IFCT120: Big Data. Analítica de datos

El objetivo de este libro es el lector entienda el contexto donde se sitúa el Big Data, así como la importancia del dato en todas las áreas de la sociedad y adquirir los conocimientos necesarios para saber con qué datos se trabajan en el Big Data y su aplicación en la analítica avanzada.

PRESENTACIÓN
ACERCA DEL AUTOR
CAPÍTULO 1. BIG DATA: DEL DATO A LA INFORMACIÓN
1.1 DATOS, INFORMACIÓN Y CONOCIMIENTO
1.2 CARACTERIZACIÓN DEL DATO
1.2.1 Datos en cuanto al tipo
1.2.2 Datos en cuanto al formato
1.2.3 Datos en cuanto al generador
1.2.4 Datos en cuanto al tamaño
1.2.5 Datos en cuanto a su rol
1.2.6 Datos en cuanto a su latencia
1.2.7 Datos en cuanto a su sensibilidad
1.3 BIG DATA EN CONTEXTO
1.3.1 El modelo de las cinco uves
1.3.2 Empresas orientadas por los datos
1.3.3 Computación en la nube
1.3.4 Gestión y gobierno del dato
1.4 ETAPAS DE ANÁLISIS EN LA EXPLOTACIÓN DE LA INFORMACIÓN
1.4.1 Analítica descriptiva
1.4.2 Analítica prescriptiva
1.4.3 Analítica predictiva
1.4.4 Analítica cognitiva
1.5 ESCENARIOS DE APLICACIÓN DEL BIG DATA
1.6 RESUMEN DEL CAPÍTULO
CAPÍTULO 2. ARQUITECTURAS Y PATRONES PARA BIG DATA
2.1 PATRONES ARQUITECTURALES
2.1.1 Tipologías de patrones
2.2 ARQUITECTURAS DE DATOS CENTRALIZADAS
2.2.1 Generación 0 (1970): sistemas transaccionales
2.2.2 Generación 1 (1980): data warehouse
2.2.3 Generación 2 (1990): almacenes operacionales
2.2.4 Generación 3 (2000): gestión de datos maestros
2.2.5 Generación 4 (2010): data lake
2.2.6 Generación 5 (2020): data lakehouse
2.3 ARQUITECTURAS DE DATOS ORIENTADA POR DOMINIOS
2.3.1 El concepto de data mesh
2.3.2 Organización distribuida de datos según dominios
2.3.3 El dato como producto
2.3.4 Plataforma compartida y gobierno federado
2.4 RESUMEN DEL CAPÍTULO
CAPÍTULO 3. SISTEMAS DE ALMACENAMIENTO
3.1 BASES DE DATOS RELACIONALES
3.1.1 Gestión de cargas analíticas
3.1.2 Escenarios e inconvenientes
3.1.3 Software y soluciones para data warehouse.
3.2 SISTEMAS DE ARCHIVOS DISTRIBUIDOS.
3.2.1 Apache Hadoop–HDFS
3.2.2 Formatos de archivos
3.2.3 Escenarios e inconvenientes
3.2.4 Software y soluciones para Apache Hadoop
3.3 ALMACENES DE OBJETOS
3.3.1 Catálogos de tablas
3.3.2 Escenarios e inconvenientes
3.3.3 Servicios para el almacenamiento de objetos
3.4 BASES DE DATOS NOSQL
3.4.1 El modelo BASE y el teorema CAP
3.4.2 Gestores NoSQL según el modelo de datos
3.4.3 Software y servicios de bases de datos NoSQL
3.5 RESUMEN DEL CAPÍTULO
CAPÍTULO 4. PROCESAMIENTO DE DATOS POR LOTES
4.1 EXTRACCIÓN, TRANSFORMACIÓN Y CARGA
4.1.1 Extracción
4.1.2 Transformación
4.1.3 Carga
4.2 MODELADO DE DATOS Y GESTIÓN DE CAMBIOS
4.2.1 Modelos multidimensionales
4.2.2 Cambios en los datos y gestión de la historia
4.3 TECNOLOGÍAS PARA EL TRATAMIENTO DE DATOS
4.3.1 Apache Hadoop
4.3.2 Aplicaciones MapReduce
4.3.3 Apache Spark
4.3.4 Tecnologías para flujos ETL
4.4 MOTORES DE CONSULTA DISTRIBUIDOS
4.4.1 Apache Hive
4.4.2 Otros motores especializados
4.4.3 Apache Arrow
4.5 RESUMEN DEL CAPÍTULO
CAPÍTULO 5. GESTIÓN DE EVENTOS EN TIEMPO REAL
5.1 TRANSMISIÓN DE EVENTOS
5.1.1 Transmisión de eventos y colas de mensajes
5.1.2 Apache Kafka
5.2 PROCESAMIENTO DE EVENTOS
5.2.1 Consideraciones sobre el análisis de datos en tiempo real
5.2.2 Soluciones para el procesamiento de eventos
5.3 UNIFICACIÓN DE PROCESOS
5.3.1 El modelo Lambda
5.3.2 El modelo Kappa
5.3.3 Revisitando los catálogos de tablas
5.4 RESUMEN DEL CAPÍTULO
CAPÍTULO 6. ANÁLISIS DESCRIPTIVO: EXPLORACIÓN DE LOS DATOS
6.1 MOTIVACIÓN Y OBJETIVOS
6.2 CARACTERIZACIÓN DE LOS DATOS
6.2.1 Observaciones y atributos
6.2.2 Relaciones entre atributos
6.3 ANÁLISIS EXPLORATORIO
6.3.1 Análisis univariante
6.3.2 Análisis multivariante
6.4 ANÁLISIS MULTIDIMENSIONAL
6.4.1 Cuadros de mando y KPI
6.5 SISTEMAS PARA ANÁLISIS DESCRIPTIVO
6.5.1 Flujo de construcción de un cuadro de mando
6.5.2 Herramientas y soluciones
6.6 RESUMEN DEL CAPÍTULO
CAPÍTULO 7. ANÁLISIS PREDICTIVO: MINERÍA DE DATOS
7.1 MOTIVACIÓN Y OBJETIVOS
7.2 PREPROCESADO DE LOS DATOS
7.3 MODELIZACIÓN DE LOS DATOS
7.3.1 Aprendizaje supervisado
7.3.2 Aprendizaje no supervisado
7.4 PUESTA EN PRODUCCIÓN E INFERENCIA DE MODELOS
7.4.1 Escenarios de inferencia de modelos
7.5 HERRAMIENTAS Y SOLUCIONES PARA MINERÍA DE DATOS
7.6 RESUMEN DEL CAPÍTULO
CAPÍTULO 8. ANÁLISIS PRESCRIPTIVO: MODELOS DE OPTIMIZACIÓN
8.1 MOTIVACIÓN Y OBJETIVOS
8.2 OPTIMIZACIÓN MATEMÁTICA
8.2.1 Programación lineal
8.2.2 Otros métodos de optimización matemática
8.3 ALGORITMOS GENÉTICOS
8.4 MODELIZACIÓN PROBABILÍSTICA
8.4.1 Cadenas de Markov
8.5 HERRAMIENTAS Y SOLUCIONES PARA ANÁLISIS PRESCRIPTIVO
8.6 RESUMEN DEL CAPÍTULO
CAPÍTULO 9. ANÁLISIS COGNITIVO: INTELIGENCIA ARTIFICIAL
9.1 MOTIVACIÓN Y OBJETIVOS
9.2 MECANISMOS DE APRENDIZAJE
9.2.1 Aprendizaje por refuerzo
9.2.2 Aprendizaje profundo
9.3 APLICACIONES EN EL ÁMBITO ANALÍTICO
9.3.1 Análisis de conversaciones
9.3.2 Análisis de imágenes
9.4 PROBLEMAS DE SESGO Y FALTA DE EQUIDAD EN LOS MODELOS
9.4.1 Mitigación del sesgo
9.5 HERRAMIENTAS Y SOLUCIONES PARA ANÁLISIS COGNITIVO
9.5.1 Aceleración de la inferencia de modelos por hardware
9.5.2 Servicios cognitivos en la nube
9.5.3 Soluciones para la detección y mitigación de sesgo
9.6 RESUMEN DEL CAPÍTULO
CAPÍTULO 10. GESTIÓN Y GOBIERNO DEL DATO Y SUS ACTIVOS.
10.1 GESTIÓN DEL CICLO DE VIDA DE LOS DATOS
10.1.1 El marco DAMA-DMBOK2
10.1.2 Operaciones sobre los datos y observancia
10.2 GESTIÓN DEL APRENDIZAJE AUTOMÁTICO
10.2.1 Metodologías para minería de datos
10.2.2 Automatización de modelos: MLOps
10.3 SOLUCIONES PARA LA GESTIÓN Y GOBIERNO DEL DATO
10.4 RESUMEN DEL CAPÍTULO
BIBLIOGRAFÍA RECOMENDADA