Cursos de Ciencia de Datos para Big Data Analytics

Introducción a Data Science para Big Data Analytics

• Descripción de Data Science
• Descripción general de Big Data
• Estructuras de datos
• Controladores y complejidades de Big Data
• El ecosistema Big Data y un nuevo enfoque de análisis
• Tecnologías clave en Big Data
• Proceso y problemas de minería de datos
  • Asociación Patrón Minería
  • Agrupación de datos
  • Detección de valores atípicos
  • Clasificación de datos

Introducción al ciclo de vida de Data Analytics

• Descubrimiento
• Preparación de datos
• Planificación del modelo
• Construcción del modelo
• Presentación / Comunicación de resultados
• Operacionalización
• Ejercicio: estudio de caso

A partir de este punto, la mayor parte del tiempo de capacitación (80%) se gastará en ejemplos y ejercicios en R y en la tecnología de big data relacionada.

Comenzando con R

• Instalación de R y Rstudio
• Características del lenguaje R
• Objetos en R
• Datos en R
• Manipulación de datos
• Problemas de Big Data
• Ceremonias

Comenzando con Hadoop

• Instalando Hadoop
• Comprender los modos de Hadoop
• HDFS
• Arquitectura MapReduce
• Visión general de los proyectos relacionados con Hadoop
• Programas de escritura en Hadoop MapReduce
• Ceremonias

Integrando R y Hadoop con RHadoop

• Componentes de RHadoop
• Instalación de RHadoop y conexión con Hadoop
• La arquitectura de RHadoop
• Hadoop transmitiendo con R
• Resolución de problemas de análisis de datos con RHadoop
• Ceremonias

Preprocesamiento y preparación de datos

• Pasos de preparación de datos
• Extracción de características
• Limpieza de datos
• Integración y transformación de datos
• Reducción de datos: muestreo, selección de subconjuntos de características,
• Reducción de dimensionalidad
• Discretización y binning
• Ejercicios y estudio de caso

Métodos analíticos de datos exploratorios en R

• Estadísticas descriptivas
• Análisis exploratorio de datos
• Visualización - pasos preliminares
• Visualizando una sola variable
• Examinando múltiples variables
• Métodos estadísticos para la evaluación
• Evaluación de la hipótesis
• Ejercicios y estudio de caso

Visualizaciones de datos

• Visualizaciones básicas en R
• Paquetes para la visualización de datos ggplot2, celosía, trama, celosía
• Formateo de parcelas en R
• Gráficos avanzados
• Ceremonias

Regresión (Estimación de valores futuros)

• Regresión lineal
• Casos de uso
• Descripcion del modelo
• Diagnostico
• Problemas con la regresión lineal
• Métodos de contracción, regresión de cresta, el lazo
• Generalizaciones y no linealidad
• Splines de regresión
• Regresión polinómica local
• Modelos aditivos generalizados
• Regresión con RHadoop
• Ejercicios y estudio de caso

Clasificación

• Los problemas relacionados con la clasificación
• Refrescante Bayesiano
• Naïve Bayes
• Regresión logística
• K vecinos más cercanos
• Algoritmo de árboles de decisión
• Redes neuronales
• Máquinas de vectores de soporte
• Diagnóstico de clasificadores
• Comparación de los métodos de clasificación
• Algoritmos escalables de clasificación
• Ejercicios y estudio de caso

Evaluar el rendimiento y la selección del modelo

• Sesgo, varianza y complejidad del modelo
• Precisión vs Interpretabilidad
• Evaluando clasificadores
• Medidas del rendimiento del modelo / algoritmo
• Método de validación Hold-out
• Validación cruzada
• Algoritmos de aprendizaje de sintonización con paquete caret
• Visualización del rendimiento del modelo con Profit ROC y curvas de elevación

Métodos de conjunto

• Harpillera
• Bosques Aleatorios
• Impulso
• Aumento de gradiente
• Ejercicios y estudio de caso

Máquinas de vectores de soporte para clasificación y regresión

• Clasificadores de Margen Máximo
  • Clasificadores de vectores de soporte
  • Máquinas de vectores de soporte
  • SVM para problemas de clasificación
  • SVM para problemas de regresión
• Ejercicios y estudio de caso

Identificar agrupaciones desconocidas dentro de un conjunto de datos

• Selección de características para la agrupación
• Algoritmos basados en representativos: k-means, k-medoids
• Algoritmos jerárquicos: métodos aglomerativos y divisivos
• Algoritmos de base probabilísticos: EM
• Algoritmos basados en densidad: DBSCAN, DENCLUE
• Validación de cluster
• Conceptos avanzados de clustering
• Agrupación con RHadoop
• Ejercicios y estudio de caso

Descubriendo conexiones con Link Analysis

• Conceptos de análisis de enlaces
• Métricas para analizar redes
• El algoritmo de Pagerank
• Búsqueda de tema inducida por hipervínculo
• Predicción del enlace
• Ejercicios y estudio de caso

Asociación Patrón Minería

• Modelo de Minería de Patrón Frecuente
• Problemas de escalabilidad en la minería de patrones frecuentes
• Algoritmos de fuerza bruta
• Algoritmo Apriori
• El enfoque de crecimiento FP
• Evaluación de las reglas del candidato
• Aplicaciones de las Reglas de Asociación
• Validación y prueba
• Diagnostico
• Reglas de asociación con R y Hadoop
• Ejercicios y estudio de caso

Construir motores de recomendación

• Entender los sistemas de recomendación
• Técnicas de minería de datos utilizadas en los sistemas de recomendación
• Sistemas de recomendación con el paquete recommenderlab
• Evaluar los sistemas de recomendación
• Recomendaciones con RHadoop
• Ejercicio: motor de recomendación de construcción

Análisis de texto

• Pasos de análisis de texto
• Recopilación de texto sin formato
• Bolsa de palabras
• Frecuencia de términos: frecuencia de documento inverso
• Determinando Sentimientos
• Ejercicios y estudio de caso