticas en textos sin supervisión, y qué
palabras definen cada temática
■ Topic modelling
■ SVD
■ Latent Dirichlet Allocation
Word embeddings
Libraries
● Gensim
KeepCoding
916 29 57 61 - 619892801
¿Qué haremos?
● ¿Qué son?
● ¿Para qué se usan? Ejemplos prácticos
● Cómo crear nuestros propios embeddings
● Visualización de embeddings
Revisit Supervised Learning con deep learning.
Libraries
● Keras
● pytorch?
¿Qué haremos?
● CNN para clasificación de texto
● RNN para clasificación de texto
● RNN para generar texto
● Seq2Seq models para Machine Translation
Information Retrieval
Libraries
● Sklearn
● Spacy
¿Qué haremos?
● Índices Invertidos I
● Boolean Search
● Precision vs recall
● ¿Qué es un documento?
● Zonas y distribución de pesos
● TF-IDF
● Vector space model
KeepCoding
916 29 57 61 - 619892801
● Calcular proximidades
○ Cosine Distance
● Query Term proximity
● Latent Semantic Indexing
● Learning Ranking Functions
Master Classes
● CTO (común para todos los bootcamps)
● Chatbots
● Voice Analytics
● Bases de Datos (común para todos los bootcamps)
● DataOps
● Emprendimiento
● Pitch
● Docker
● ETL
*Nota: El contenido exacto de cada módulo puede sufrir variaciones de una edición a otra, ya que los
adaptamos a las novedades del mercado en cada edición, para asegurar siempre la formación más puntera.
KeepCoding
916 29 57 61 - 619892801

Temario Completo Bootcamp Big Data &amp; Machine Learning

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Temario Completo Bootcamp Big Data &amp; Machine Learning

Încărcat de

Drepturi de autor:

Formate disponibile

TEMARIO BOOTCAMP BIG DATA &

OBJETIVO DEL BOOTCAMP

Objetivo del módulo: Dominarás los conocimientos necesarios para implantar cualquier

1. Gestión del dato

Data 101 (8h)

Data Management (8h)

Data Warehouse (6h)

Casos de uso de Big Data (4h)

Big Data Architecture (24h)

Big Data Processing (Spark & Scala) (24h)

● Integración con Java

● Realtime vs near real time (microbatching)

● Conector con NoSQL (Cassandra)

● Principios básicos del tuning

Spark Machine learning (Introducción):

Spark GraphX (Introducción):

3. Big Data Analytics & Machine Learning

Exploración y Visualización de Datos (16h)

● Tableau Desktop y sus módulos

● Visualización de la relación entre valores numéricos

Ad Hoc — D3.js (8h)

Relaciones entre dos variables:

Data Mining (24h)

Aprendizaje supervisado (introducción)

Machine Learning 101 (24h)

● Introducción y conceptos fundamentales

● Selección del modelo

○ Ridge regression y Lasso

● Alternativa: reducción de la dimensionalidad.

● Regularización y selección de características en métodos de agrupamiento

○ Ridge Kernel Regression

Deep Learning (32h)

Conceptos básicos de redes neuronales

SCRUM para Big Data (20h)

Pitch & Skills(2h)

● ¿Para qué sirve NLP? Explicación de problemas típicos

● Empezar con features. Qué denominamos features. Cuáles son las

● ¿Qué hacemos con las features?

Revisit Supervised Learning con deep learning.

S-ar putea să vă placă și

Temario Completo Bootcamp Big Data & Machine Learning

Temario Completo Bootcamp Big Data & Machine Learning