El presente curso tiene como objetivo presentar los métodos y técnicas básicos para el procesamiento y análisis de datos en el contexto de Big Data. No prentende ser un curso exhaustivo sobre Machine Learning ni sobre métodos Estadísticos, simplemente se pretenden mostrar las características principales de estas técnicas para que el alumno pueda tener una visión general de las opciones que ofrece el análisis de datos para poder explorar, confirmar indicios y en definitiva, extraer conclusiones.
Ce cours fait partie de la Spécialisation Big Data – Introducción al uso práctico de datos masivos
Offert par
Spécialisation Big Data – Introducción al uso práctico de datos masivos Université autonome de BarceloneÀ propos de ce cours
61,413 consultations récentes
Certificat partageable
Obtenez un Certificat lorsque vous terminez
100 % en ligne
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Cours 3 sur 5 dans le
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Niveau intermédiaire
Approx. 13 heures pour terminer
Espagnol
Sous-titres : Espagnol
Certificat partageable
Obtenez un Certificat lorsque vous terminez
100 % en ligne
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Cours 3 sur 5 dans le
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Niveau intermédiaire
Approx. 13 heures pour terminer
Espagnol
Sous-titres : Espagnol
Offert par
Université autonome de Barcelone
The Universitat Autònoma de Barcelona (UAB) is a public university located in the metropolitan area of Barcelona. International in its outlook, it is fully consolidated within its local surroundings, and offers quality education in close association with research activity, the transfer of scientific, technological, cultural and educational knowledge, the promotion of its human potential and the responsible management of available resources.
Programme du cours : ce que vous apprendrez dans ce cours
1 heure pour terminer
INTRODUCCIÓN
1 heure pour terminer
2 vidéos (Total 10 min), 8 lectures
8 lectures
Bienvenida1 min
Contenidos del curso (Temario)1 min
Organización del curso y evaluación5 min
Sobre el certificado2 min
FAQs - Generales10 min
FAQs - Cuestionarios y ejercicios2 min
FAQs - Certificado10 min
Enlaces relacionados1 min
1 heure pour terminer
LA MÁQUINA VIRTUAL
<b>ATENCIÓN: Si ya te instalaste la máquina virtual en el curso anterior de la Especialización no es necesario que vuelvas a hacerlo. En caso contrario, sigue leyendo.</b><br><br>Los ejercicios y sesiones prácticas pretenden mostrar un caso práctico de procesamiento y análisis de datos en el contexto de Big Data. En este sentido, será necesario trabajar con una máquina virtual que ya trae configuradas e instaladas una serie de componentes habituales al manejar Big Data. En este apartado te explicamos cómo descargar e instalar la máquina virtual Cloudera en tu ordenador. La MV-Cloudera requiere disponer de un equipo con las siguientes características: (1) máquina de 64 bits, (2) mínimo 6G de memoria (recomendable 8G), y (3) 20G disponibles en disco.<br><br> <i><b>Ten en cuenta que bajar e instalar la máquina virtual te llevará tiempo dado el tamaño y complejidad de la misma</i></b>
1 heure pour terminer
4 vidéos (Total 16 min), 4 lectures
4 vidéos
Introducción3 min
Instalación de la máquina virtual - Import start4 min
Instalación de la máquina virtual - Tips3 min
Instalación de la máquina virtual - Pyspark setup4 min
4 lectures
Link para la descarga de la MV_Cloudera10 min
Instalación de la MV - Import start10 min
Instalación de la MV - Tips10 min
Instalación de la MV - Pyspark setup10 min
2 minutes pour terminer
MATERIAL DE PRÁCTICAS Y FICHEROS DE TRABAJO
Para poder seguir la parte aplicada del curso, responder a los cuestionarios y trabajar con las herramientas que te explicamos, necesitarás acceder a una serie de ficheros de código, así como las bases de datos de trabajo, que hemos recopilado y comprimido. Verás que algunos vídeos llevan un código entre paréntesis que coincide con el nombre de alguno de estos ficheros. Esto significa que en el vídeo correspondiente se trabaja con dicho fichero. <br><br>A continuación te explicamos como incorporarlos en la máquina virtual.
2 minutes pour terminer
2 lectures
2 lectures
FICHEROS DE TRABAJO Y PAQUETES - IMPORTANTE1 min
INICIO DE LA SESIÓN - IMPORTANTE1 min
2 heures pour terminer
MÓDULO 1 - Análisis Exploratorio de Datos
Durante la primera semana del curso se introducen el curso y las herramientas que se emplearán. Además también se presentan las tareas relacionadas con el Análisis Exploratorio de Datos. Cada pocos temas tratados en los vídeos encontrarás un pequeño custionario de 5 preguntas. <br><br><i>Visualiza los vídeos, contesta los cuestionarios tantas veces como quieras, y accede a los foros para discutir los temas que te parezcan más interesantes.</i>
2 heures pour terminer
10 vidéos (Total 84 min)
10 vidéos
Introducción34s
Datos - Fuentes de información4 min
Distintos problemas y técnicas8 min
Caso de estudio y herramientas4 min
Introducción a Jupyter Notebook y Pyspark (S1E4.ipynb)5 min
Exploración de la estructura de datos (S1E5.ipynb)14 min
Primera etapa del análisis exploratorio (S1E6.ipynb)11 min
Preproceso de datos (I) - (S1E7.ipynb)11 min
Preproceso de datos (II) - (S1E8.ipynb)6 min
Segunda etapa del análisis exploratorio (S1E9.ipynb)14 min
6 exercices pour s'entraîner
Cuestionario 110 min
Cuestionario 210 min
Cuestionario 310 min
Cuestionario 410 min
Cuestionario 510 min
Cuestionario 610 min
3 heures pour terminer
MÓDULO 2 - MODELOS DE REGRESIÓN
En el módulo 2 del curso se introducen conceptos de modelización generales (calibración y validación) y en particular los modelos de regresión lineal y regresión logística. Desde la perspectiva de Big Data, se incluyen aspectos relacionados con la regularización de los modelos para su simplificación. <br><br><i>Como en el módulo anterior, visualiza los vídeos, contesta los cuestionarios tantas veces como quieras, y accede a los foros para discutir los temas que te parezcan más interesantes.</i>
3 heures pour terminer
10 vidéos (Total 89 min)
10 vidéos
Introducción48s
Objetivo de la Modelización8 min
Calibración del modelo10 min
Resultado de la Modelización11 min
Regresión Simple (S2E4.ipynb)11 min
Nuevas variables (S2E5.ipynb)8 min
Regresión Múltiple (I) (S2E6.ipynb)7 min
Regresión Múltiple (II) (S2E7.ipynb)11 min
Regresión Logística (I) (S2E8.ipynb)8 min
Regresión Logística (II) (S2E9.ipynb)10 min
7 exercices pour s'entraîner
Cuestionario 110 min
Cuestionario 210 min
Cuestionario 310 min
Cuestionario 410 min
Cuestionario 510 min
Cuestionario 610 min
Cuestionario 710 min
3 heures pour terminer
MÓDULO 3 - ÁRBOLES DE REGRESIÓN Y CLASIFICACIÓN
En el módulo 3 del curso se introduce la família de modelos basada en árboles (clasificación, regresión, bosques) y aspectos generales sobre la incertidumbre y el sobreajuste. Después de cada tema, o de unos pocos temas, encontrarás un cuestionario para comprobar tu nivel de comprensión de los mismos.<br><br><i>Visualiza los vídeos, contesta los cuestionarios tantas veces como quieras, y accede a los foros para discutir los temas que te parezcan más interesantes.</i>
3 heures pour terminer
10 vidéos (Total 89 min)
10 vidéos
Introducción31s
Introducción a la Modelización5 min
Medir la Incertidumbre10 min
Concepto de Árbol8 min
Árboles de Regresión11 min
Modelización con Árboles de Regresión (S3E5.ipynb)9 min
Árboles de Clasificación9 min
Modelización con Árboles de Clasificación (S3E7.ipynb)9 min
Bosques Aleatorios14 min
Modelización con Bosques Aleatorios (S3E9.ipynb)9 min
7 exercices pour s'entraîner
Cuestionario 18 min
Cuestionario 210 min
Cuestionario 310 min
Cuestionario 410 min
Cuestionario 510 min
Cuestionario 610 min
Cuestionario 710 min
3 heures pour terminer
MÓDULO 4 - REDES NEURONALES Y TÉCNICAS NO SUPERVISADAS
En el módulo 4 del curso se introduce la família de modelos basada en redes neuronales así como se introducen las técnicas básicas no supervisadas, tanto de clasificación automática como de reducción de la dimensionalidad. En este módulo, además de los cuestionarios convencionales, tendrás que realizar un trabajo práctico en el que trabajarás las técnicas aprendidas hasta el momento.<br><br><i>Visualiza los vídeos, contesta los cuestionarios tantas veces como quieras, realiza el ejercicios práctico, y accede a los foros para discutir los temas que te parezcan más interesantes.</i>
3 heures pour terminer
10 vidéos (Total 75 min), 1 lecture, 7 quiz
10 vidéos
Introducción46s
Redes Neuronales12 min
Modelización con redes neuronales (S4E2.ipynb)6 min
Introducción al reconocimiento de patrones5 min
Reducción dimensión11 min
Análisis de componentes principales (S4E6.ipynb)10 min
Clasificación automática8 min
Análisis de clústers (S4E8.ipynb)7 min
Revisión de la ciencia de datos (I)5 min
Revisión de la ciencia de datos (II)6 min
1 lecture
TRABAJO PRÁCTICO - Enunciado30 min
7 exercices pour s'entraîner
Cuestionario 110 min
Cuestionario 210 min
Cuestionario 310 min
Cuestionario 410 min
Cuestionario 510 min
Cuestionario 610 min
Cuestionario del Ejercicio Práctico30 min
Avis
Meilleurs avis pour BIG DATA: PROCESAMIENTO Y ANÁLISIS
par RM1 avr. 2019
Me gusto el curso de Procesamiento y Análisis, este hace un manejo de grandes volúmenes de datos con jupyter de python.
par PM18 juin 2020
Bastante bueno y práctico. Enseña como tratar los datos y los principales modelos de Machine Learning.
par NS27 avr. 2020
Muy instructivo, da una idea general de las herramientas usadas en análisis de Big Data.
par JR21 août 2019
Se puede mejorar todo lo relacionado a Jupyter y el procesamiento de datos.
À propos du Spécialisation Big Data – Introducción al uso práctico de datos masivos
Este programa está pensado como una entrada al mundo de los datos masivos y su tratamiento. El primer curso tiene como objetivo mostrar al estudiante el impacto del Big Data en la sociedad actual, tanto en el mundo de los negocios como en el de la política y administraciones públicas, los medios de comunicación y/o la investigación científica. A lo largo de los cursos 2, 3 y 4 se estudian la identificación, captura, pre-procesamiento, análisis y visualización de datos, desde un punto de vista “usuario”, y con una orientación práctica. Finalmente, el Capstone Project permite al estudiante aplicar los conocimientos adquiridos a un caso práctico del campo de la astronomía.
Al finalizar los cursos de esta especialización el estudiante será capaz de:
1. Entender el impacto del tratamiento de datos masivos en la sociedad actual.
2. Entender y explicar la procedencia y características de los datos masivos.
3. Adquirir, preparar, almacenar, analizar, visualizar y manejar grandes conjuntos de datos.
4. Extraer información de los datos.
5. Trabajar dentro del ecosistema Hadoop.
6. Contestar a una pregunta bien formulada en función de la información disponible.
Contamos con un conjunto maravilloso de profesores, con una gran experiencia en el tema, provenientes tanto de la universidad como de la empresa.
Necesitarás una computadora de 64bits que permita virtualizacion, con un mínimo de 6G de RAM (8G recomendable) y 20G disponibles en disco.
Foire Aux Questions
Quand aurai-je accès aux vidéos de cours et aux devoirs ?
L’accès à des vidéos de cours et des devoirs dépend de votre type d’inscription. Si vous suivez un cours en mode auditeur libre, vous pourrez voir la plupart des contenus de cours gratuitement. Pour accéder aux devoirs notés et obtenir un certificat, vous devrez acheter une expérience de certificat, pendant ou après avoir assister au cours en tant qu’auditeur libre. Si vous ne visualisez pas l’option auditeur libre :
- Il est possible que le cours ne propose pas d’option auditeur libre. Vous pouvez en revanche accéder à un essai gratuit ou faire une demande d'aide financière.
- Le cours propose peut-être « Cours complet, aucun certificat » à la place. Cette option vous permet de voir tous les contenus de cours, de soumettre les évaluations requises et d'obtenir une note finale. Cependant, vous ne pourrez pas acheter une expérience de certificat.
À quoi ai-je droit si je m'abonne à cette Spécialisation ?
Lorsque vous vous inscrivez au cours, vous bénéficiez d'un accès à tous les cours de la Spécialisation, et vous obtenez un Certificat lorsque vous avez réussi. Votre Certificat électronique est alors ajouté à votre page Accomplissements. À partir de cette page, vous pouvez imprimer votre Certificat ou l'ajouter à votre profil LinkedIn. Si vous souhaitez seulement lire et visualiser le contenu du cours, vous pouvez accéder gratuitement au cours en tant qu'auditeur libre.
Quelle est la politique de remboursement ?
Si vous vous abonnez, vous bénéficiez d'une période d'essai gratuite de 7 jours, durant laquelle vous pouvez annuler votre abonnement sans pénalité. Ensuite, nous n'accordons plus de remboursements, mais vous pouvez annuler votre abonnement à tout instant. Consultez notre politique de remboursement complète.
Une aide financière est-elle possible ?
Oui, Coursera offre une Aide Financière aux étudiants qui n'ont pas les moyens d'acquitter les frais. Demandez-la en cliquant sur le lien Aide Financière sous le bouton S'inscrire situé à gauche. Vous devrez remplir un formulaire de demande et vous serez averti(e) si elle est acceptée. Vous devrez répéter cette procédure pour chaque cours de la Spécialisation, y compris pour le Projet Final. En savoir plus.
Puis-je obtenir des crédits universitaires si je réussis le Cours ?
Ce Cours n'est pas associé à des crédits universitaires, mais certaines universités peuvent décider d'accepter des Certificats de Cours pour des crédits. Vérifiez-le auprès de votre établissement pour en savoir plus. Les Diplômes en ligne et les Certificats Mastertrack™ sur Coursera apportent la possibilité d'obtenir des crédits universitaires.
D'autres questions ? Visitez le Centre d'Aide pour les Etudiants.
