IFCT159 INTRODUCCIÓN AL BIG DATA E INTELIGENCIA ARTIFICIAL
Manual
Editorial:ORBE Acción Formativa
Autor:Entenova Gnosis
ISBN:9791388235054
EAN:9000003385211
Papel:Blanco 80 gr. Offset Amber
Acabado:Fresado
Edición Color:Sí
Páginas:122
Fecha de publicación:12/02/2026
€19,94
La especialidad formativa es una agrupación de competencias profesionales, contenidos y especificaciones técnicas que responde:
•A un conjunto de actividades de trabajo vinculadas al cultivo, mantenimiento y producción de plantas y flores.
•A la adquisición de competencias básicas necesarias para el desempeño de tareas propias del ámbito de la jardinería y la floricultura.
Cada especialidad formativa está adscrita a una familia y área profesional, y tiene asignado un determinado nivel de cualificación profesional.
El presente volumen incluye el desarrollo teórico del contenido basado en el programa de la especialidad formativa IFCT159, “Introducción al Big Data e Inteligencia Artificial”. Junto al desarrollo teórico, también encontrará actividades prácticas y de evaluación que contribuyen a la comprensión y asimilación del temario, de acuerdo con los objetivos y resultados de aprendizaje establecidos en el programa oficial.
ESPECIALIDAD FORMATIVA: INTRODUCCIÓN AL BIG DATA E INTELIGENCIA ARTIFICIAL
•Código: IFCT159
•Familia profesional: Informática y Telecomunicaciones
•Área profesional: Sistemas y Telemática
•Nivel de cualificación profesional: 3
•Horas de formación: 40
•A un conjunto de actividades de trabajo vinculadas al cultivo, mantenimiento y producción de plantas y flores.
•A la adquisición de competencias básicas necesarias para el desempeño de tareas propias del ámbito de la jardinería y la floricultura.
Cada especialidad formativa está adscrita a una familia y área profesional, y tiene asignado un determinado nivel de cualificación profesional.
El presente volumen incluye el desarrollo teórico del contenido basado en el programa de la especialidad formativa IFCT159, “Introducción al Big Data e Inteligencia Artificial”. Junto al desarrollo teórico, también encontrará actividades prácticas y de evaluación que contribuyen a la comprensión y asimilación del temario, de acuerdo con los objetivos y resultados de aprendizaje establecidos en el programa oficial.
ESPECIALIDAD FORMATIVA: INTRODUCCIÓN AL BIG DATA E INTELIGENCIA ARTIFICIAL
•Código: IFCT159
•Familia profesional: Informática y Telecomunicaciones
•Área profesional: Sistemas y Telemática
•Nivel de cualificación profesional: 3
•Horas de formación: 40
MÓDULO 1. ADQUISICIÓN Y DOMINIO DE CONCEPTOS BÁSICOS Y DE CONOCIMIENTOS SOBRE LOS AVANCES EN BIG DATA 9
1.1. Cómo evoluciona el BI tradicional al Big Data (navegación web, geolocalización, audiencias TV,…) 10
1.2. El Big Data como solución al tratamiento masivo de datos: definición e historia desde su invención 14
1.3. Hadoop como revolución para el tratamiento paralelo de datos masivo 18
1.4. Características del Big Data (4 V's y más): volumetría, velocidad, variedad (estructurados/no estructurados), veracidad (calidad del dato), valor del dato 22
1.5. Nuevos paradigmas del Big Data: Procesos en Real Time y Cloud Computing 26
MÓDULO 2. CONOCIMIENTO DE NOCIONES BÁSICAS SOBRE ARQUITECTURA BIG DATA Y PRINCIPALES TECNOLOGÍAS 33
2.1. El ecosistema Hadoop: HDFS y MapReduce 34
2.2. Principales lenguajes de programación utilizados: Java, Scala, SQL y Python 39
2.3. Procesos ETL (extracción, transformación y carga): Flume, Sqoop y HIVE 42
2.4. Procesos Real Time y bases de datos de alta disponibilidad: Kafka, HBASE y Redis 45
2.5. Procesamiento y analítica avanzada con Spark 49
2.6. Seguridad y gobierno del dato 54
MÓDULO 3. COMPRENSIÓN DE LOS PRINCIPALES CONCEPTOS SOBRE LA “CIENCIA DE DATOS” E IA 61
3.1. Introducción a la “Ciencia de datos” y la Inteligencia Artificial 62
3.2. Principales lenguajes de programación utilizados: R y Python 66
3.3. Algoritmos supervisados: ¿Qué son? Algunos ejemplos 71
3.4. Algoritmos no supervisados: ¿Qué son? Algunos ejemplos 75
3.5. Introducción al Deep Learning y el Aprendizaje por Refuerzo 80
3.6. Procesamiento de información no estructurada: Imágenes y Textos 84
3.7. Visualización de datos: Visualizaciones interactivas y Dashboards 90
MÓDULO 4. ADQUISICIÓN DE UNA VISIÓN TRANSVERSAL SOBRE EL FUTURO DEL BIG DATA Y CÓMO SE APLICA ACTUALMENTE EN DIFERENTES ÁREAS 95
4.1. Ejemplos en las instituciones públicas: OpenData 96
4.2. Ejemplos en el mundo empresarial: ejemplos de aplicabilidad del Big Data a la eficiencia de las operaciones de una compañía 101
4.3. “Data for Good”: Big Data para el bien social 106
4.4. Reflexiones finales sobre el impacto del Big Data en los años venideros 110
GLOSARIO 117
AUTOEVALUACIÓN 119
1.1. Cómo evoluciona el BI tradicional al Big Data (navegación web, geolocalización, audiencias TV,…) 10
1.2. El Big Data como solución al tratamiento masivo de datos: definición e historia desde su invención 14
1.3. Hadoop como revolución para el tratamiento paralelo de datos masivo 18
1.4. Características del Big Data (4 V's y más): volumetría, velocidad, variedad (estructurados/no estructurados), veracidad (calidad del dato), valor del dato 22
1.5. Nuevos paradigmas del Big Data: Procesos en Real Time y Cloud Computing 26
MÓDULO 2. CONOCIMIENTO DE NOCIONES BÁSICAS SOBRE ARQUITECTURA BIG DATA Y PRINCIPALES TECNOLOGÍAS 33
2.1. El ecosistema Hadoop: HDFS y MapReduce 34
2.2. Principales lenguajes de programación utilizados: Java, Scala, SQL y Python 39
2.3. Procesos ETL (extracción, transformación y carga): Flume, Sqoop y HIVE 42
2.4. Procesos Real Time y bases de datos de alta disponibilidad: Kafka, HBASE y Redis 45
2.5. Procesamiento y analítica avanzada con Spark 49
2.6. Seguridad y gobierno del dato 54
MÓDULO 3. COMPRENSIÓN DE LOS PRINCIPALES CONCEPTOS SOBRE LA “CIENCIA DE DATOS” E IA 61
3.1. Introducción a la “Ciencia de datos” y la Inteligencia Artificial 62
3.2. Principales lenguajes de programación utilizados: R y Python 66
3.3. Algoritmos supervisados: ¿Qué son? Algunos ejemplos 71
3.4. Algoritmos no supervisados: ¿Qué son? Algunos ejemplos 75
3.5. Introducción al Deep Learning y el Aprendizaje por Refuerzo 80
3.6. Procesamiento de información no estructurada: Imágenes y Textos 84
3.7. Visualización de datos: Visualizaciones interactivas y Dashboards 90
MÓDULO 4. ADQUISICIÓN DE UNA VISIÓN TRANSVERSAL SOBRE EL FUTURO DEL BIG DATA Y CÓMO SE APLICA ACTUALMENTE EN DIFERENTES ÁREAS 95
4.1. Ejemplos en las instituciones públicas: OpenData 96
4.2. Ejemplos en el mundo empresarial: ejemplos de aplicabilidad del Big Data a la eficiencia de las operaciones de una compañía 101
4.3. “Data for Good”: Big Data para el bien social 106
4.4. Reflexiones finales sobre el impacto del Big Data en los años venideros 110
GLOSARIO 117
AUTOEVALUACIÓN 119
No hay información
No hay información