En este Experto Universitario podrás compaginar la eficiencia de los métodos de aprendizaje más avanzados, con la flexibilidad de un programa creado para adaptarse a tus posibilidades de dedicación, sin perder calidad"

Los datos son la materia prima fundamental para la investigación y el avance del conocimiento. En los últimos años han aumentado las iniciativas que han situado a la creación, acceso, uso y preservación de datos como un eje más dentro del quehacer de las comunidades vinculadas a la investigación en diversas áreas del conocimiento. Este programa ofrece conocimiento especializado en la gestión de datos, enfocándose en su tipología y ciclo de vida y aproximación practica a través de los recursos disponibles.  

Hoy día existen una gran cantidad de las aplicaciones que utilizamos desde el móvil o desde cualquier otro dispositivo inteligente que acceden a servicios alojados en plataformas que están siendo utilizadas por cientos de miles de usuarios simultáneamente. Existen multitud de aplicaciones soportadas desde plataformas que no solo deben dar servicio a usuarios “humanos” sino también a millones de dispositivos conectados como, por ejemplo, módulos IoT, altavoces inteligentes, etc. 

El rol de administrador de sistemas actualmente ha cambiado y ha pasado de ser un operador que modificaba la configuración de un sistema para implementar una serie de políticas a ser más un arquitecto de software que diseña e implementa unos algoritmos específicos cuya ejecución alterará la configuración de una serie de recursos para cumplir con unos requisitos determinados exigidos en un momento dado por una situación concreta. 

Por otro lado, durante la última década, en ingeniería del software, especialmente en la parte backend, el conjunto de conceptos, herramientas y tecnologías alrededor de sistemas distribuidos y la gestión y procesamiento de datos ha crecido considerablemente. En el panorama tan velozmente cambiante, es fundamental que el alumno entienda la tecnología subyacente de muchos de los sistemas actuales que tienen una alta exigencia en términos de escalabilidad, rendimiento y confiabilidad. Este entendimiento tiene como objeto final situarse en la mejor posición a la hora de tomar buenas decisiones en el diseño de sistemas distribuidos, entre otras cuestiones de interés. 

Al ser en un formato 100% online, el alumno no tendrá que renunciar a sus obligaciones personales o profesionales. Una vez finalizado el programa el alumno habrá actualizado sus conocimientos y estará en posesión un título de Experto Universitario de increíble prestigio que le permitirá avanzar personal y profesionalmente.

Aprenderás a analizar los modelos clásicos de sistemas e identificar las deficiencias para su uso en aplicaciones distribuidas"

este Experto Universitario en Arquitecturas para Tratamiento de Información de Alto Volumen y Categoría Heterogénea contiene el programa académico más completo y actualizado del mercado universitario. Sus características más destacadas son:

• El desarrollo de casos prácticos presentados por expertos en Arquitecturas para Tratamiento de Información de Alto Volumen y Categoría Heterogénea 
• Los contenidos gráficos, esquemáticos y eminentemente prácticos con los que está concebido recogen una información científica y práctica sobre aquellas disciplinas indispensables para el ejercicio profesional
• Los ejercicios prácticos donde realizar el proceso de autoevaluación para mejorar el aprendizaje
• Su especial hincapié en metodologías innovadoras
• Las lecciones teóricas, preguntas al experto, foros de discusión de temas controvertidos y trabajos de reflexión individual
• La disponibilidad de acceso a los contenidos desde cualquier dispositivo fijo o portátil con conexión a internet

Con los sistemas de estudio a distancia mejor desarrollados, este Experto Universitario te permitirá aprender de forma contextual, aprendiendo de forma adecuada la parte práctica que necesitas"

El programa incluye, en su cuadro docente, a profesionales del sector que vierten en esta capacitación la experiencia de su trabajo, además de reconocidos especialistas de sociedades de referencia y universidades de prestigio.   

Su contenido multimedia, elaborado con la última tecnología educativa, permitirá al profesional un aprendizaje situado y contextual, es decir, un entorno simulado que proporcionará una capacitación inmersiva programada para entrenarse ante situaciones reales.   

El diseño de este programa se centra en el Aprendizaje Basado en Problemas, mediante el cual el profesional deberá tratar de resolver las distintas situaciones de práctica profesional que se le planteen a lo largo del curso académico. Para ello, contará con la ayuda de un novedoso sistema de vídeo interactivo realizado por reconocidos expertos.    

Un intensivo programa de crecimiento profesional que te permitirá intervenir en un sector con una creciente demanda de profesionales"

Una capacitación completa de alto interés para el profesional de la informática, que le permitirá competir entre los mejores del sector"

El programa de estudios ha sido diseñado en base a la eficacia formativa, seleccionando cuidadosamente los contenidos para ofrecer un recorrido completo, que incluye todos los campos de estudio imprescindibles para alcanzar el conocimiento real de la materia. Con las actualizaciones y aspectos más novedosos del sector. Se ha establecido así un plan de estudios cuyos módulos ofrecen una amplia perspectiva de las Arquitecturas para Tratamiento de Información de Alto Volumen y Categoría Heterogénea. Desde el primer módulo el alumno verá ampliados sus conocimientos, que le capacitarán para desarrollarse profesionalmente, sabiendo que cuenta, además, con el respaldo de un equipo de expertos.

Triunfa de la mano de los mejores y adquiere los conocimientos y competencias que necesitas para embarcarte en el sector de las Arquitecturas para Tratamiento de Información de Alto Volumen y Categoría Heterogénea"

Módulo 1. Tipos y ciclo de vida del dato

1.1. La estadística

1.1.1. Estadística: estadística descriptiva, estadística inferencias
1.1.2. Población, muestra, individuo
1.1.3. Variables: definición, escalas de medida

1.2. Tipos de datos estadísticos

1.2.1. Según tipo

 1.2.1.1. Cuantitativos: datos continuos y datos discretos
 1.2.1.2. Cualitativos: datos binomiales, datos nominales y datos ordinales

1.2.2. Según su forma

 1.2.2.1. Numérico
 1.2.2.2. Texto
 1.2.2.3. Lógico

1.2.3. Según su fuente

 1.2.3.1. Primarios
 1.2.3.2. Secundarios

1.3. Ciclo de vida de los datos

1.3.1. Etapas del ciclo
1.3.2. Hitos del ciclo
1.3.3. Principios FAIR

1.4. Etapas iniciales del ciclo

1.4.1. Definición de metas
1.4.2. Determinación de recursos necesarios
1.4.3. Diagrama de Gantt
1.4.4. Estructura de los datos

1.5. Recolección de datos

1.5.1. Metodología de recolección
1.5.2. Herramientas de recolección
1.5.3. Canales de recolección

1.6. Limpieza del dato

1.6.1. Fases de la limpieza de datos
1.6.2. Calidad del dato
1.6.3. Manipulación de datos (con R)

1.7. Análisis de datos, interpretación y valoración de resultados

1.7.1. Medidas estadísticas
1.7.2. Índices de relación
1.7.3. Minería de datos

1.8. Almacén del dato (datawarehouse)

1.8.1. Elementos que lo integran
1.8.2. Diseño
1.8.3. Aspectos a considerar

1.9. Disponibilidad del dato

1.9.1. Acceso
1.9.2. Utilidad
1.9.3. Seguridad

1.10. Aspectos normativos

1.10.1. Ley de protección de datos
1.10.2. Buenas prácticas
1.10.3. Otros aspectos normativos

Módulo 2. Sistemas escalables y confiables de uso masivo de datos

2.1. Escalabilidad, confiabilidad y mantenibilidad

2.1.1. Escalabilidad
2.1.2. Confiabilidad
2.1.3. Mantenibilidad

2.2. Modelos de datos

2.2.1. Evolución de los modelos de datos
2.2.2. Comparación del modelo relacional con el modelo NoSQL basado en documentos
2.2.3. Modelo de grafos

2.3. Motores de almacenamiento y recuperación de datos

2.3.1. Almacenamiento estructurado en log
2.3.2. Almacenamiento en tablas de segmentos
2.3.3. Árboles B

2.4. Servicios, paso de mensajes y formatos para codificar datos

2.4.1. Flujo de datos en servicios REST
2.4.2. Flujo de datos en paso de mensajes
2.4.3. Formatos de envío de mensajes

2.5. Replicación

2.5.1. Teorema CAP
2.5.2. Modelos de consistencia
2.5.3. Modelos de réplica en base a conceptos de líder y seguidores

2.6. Transacciones distribuidas

2.6.1. Operaciones atómicas
2.6.2. Transacciones distribuidas desde diferentes enfoques Calvin, Spanner
2.6.3. Serializabilidad

2.7. Particionado

2.7.1. Tipos de particionado
2.7.2. Índices en particiones
2.7.3. Rebalanceado de particiones

2.8. Procesamiento por lotes

2.8.1. El Procesamiento por lotes
2.8.2. MapReduce
2.8.3. Enfoques posteriores a MapReduce

2.9. Procesamiento de flujos de datos

2.9.1. Sistemas de mensajes
2.9.2. Persistencia de flujos de datos
2.9.3. Usos y operaciones con flujos de datos

2.10. Casos de uso. Twitter, Facebook, Uber

2.10.1. Twitter: el uso de caches
2.10.2. Facebook: modelos no relacionales
2.10.3. Uber: diferentes modelos para diferentes propósitos

Módulo 3. Administración de sistemas para despliegues distribuidos 

3.1. Administración clásica. El modelo monolítico

3.1.1. Aplicaciones clásicas. Modelo monolítico
3.1.2. Requisitos de sistemas para aplicaciones monolíticas
3.1.3. La administración de sistemas monolíticos
3.1.4. Automatización

3.2. Aplicaciones distribuidas. El microservicio

3.2.1. Paradigma de computación distribuida
3.2.2. Modelos basados en microservicios
3.2.3. Requisitos de sistemas para modelos distribuidos
3.2.4. Aplicaciones monolíticas vs. Aplicaciones distribuidas

3.3. Herramientas para la explotación de recursos

3.3.1. Gestión del “hierro”
3.3.2. Virtualización
3.3.3. Emulación
3.3.4. Paravirtualización

3.4. Modelos IaaS, PaaS y SaaS

3.4.1. Modelo IaaS
3.4.2. Modelo PaaS
3.4.3. Modelo SaaS
3.4.4. Patrones de diseño

3.5. Containerización

3.5.1. Virtualización con cgroups
3.5.2. Containers
3.5.3. De la aplicación al contenedor
3.5.4. Orquestación de contenedores

3.6. Clusterización

3.6.1. Alto rendimiento y alta disponibilidad
3.6.2. Modelos de alta disponibilidad
3.6.3. Clúster como plataforma SaaS
3.6.4. Securización de clústers

3.7. Cloud Computing

3.7.1. Clústers vs. Clouds
3.7.2. Tipos de clouds
3.7.3. Modelos de servicio en cloud
3.7.4. Sobresuscripción

3.8. Monitorización y Testing

3.8.1. Tipos de monitorización
3.8.2. Visualización
3.8.3. Tests de infraestructura
3.8.4. Ingeniería del caos

3.9. Caso de estudio: Kubernetes

3.9.1. Estructura
3.9.2. Administración
3.9.3. Despliegue de servicios
3.9.4. Desarrollo de servicios para K8S

3.10. Caso de estudio: OpenStack

3.10.1. Estructura
3.10.2. Administración
3.10.3. Despliegues
3.10.4. Desarrollo de servicios para OpenStack

Todos los temas y áreas de conocimiento han sido recopilados en un temario completo y de absoluta actualidad, para llevar al alumno al máximo nivel tanto teórico como práctico"