Curso Big Data y Supercomputación. Transformando datos en conocimiento.
El curso "Big Data y Supercomputación: Transformando datos en conocimiento", tendrá lugar del 12 al 20 de diciembre, en horario de tarde, en la Escuela Politécnica de Cáceres. Este curso tiene una duración de 23 horas, y se encuentra dirigido principalmente a egresados universitarios en Ingeniería Informática e Ingeniería de Telecomunicación, estudiantes de 3º y 4º de las mismas ingenierías y estudiantes de doctorado o máster de titulaciones afines.
Se expedirán certificados de asistencia y aprovechamiento. El acceso será libre, aunque limitado a un máximo de 25 alumnos, por lo que se requiere la realización de una inscripción on-line previa.
![Formulario de inscripción en el curso Big Data y Supercomputación](/sites/cenits.es/files/webform/boton_2.jpg)
Horario:
- Lunes 12, martes 13 y miércoles 14: 16:00 a 21:00 horas.
- Jueves 15: 16:00 a 19:00 horas.
- Lunes 19: 16:00 a 21:00 horas.
A continuación se muestra el programa completo del curso:
Bloque 1: Presentación (1 hora)
- Presentación de LUSITANIA I y II.
- Entorno de trabajo.
- Proyectos de la Fundación.
- Introducción a big data y ejemplos para mostrar la problemática del big data.
- Retos al procesar datos big data.
Bloque 2: Supercomputación y framework de Hadoop / Puesta en valor del servicio (9 horas)
- Cloud computing y OpenNebula.
- Hadoop: Justificación y características.
- Módulos básicos del ecosistema de Apache para Hadoop.
- HDFS: Características, arquitectura, rendimiento, configuración, lectura y escritura.
- MapReduce / YARN: Flujo de información y estrategias de definición de map y reduce.
- Práctica: Adición de nuevo nodo al clúster de Hadoop.
- Casos prácticos de recolección de datos para su almacenamiento en el clúster.
- Procesamiento de datos en tiempo real.
Bloque 3: Data Science (10 horas)
- Metodología y buenas prácticas para el procesamiento de datos científicos.
- Programación con R.
- Modelo de programación map / reduce con R.
- Herramientas para la detección de patrones en conjuntos de datos científicos.
- Machine learning: conceptos básicos.
- Implementación de algoritmos de machine learning en Hadoop.
Bloque 4: Casos de éxito con Big Data (3 horas)
- Nuk Consultants: Big Data en el sector turismo.
- ViewNext: Detección de Fraude a la Seguridad Social: Empresas Ficticias.
- CénitS: Aplicación de técnicas Big Data a la predictibilidad del consumo energético. Proyecto ConSumar.
Attachment | Size |
---|---|
![]() | 602.56 KB |