Herramientas

Departamento de Formación de Fedeto

Estas en: Inicio
Jueves, 21 Jun 2018

Fundamentos del Big Data para Pymes (Gratuito)

informaticaIniciarse en el concepto de Big Data y sus aplicaciones en el mundo de las Pymes, dando a conocer diversas técnicas de almacenamiento y procesamiento utilizadas para el trabajo con datos masivos.

Inscripción trabajadores Inscripción desempleados

Información adicional

  • Denominación: Fundamentos del Big Data para Pymes
  • Area Profesional: Informática y Diseño Web
  • Plan de Formación: Intersectorial
  • Tipo de Formación: Gratuita
  • Modalidad: Presencial
  • Número de Horas: 30
  • Coste: Gratuito
  • Impartido en: Toledo: Iniciado | Talavera: 03-09-2018
  • Horario: Lunes a Viernes, de 19:00 a 22:00 Horas
  • Perfil Alumno: Nivel de Estudios Básicos
  • Destinatarios: Prioritariamente Activos
  • Descripción del curso:

    1. INTRODUCCIÓN A LA ANALÍTICA WEB
    1.1 ECOSISTEMA DE LA ANALÍTICA WEB.
    1.2 HERRAMIENTAS DE LA ANALÍTICA WEB
    1.3 EL CLIENTE COMO FUENTE DE DATOS

    2. ANÁLISIS UNIVARIANTE Y MULTIVARIANTE
    2.1 INTRODUCCIÓN AL SOFTWARE ESTADÍSTICO Y ANÁLISIS UNIVARIANTE.
    2.2 INTRODUCCIÓN AL ANÁLISIS MULTIVARIANTE.
    2.3 CÓMO PREDECIR: REGRESIÓN LINEAL.
    2.4 CÓMO DETECTAR DIFERENCIAS ENTRE GRUPOS: ANÁLISIS DE LA VARIANZA.
    2.5 CÓMO EXTRAER INFORMACIÓN RELEVANTE: COMPONENTES PRINCIPALES Y ANÁLISIS DE CORRESPONDENCIAS.
    2.6 TÉCNICAS DE SEGMENTACIÓN: ANÁLISIS CLÚSTER

    3. FUNDAMENTOS DEL BIG DATA
    3.1 TENDENCIAS DEL BIG DATA EN LA ACTUALIDAD
    3.2 ESTRATEGIA EMPRESARIAL BASADA EN EL ANÁLISIS DE LA INFORMACIÓN.
    3.3 MÉTODOS, TÉCNICAS, TECNOLOGÍAS Y HERRAMIENTAS EN BIG DATA.
    3.4 INFORMES, CUADROS DE MANDO E INDICADORES.
    3.5 INTEGRACIONES ENTRE HERRAMIENTAS DE MEDICIÓN DE DATOS.
    3.6 CONCEPTOS BÁSICOS DE MINERÍA DE DATOS.
    3.7 METODOLOGÍA DE LA MINERÍA DE DATOS (SEMMA).
    3.8 TÉCNICAS DE MUESTRO Y LIBRERÍAS DE DATOS.
    3.9 TÉCNICAS DE REDUCCIÓN DE LA INFORMACIÓN: DESCRIPCIÓN, SELECCIÓN Y TRANSFORMACIÓN. 
    3.10 TÉCNICAS DE SEGMENTACIÓN NO SUPERVISADA: MODELIZACIÓN DESCRIPTIVA.
    3.11 MODELO DE ÁRBOLES DE REGRESIÓN Y SEGMENTACIÓN.
    3.12 MODELOS LINEALES: REGRESIÓN LINEAL Y LOGÍSTICA.
    3.13 TÉCNICAS DE COMPARACIÓN DE MODELOS.