Diplomatura en Business Intelligence

Módulo 1: Introducción y Fundamentos de la Inteligencia de Negocios Unidad 1: Introducción Introducción a la Inteligencia de Negocios Niveles a los que opera la inteligencia de negocios Introducción a Data Warehouse Introducción a Data Mining Introducción a Knowledge Discovery Introducción a Herramientas OLAP y Tableros de comando Unidad 2: Tests básicos Repaso de conceptos de probabilidad y estadística Test de Hipótesis Correlaciones Unidad 3: Regresiones Regresión Lineal Regresión poli nómica regresión exponencial y logarítmica Regresión de dos variables Unidad 4 Árboles Módulo 2: Técnicas de Investigación Avanzadas – Redes Neuronales – Algoritmos genéticos Unidad 1: ""Clusters"" Planteo teóricoAlgoritmos conocidos y disponibles El problema de la interpretación Ejercicios prácticos Unidad 2: Reglas de Asociación Planteo teórico Algoritmos conocidos y disponibles Votación de modelos Ejercicios prácticos Unidad 3: Redes Neuronales El perceptrón Redes de múltiples capas Memorias fantasmas, capacidad de memoria y olvido de patrones Ejercicios prácticos Unidad 4: Algoritmos genéticos Planteo teórico, tipo de problemas en los que resultan interesantes. El problema de la convergencia Ejercicios prácticos Módulo 3: Técnicas de Investigación Avanzadas 2 – Speach to Text – Text Mining –Big Data Unidad 1: Series temporales Introducción y ejemplos Clasificación de las series temporales Objetivos del análisis de series temporales Componentes Análisis descriptivo Estimación de la tendencia Estimación de la periodicidad Desestacionalización Unidad 2: Método de Simulación de Montecarlo Descripción del método Cuando conviene utilizarlo El problema de la convergencia Ejercicios prácticos Unidad 3: ""Speach to text"" y ""Text Mining"" Conversión de voz a texto Introducción Algoritmos difundidos Medición del éxito Campos de aplicación Ejercicio con una herramienta abierta Minería de textos Introducción Algoritmos de extracción de datos Extracción de entidade Extracción de relaciones Extracción no supervisada Algoritmos de sumarización Algoritmos de clusttering Reducción de la dimensionalidad y construcción de semánticas Unidad 4: ""Big Data"" ¿Qué es big data? Sistemas batch / Offline - Almacenamiento HDFS Flume Sqoop Sistemas batch / Offline - Procesamiento Hadoop Map Reduce Hive Pig Sistemas batch / Offline - Analítica Data analytics y machine learning con R Sistemas real time / Near real time HBase Cassandra ElasticSearch Neo4j Storm Sistemas mixtos Hadoop+Cassandra Hadoop+HBase Hadoop+Solr Hadoop+Splout SQL