Introducción 5Introducción al Big data 61. Conocimiento de la evolución del Business Intelligence (BI) tradicional al Big Data. 81.1. Navegación web, geolocalización y audiencias de TV: impacto en el análisis de datos. 81.2. Cómo el Big Data resuelve problemas del tratamiento masivo de datos. 92. Identificación de las características del Big Data. 112.1. Las 4 V's: Volumen, Velocidad, Variedad y Veracidad. 112.2. Valor del dato. La importancia de la calidad y el valor que aportan los datos. 122.3. Nuevas dimensiones: escalabilidad y características adicionales de Big Data. 133. Comprensión de los nuevos paradigmas del Big Data. 153.1. Procesos en tiempo real: cómo Big Data permite la respuesta en tiempo real a eventos. 153.2. Cloud Computing: cómo la computación en la nube apoya el procesamiento y almacenamiento masivo de datos. 164. Conocimiento de las principales características de Hadoop y su revolución en el tratamiento de datos. 184.1. Introducción a Hadoop: historia y su impacto en el procesamiento de datos paralelos. 184.2. HDFS y MapReduce: principales componentes de Hadoop. 195. Resumen. 226. Autoevaluación. 23Arquitectura Big data y principales tecnologías 251. Conocimiento general del ecosistema Hadoop. 261.1. HDFS: sistema de archivos distribuido de Hadoop. 261.2. MapReduce: la tecnología clave para el procesamiento paralelo de datos en Hadoop. 272. Identificación de los lenguajes de programación en Big Data. 292.1. Java y Scala: los lenguajes más utilizados en el desarrollo de soluciones Big Data. 292.2. SQL: el papel del SQL en la gestión de bases de datos estructuradas en Big Data. 302.3. 2.3 Python: uso de Python en análisis y procesamiento de datos. 303. Comprensión de los procesos ETL (Extracción, Transformación y Carga). 333.1. Herramientas como Flume, Sqoop y HIVE: cómo se gestionan y transforman grandes volúmenes de datos. 333.2. Introducción a las mejores prácticas y herramientas en los procesos ETL. 344. Adquisición del concepto real time y bases de datos de alta disponibilidad. 364.1. Kafka, HBASE y Redis: principales tecnologías utilizadas para bases de datos en tiempo real y de alta disponibilidad. 365. Concienciación con la seguridad y gobernanza del dato. 395.1. Importancia de la seguridad en Big Data: cómo proteger los datos en entornos distribuidos. 395.2. Gobernanza de datos: gestión de la calidad y el acceso a los datos en Big Data. 406. Resumen. 427. Autoevaluación. 43Ciencia de datos e Inteligencia artificial 451. Asimilación de conceptos sobre la Ciencia de Datos y la IA. 461.1. Conceptos clave de la Ciencia de Datos: qué es y cómo se aplica Big Data en la ciencia de datos. 461.2. Relación entre Big Data e Inteligencia Artificial: cómo se interrelacionan y se complementan en el análisis de datos. 472. Conocimiento de los lenguajes de programación en Ciencia de Datos. 492.1. R y Python: herramientas clave en el análisis de datos, exploración y procesamiento. 493. Comprensión de los algoritmos supervisa...