Análisis de Datos en Sistemas de Información

1.1. Introducción a la asignatura

1.2. Objetivos de la asignatura

1.3. Contenidos y guión a seguir

1.4. Métodos de evaluación: por proyecto de asignatura

1.5. Planificación temporal

1.6. Recomendaciones para superar la asignatura

2.1. La importancia del nombre: Data Engineering, Data Science, Internet de las cosas, etc.

2.2. Breve historia sobre la evolución de los sistemas orientados a datos

2.3. Sistemas orientados a datos: Fases del proceso

2.4. Tipología del dato: batch vs. real-time

2.5. Patrones arquitectónicos modernos para el modelado orientado al dato: Lambdas & Kappas

3.1. Fuentes de datos

3.2. Del data warehouse al data lake

3.3. Infraestructura para la ingesta: los servicios de mensajería

4.1. Procesado batch: Extracción, transformación y carga de datos

4.2. Procesado online: Streaming de datos y Complex Event Processing

4.3. Generación de modelos predictivos: Analítica de datos

4.4. Opciones de almacenamiento del modelo

5.1. Buenas prácticas en visualización

5.2. Opciones tecnológicas para la capa de visualización

5.3. Relación entre modelo y visualización

5.4. La capa de visualización y su integración con las arquitecturas de microservicio

6.1. Opciones para automatizar la capa batch

6.2. El paso de Labmda a Kappa: ventajas e inconvenientes