Introducción al Big Data: extrayendo conocimiento de los datos

Esta sesión inicial tiene como objetivo fundamental constituir un primer punto de encuentro entre profesorado y alumnado bajo el marco común del big data. Para ello, se contextualizará el campo a tratar y se describirá la estructura, contenidos y plan de trabajo del curso. Al mismo tiempo se describirán las competencias adquiridas por el alumno tras la realización del curso, se presenta al profesorado y se detallan los objetivos a desarrollar. Durante esta primera sesión también se describirá el concepto de big de data, sus aplicaciones e importancia.

Esta sesión introducirá al alumno al proceso de extracción de conocimiento y las diferentes fases que implica. La primera fase a explorar en el curso integración y recopilación de datos es la fase en la que la organización hacen acopia de los datos a explotar. La siguiente fase es la selección, limpieza y transformación, que lidera la transformación de los datos con el objetivo de adquirir la calidad suficiente para ser tratados. En la fase de minería de datos se obtiene nuevo conocimiento a partir de los datos ya tratados. Las dos últimas fases que se incorporan en este módulo son de evaluación e interpretación y de difusión y uso del conocimiento extraído.

Existe un amplio conjunto de tecnologías, definiciones, conceptos y tecnicismos, que rodean a los profesionales del big data y su sector. Este módulo pretende dar una visión general y ordenada de las diferentes tecnologías existentes en el sector con una amplia perspectiva. Entre estas encontraremos tecnologías de almacenamiento, virtualización, integración, preparación, calidad y visualización de datos.

La tarea de clasificación de datos engloba algunas de las técnicas más relevantes de aplicación en el contexto del análisis de datos. A modo general consisten en la asignación de una clase o tipo a un objeto determinado del cual conocemos una serie de características, algunas aplicaciones clásicas pueden ser la clasificación de un email como SPAM o no, la concesión de créditos bancarios o la detección de objetos en imágenes/vídeo. En este módulo se estudian las principales técnicas de clasificación basadas en árboles de decisión y clasificadores bayesianos, así como evaluar el resultado de los mismos.

Agrupar elementos de un conjunto de datos en grupos o clusters de elementos que tengan características similares es otra de las tareas con mayor impacto en el análisis de datos. El campo de aplicación del clustering comprende una amplia gama de campos y tareas como por ejemplo la clasifición animales y plantas, la identificación de enfermedades, identificación de personas con hábitos de compras similares, y un largo de etc. de problemas. A lo largo de este módulo se estudian las principales técnicas de clustering divididas en dos grandes bloques, clustering basado en prototipos y clustering jerárquico.

El último gran grupo de técnicas de análisis de datos que se estudia a lo largo de la propuesta formativa es el relativo a las reglas de asociación. Estas técnicas están diseñadas para identificar asociaciones de interés en un conjunto de datos. Una de las aplicaciones clásicas es el product placement o la ubicación de productos en las estanterías de un supermercado en base a la compra conjunto de diferentes artículos. En este módulo se estudian las principales técnicas y algoritmos para detección de patrones frecuentes a través de reglas de asociación.

Las aplicaciones del big data y análisis de datos se han convertido en un elemento crucial que se debe dominar para aumentar el rendimiento y productividad de cualquier organización que genere grandes volúmenes de datos. Sus aplicaciones se extienden en prácticamente todos los sectores o industrias productivas como por ejemplo el ámbito de la salud, educación, turismo, retail, banca, etc. A pesar de ello y con independencia del sector de aplicación, éstas se pueden categorizar en una serie de análisis específicos según el tipo de información analizada y técnicas o aplicación llevadas a cabo. A lo largo de este módulo se dará una visión general de las principales aplicaciones del big data y casos de éxito reales.

En big data, las operaciones de recoger, almacenar, gestionar y utilizar datos de forma masiva, en multitud de casos con fines lucrativos, plantea problemas relacionados con la privacidad, la propiedad, la identidad, la intimidad y la confianza. La ética debe estar implícita en todo el ciclo de vida del big data, desde la recolección de los datos, la aplicación de técnicas, hasta la interpretación de resultados de las mismas. En este módulo se pretende exponer los problemas e implicaciones éticas y morales que se deducen del big data y sus aplicaciones.