Big Data en la Administración Pública (Programa detallado)

Objetivo:

Desarrollar casos de uso efectivos del Big Data en la Administración Pública, aplicando las buenas prácticas recomendadas.

Requisitos:

No son necesarios requisitos previos.
 

Programa del curso

1.- Conceptos básicos de Big Data

Objetivo

  • Conocer los niveles de madurez analítica.
  • Conocer las principales tendencias de datos y análisis.
  • Conocer qué es Big Data.
  • Identificar si un proyecto se puede considerar de Big Data, a partir de conocer las características distintivas y el esquema básico de este tipo de proyectos.

Contenido

  1. Conceptos básicos de Big Data
    1. Introducción
    2. Principales tendencias de datos y análisis de Gartner
    3. Niveles de madurez analítica
    4. Concepto de Big Data
    5. Proyectos Big Data
    6. Resumen

2.- Arquitectura Big Data de referencia y ecosistema Hadoop

Objetivo

  • Conocer la arquitectura Big Data de referencia. 
  • Conocer las posibilidades de implementación de Big Data on premise, y con los principales proveedores de Big Data en la nube: Amazon Web Services, Google Cloud Platform y Azure. 
  • Conocer las componentes del ecosistema Hadoop, y cómo son utilizadas en una arquitectura Big Data.
  • Conocer los principios básicos de HDFS.
  • Identificar posibilidades de aplicación de MapReduce, a partir de conocer los principios básicos de esta técnica. 

Contenido

  1. Arquitectura Big Data de referencia y ecosistema Hadoop
    1. Introducción
    2. Arquitectura Big Data de referencia
    3. Principales plataformas para Big Data
    4. Ecosistema Hadoop
    5. Arquitectura HDFS
    6. MapReduce
    7. ¿Qué es un proyecto Big Data?
    8. Resumen

3.- Algoritmos esenciales para el aprendizaje automático

Objetivo

  • Conocer los conceptos de inteligencia artificial, machine learning y deep learning, y cómo están relacionados.
  • Identificar cuándo es posible utilizar machine learning, a partir de conocer sus categorías: aprendizaje supervisado, aprendizaje no supervisado y aprendizaje por refuerzo, y los tipos de algoritmos utilizados en cada una.
  • Identificar cuándo es posible utilizar deep learning, a partir de conocer los principales tipos de redes neuronales y algoritmos utilizados en este. 
  • Conocer herramientas existentes para realizar machine learning y deep learning, tanto on premise como en la nube.

Contenido

  1. Algoritmos esenciales para el aprendizaje automático
    1. Introducción
    2. Definiciones de inteligencia artificial, machine learning y deep learning
    3. El proceso del aprendizaje automático
    4. Machine Learning
    5. Deep learning
    6. Aprendizaje semisupervisado
    7. Generalización en el aprendizaje automático
    8. Herramientas de aprendizaje automático
    9. Resumen

4.- Procesamiento de lenguaje natural basado en macrodatos

Objetivo

  • Conocer por qué el procesamiento de lenguaje natural es un área de la inteligencia artificial.
  • Conocer los principios básicos de las técnicas de procesamiento natural utilizadas en inteligencia artificial: análisis de palabras claves, reglas lingüísticas y análisis morfosintácticos, modelos de lenguaje preentrenados y modelos de machine learning.
  • Identificar la posibilidad de utilizar procesamiento de lenguaje natural, a partir de conocer herramientas existentes para ello, tanto on premise como en la nube.

Contenido

  1. Procesamiento de lenguaje natural basado en macrodatos
    1. Introducción
    2. Definición de procesamiento de lenguaje natural
    3. Fases para la compresión de lenguaje natural
    4. Técnicas de procesamiento de lenguaje natural
    5. Herramientas para procesamiento de lenguaje natural
    6. Resumen

5.- Transformación digital y estrategia del dato

Objetivo

  • Conocer los objetivos y componentes de la estrategia del dato, y su impacto en la transformación digital de una organización.
  • Conocer los posibles beneficios y retos del Big Data como parte de la estrategia del dato en las organizaciones de la Administración Pública.
  • Conocer las características y funciones del CDO (Chief Data Officer), del científico de datos (data scientist) y de otros roles Big Data necesarios para implementar una estrategia del dato. 
  • Identificar los cambios culturales necesarios para implementar una estrategia del dato.

Contenido

  1. Transformación digital y estrategia del dato
    1. Introducción
    2. Estrategia del dato
    3.  Cambios culturales y organizativos asociados
    4. Big Data como parte de la estrategia del dato 
    5. Roles Big Data
    6. Resumen

6.- Casos de uso reales de Big Data

Objetivo

  • Conocer las categorías de casos de uso Big Data
  • Conocer casos de uso reales de aplicación de Big Data en la Administración Pública y otras áreas.

Contenido

  1. Casos de uso reales de Big Data
    1. Introducción
    2. Casos de uso reales de Big Data en Administración Pública
    3. Casos de uso reales en otras áreas
    4. Categorías de casos de uso Big Data
    5. Resumen

7.- Técnica de creatividad para la resolución de problemas

Objetivo

  • Conocer una técnica de creatividad para la resolución de problemas (Basadur Simplex Problem-solving).

Contenido

  1. Técnica de creatividad para la solución de problemas
    1. Introducción
    2. El proceso creativo
    3. Basadur Simplex Problem-solving
    4. Otras metodologías para generar ideas innovadoras
    5. Resumen

8.- Definiendo casos de uso Big Data para Administración Pública

Objetivo

  • Conocer las buenas prácticas para el desarrollo de casos de uso Big Data.
  • Desarrollar casos de uso efectivos del Big Data en la Administración Pública, aplicando los conocimientos adquiridos sobre las técnicas Big Data, los beneficios que pueden proporcionar en la estrategia del dato, las buenas prácticas recomendadas, y una técnica de creatividad para la resolución de problemas.

Contenido

  1. Definiendo casos de uso Big Data para Administración Pública
    1. Introducción
    2. Desarrollo de casos de uso Big Data guiado por el valor
    3. Paso 1. Existencia de condiciones para aplicar Big Data
    4. Paso 2. Identificación de propuesta de valor generada con Big Data
    5. Paso 3. Validación de propuesta de valor
    6. Paso 4. Definición de caso de uso
    7. Paso 5. Validación del caso de uso
    8. Orientaciones trabajo colectivo para la generación de casos de uso
    9. Resumen