Inteligencia Artificial y Ciencia de Datos
5
Contenidos
Bloque 1. Introducción e Integración de Datos
MÓDULO 3. DISEÑO Y EXPLOTACIÓN DE BASES DE DATOS RELACIONALES • Nociones básicas del modelo relacional: Modelo conceptual, modelo lógico y modelo físico. • Introducción al lenguaje de consultas estructurado SQL: DDL, DML y DCL. • Análisis de datos con SQL. MÓDULO 4. TECNOLOGÍAS DE ALMACENAMIENTO ESCALABLE • Introducción a las bases de datos NoSQL: origen, evolución y contexto histórico. • Persistencia poliglota: escoger el modelo de datos más adecuado para cada problema. • Modelos de Agregación: características, tipos (clave-valor, documental y orientado a columnas) consideraciones de diseño y casos de uso. • Modelos en grafo: características, consideraciones de diseño y casos de uso.
• Sistemas distribuidos: definición, tipos (cliente/servidor, peer-to-peer…), estrategias de distribución (fragmentación y replicación) y consistencia de datos (ACID vs BASE). • Ejercicios y ejemplos usando bases de datos NoSQL: MongoDB y Neo4J.
MÓDULO 1. FUNDAMENTOS DE BIG DATA E INTELIGENCIA ARTIFICIAL
• Definición, Componentes y Tipología de Sistemas de Inteligencia de Negocio. • Contextualización y Diseño de Sistemas de Inteligencia de Negocio. • Fuentes y Calidad de los Datos. MÓDULO 2. INTRODUCCIÓN AL TRATAMIENTO Y ANÁLISIS DE DATOS CON PYTHON • El lenguaje de programación Python. • Captación, fuentes de datos y formatos. Procesos ETL: Archivos, bases de datos.
• Acceso a datos Web. • Servicios Web y APIs.
Made with FlippingBook flipbook maker