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 contextualiza el campo a tratar y se describe 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 describe el concepto de big data, sus aplicaciones y relevancia práctica.
Imparten:
- José Marcos Moreno Vega. Catedrático de Universidad, Departamento de Ingeniería Informática y de Sistemas de la Universidad de La Laguna.
- Christopher Juan Expósito Izquierdo. Profesor Ayudante Doctor, Departamento de Ingeniería Informática y de Sistemas de la Universidad de La Laguna.
- Airam Expósito Márquez. Doctor en el área de ciencias de la computación e inteligencia artificial con máster en Ingeniería Informática.

Esta sesión introduce al alumno en el proceso de extracción de conocimiento y las diferentes fases que implica. La primera fase a llevar a cabo durante el proceso de extracción de conocimiento es hacer acopio 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.
Imparten: José Marcos Moreno Vega, Christopher Juan Expósito Izquierdo y Airam Expósito Márquez.

La tarea de clasificación es una de las más importantes dentro del campo del machine learning o aprendizaje automático. Concretamente, en aprendizaje automático y estadística, la clasificación estadística es el problema de identificar a cuál de un conjunto de categorías (subpoblaciones) pertenece una nueva observación, sobre la base de un conjunto de datos de formación que contiene observaciones (o instancias) cuya categoría de miembros es conocida. En esta sesión se estudian y ponen en prácticas sobre casos realistas las principales técnicas de clasificación existentes.
Imparten: José Marcos Moreno Vega, Christopher Juan Expósito Izquierdo y Airam Expósito Márquez.

Las técnicas de agrupamiento forman parte del importante conjunto de algoritmos de machine learning. Estas técnicas tienen como objetivo categorizar conjuntos de elementos en grupos particulares que contienen características singulares. Las técnicas de agrupamiento, consideradas de aprendizaje no supervisado, gozan de popularidad y aplicación en múltiples campos. Por ello, esta sesión presenta y pone en práctica algunas de las principales técnicas de agrupamiento sobre conjuntos de datos realistas.
Imparten: José Marcos Moreno Vega, Christopher Juan Expósito Izquierdo y Airam Expósito Márquez.

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.
Imparten: José Marcos Moreno Vega, Christopher Juan Expósito Izquierdo y Airam Expósito Márquez.

El cuadro de mando es una herramienta de gestión empresarial vital para medir la evolución de la actividad de una empresa con una perspectiva general. A lo largo de esta sesión se pretende dar una visión de lo que es el cuadro de mando y su alcance, así como las directrices necesarias para su diseño y las metodologías existentes. Finalmente con los datos incorporados en el ejemplo de ETL y las directrices especificadas en base al ejemplo de los datos cargados, se procederá a realizar un sencillo ejemplo de cuadro de mando para ilustrar las capacidades del mismo.
Imparten: José Marcos Moreno Vega, Christopher Juan Expósito Izquierdo y Airam Expósito Márquez.

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 genera 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.
Imparten: José Marcos Moreno Vega, Christopher Juan Expósito Izquierdo y Airam Expósito Márquez.

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 y moral 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.
Imparten: José Marcos Moreno Vega, Christopher Juan Expósito Izquierdo y Airam Expósito Márquez.