Menu

Big Data Professional Certificate

CERTIPROF

Descripción:

CertiProf® ofrece la certificación profesional en Big Data, para comprender la importancia del análisis de datos y cómo pueden obtener ideas que conduzcan a mejores decisiones y movimientos de negocios estratégicos.

Pre-requisitos:

No hay ningún requisito formal para esta
certificación.

Certificación:

Formato: Opción múltiple.
Preguntas: 40.
Idioma: Español.
Puntaje de aprobación: 24/40 o 60 %.
Duración: 60 minutos máximo.
Libro abierto: No.
Entrega: Este examen está disponible en
formato en línea.
Supervisado: Será a discreción del Partner.

¿Qué es Big Data?

Big Data se refiere a un conjunto de datos cuyo tamaño (volumen), complejidad (variabilidad) y velocidad de crecimiento (velocidad) dificultan su captura, gestión, procesamiento o análisis mediante
tecnologías y herramientas convencionales, tales como bases de datos relacionales y estadísticas convencionales. Esta certificación tiene como propósito enseñar a profesionales y organizaciones a identificar los problemas de una forma comprensible utilizando Big Data, para proporcionar soluciones útiles con la gran cantidad de información y con datos que pueden ser moldeados o probados de
cualquier manera que se considere adecuada.

Contenido

Capítulo 1 – Integridad de Big Data
Objetivos de Aprendizaje
Integridad
Contexto de Big Data
Dos Niveles de Big Data
CASELET: IBM Watson
Alcance de Big Data
Las 4 V’s de Big Data
Volumen
Velocidad
Variedad
Veracidad
Aplicaciones de Big Data
Gestión de Big Data
Ecosistema de Big Data
Analizando Big Data
Tablero en Tiempo Real
Resumen de Desafíos y Soluciones
Comparación de Tradicionales y Big Data
Preguntas de Revisión
Ejercicio Práctico de Liberty Stores: Paso B1

Capítulo 2 – Fuentes y aplicaciones de Big Data
Objetivos de Aprendizaje
Ecosistema/Arquitectura de Big Data
Aplicación de Google Flu
Fuentes de Big Data Sources
Comunicaciones Entre Personas
Comunicaciones Entre Personas y Máquinas
Comunicaciones Máquina a Máquina
Aplicaciones de Big Data
Monitoreo de Sensibilidad del Consumidor
Aplicaciones de Big Data
Aplicación de Vigilancia Predictiva
Aplicaciones de Big Data

Seguro de Automóvil Flexible
Preguntas de Revisión
Ejercicio Práctico de Liberty Stores: Paso B2

Capítulo 3 – Arquitecturas de Big Data
Objetivos de Aprendizaje
Arquitectura de Google Query
Ecosistema / Arquitectura de Big Data
Capas en Arquitectura de Big Data
Arquitectura IBM Watson
Arquitectura de Netflix
Arquitectura de VMWare
Arquitectura de una Compañía Meteorológica
Arquitectura de Ticketmaster
Arquitectura de LinkedIn
Arquitectura de PayPal
Ecosistema de Hadoop
Preguntas de Revisión
Ejercicio práctico de Liberty Stores: Paso B3

Capítulo 4 – Computación Distribuida Utilizando Hadoop
Objetivos de Aprendizaje
Ecosistema / Arquitectura de Big Data
Hadoop y MapReduce Definidos
¿Por qué la computación en Clúster?
Arquitectura de Hadoop: Fragmentación de Datos
Arquitectura Maestro-Esclavo
Arquitectura de Lectura y Escritura del Sistema de Archivos Distribuidos Hadoop (HDFS)
Características de HDFS
Instalando HDFS
Yet Another Resource Negotiator (YARN)
Preguntas de Revisión

 

Capítulo 5 – Procesamiento Paralelo con MapReduce
Objetivos de Aprendizaje
Arquitectura de Big Data

Arquitectura de MapReduce
Arquitectura Maestro-Esclavo en MapReduce
Papel de MapReduce 2004
Secuencia de MapReduce
MR Funciona como una Secuencia de UNIX
Contador de Palabras Usando MapReduce
Conteo de Palabras Usando MapReduce – Ejemplo 2
Seudo Código MapR para Contador de Palabras
Ejemplo de Contador de Palabras (Inglés): Myfile.txt
Resultados de Cada Segmento
Resultados Agrupados de Map Operations
Resultados Luego de la Fase de Reducción
Pig vs Hive
Lenguaje de Hive
Arquitectura de Lenguaje Pig
Preguntas de Revisión

Capítulo 6 – Bases de Datos NoSQL
Objetivos de Aprendizaje
Arquitectura de Big Data
Bases de Datos NoSQL
NoSQL vs RDBMS
Teorema CAP
Arquitectura NoSQL
Tipos de Bases de Datos NoSQL
Arquitecturas NoSQL Populares
Procesos de Cassandra
Lenguajes de Acceso NoSQL – Hive
Lenguajes de Acceso NoSQL – Pig
Preguntas de Revisión

Capítulo 7 – Procesamiento Stream con Spark
Objetivos de Aprendizaje
Arquitectura de Big Data
Computación Definida en Stream
Conceptos de Streaming
Aplicaciones de Streaming
Características del Algoritmo de Streaming

Filtro Bloom
Apache Spark para Computación Streaming
Ecosistemas de Código Abierto
Arquitectura de Apache Spark
Spark vs Hadoop
Conjuntos de Datos Distribuidos Resilientes de Spark (RDD)
Mecanismo de Procesamiento Spark
Código de Spark para Pagerank
Preguntas de Revisión

Capítulo 8 – Nueva Ingestión de Datos
Objetivos de Aprendizaje
Arquitectura de Big Data
Sistema de Ingestión de Datos
Sistemas de Mensajería
Arquitectura de Apache Kafka
Componentes de Kafka
Mecanismo de Tópicos de Kafka
Atributos Clave de Kafka
Preguntas de Revisión

Capítulo 9 – Computación en la Nube
Objetivos de Aprendizaje
Arquitectura de Big Data
Computación en la Nube
Modelo de Acceso a la Computación en la Nube
Computación en la Nube como una Infraestructura Virtualizada
Beneficios de la Computación en la Nube
Modelos de Computación en la Nube – por Propiedad y Rango de Servicios
Preguntas de Revisión

Capítulo 10 – Aplicación de Análisis Web
Objetivos de Aprendizaje
Arquitectura de Web-Analyzer
Tecnología
Código de Aplicación
Preguntas de Revisión

 

Hable con uno de nuestros consultores

Abrir chat
¿Necesitas ayuda?
Hola,
¿En qué podemos asesorarte?