Master Big Data Processing en Madrid

Masters y Formación de Grupo ATRIUM

Master  Big Data Processing en Madrid

  • Dirección:Calle Cartagena 64 local bajo derecha (Madrid)
  • Tipo de Master:Master
  • Modalidad:Presencial
  • Fecha inicio: Matrícula Abierta
  • Fecha fin:Matrícula Abierta
  • Precio: Consultar más información
  • Lugar: Madrid (Madrid)

Temario:


MÓDULO 1: PYTHON PARA ANÁLISIS DE DATOS 30 horas 

OBJETIVOS: 

Adquirir las bases necesarias del lenguaje Phyton, para su posterior aplicación en el desarrollo de programas, y pruebas unitarias, combinadas con la utilización de patrones y buenas prácticas de programación.

CONTENIDOS: 

ESTRUCTURA Y ELEMENTOS DEL LENGUAJE
MÉTODOS PRINCIPALES DEL OBJETO STRING
TIPOS DE DATOS COMPLEJOS
FUNCIONES DEFINIDAS POR EL USUARIO
MÓDULOS, PAQUETES Y NAMESPACES
PROGRAMACIÓN ORIENTADA A OBJETOS
CONVERSIÓN DE TIPOS
FICHEROS
EXCEPCIONES
INTRODUCCION A APLICACIONES WEB CON PYTHON

EJERCICIO FINAL DE MÓDULO 


MÓDULO 2: BASES DE DATOS SQL: ORACLE-MYSQL 35 horas 

OBJETIVOS: 

Uso y gestión de datos en bases de datos relacionales, como fuente de datos para los programas.

CONTENIDOS: 

Introducción. Oracle como gestor de base de datos.
Lenguaje de manipulación de datos (DML), sentencias Select, insert, update, delete, merge
Lenguaje de definición de datos (DDL), sentencias Create, Alter, Drop
Operadores aritméticos, lógicos, de relación
Funciones de fila simple, de grupo
Subselects, joins
Otros objetos de base de datos
Introducción a MySql

EJERCICIO FINAL DE MÓDULO 


MÓDULO 3: BASES DE DATOS NOSQL: MONGODB 30 horas 

OBJETIVOS: 

Conocer funcionamiento y uso de las bd NOSQL en relación a las bases de datos tradicionales.

CONTENIDOS: 

Introducción a MongoDB
CRUD (Create, Read, Update and Delete) y el shell de Mongo DB
Uso de cursores en MongoDB
Sharding: distribución de la información en múltiples servidores
Motores de almacenamiento en MongDb e índices

EJERCICIO FINAL DE MÓDULO 


MÓDULO 4: JAVA BÁSICO 30 horas 

OBJETIVOS: 

Adquirir las bases necesarias del lenguaje java, para su posterior aplicación en el desarrollo de programas, así como uso de la interface gráfica, gestión de ficheros y pruebas unitarias, combinadas con la utilización de patrones y buenas prácticas de programación.

CONTENIDOS: 

Introducción a Java
Clases y Objetos
Sentencias de control: if-else switch-case Bucles
Arrays
Clases avanzadas
Herencia
Polimorfismo
Sobreescritura y sobrecarga de métodos
Clases envolventes
Clases abstractas, interfaces
Consulta API
Excepciones
Colecciones y Genéricos. Ordenar colecciones: Interface Comparable - Interface Comparator
Mecanismos de Entrada / Salida

EJERCICIO FINAL DE MÓDULO 


MÓDULO 5: HADOOP Y SU ECOSISTEMA 30 horas 

OBJETIVOS: 

Conocer las formas de procesamiento/almacenamiento de datos a gran escala. Ecosistema Hadoop.

CONTENIDOS: 

Apache Hadoop Introducción
El sistema de almacenamiento de ficheros HDFS y MapReduce
MapReduce en Hadoop
Ecosistema Hadoop: hive, impala, pig, sqoop, hue
Arquitectura de un cluster MapReduce V1
Arquitectura Yarn
Tipos de despliegue Hadoop

EJERCICIO FINAL DE MÓDULO 


MÓDULO 6: INTRODUCCIÓN A SCALA 15 horas 

OBJETIVOS: 

Conocer la programación funcional en Scala para su posterior uso en Spark.

CONTENIDOS: 

Introducción a la programación en Scala
Estructuras de control básicas
Tipos de datos en Scasla
Colecciones en Scala
Programación Orientada a Objetos

EJERCICIO FINAL DE MÓDULO 


MÓDULO 7: SPARK 30 horas 

OBJETIVOS: 

Conocer la arquitectura Spak y su impacto en el mundo Big Data. Procesamiento a gran escala con Spark.

CONTENIDOS: 

Introducción a Apache Spark
Creación y manejo de RDDs
Pair RDDs
Spark y MapReduce
HDFS y Spark
Spark en cluster
Spark Streaming
Programación paralela en Spark

EJERCICIO FINAL DE MÓDULO


PROYECTO PROFESIONAL EN BIG DATA (opcional)


PRÁCTICAS EN EMPRESAS (opcionales)

SOLICITAR INFORMACIÓN SIN COMPROMISO

Máster Big Data Processing


TUS DATOS: Los datos que aparecen con el símbolo * son requeridos

HombreMujer

Al pulsar sobre el botón Recibir información gratis
acepta las condiciones generales de privacidad

Recibir información