Sistemas de Big Data

Sinopsis del producto

Comunicación, Branding y Eventos Corporativos es una obra dirigida a aquellos que se sumergen por primera vez en el mundo de la comunicación empresarial y para aquellos que desean actualizar y reforzar los conceptos en la disciplina de la comunicación y marketing empresarial, que evoluciona y se adapta a las necesidades de un tiempo de transformación global. nDesde la organización de eventos hasta la relación con los medios de comunicación, pasando por la gestión de las redes sociales, de la web corporativa o las relaciones institucionales, el libro recorre todo el ecosistema de la comunicación corporativa para acabar haciendo hincapié en la responsabilidad que tienen los comunicadores con la sociedad cuando dan voz a las organizaciones para las que trabajan y la importancia de que conecten emocionalmente con sus públicos. El marketing social o la aplicación de neurociencia a los mensajes que emitimos desde las organizaciones son también, por ello, parte importante de este libro. n nJohn Atkinson Abutridy nEs profesor titular en la Facultad de Ingeniería y Ciencias de la Universidad Adolfo Ibáñez (UAI), Santiago, Chile. Anteriormente, fue profesor titular y jefe del Departamento de Ciencias de la Computación, en la Universidad de Concepción, Chile, donde también fue fundador y director del Laboratorio de Inteligencia Artificial (2004-2016). Fue profesor asistente en la Universidad Técnica Federico Santa María (UTFSM, Valparaíso, Chile), y profesor en la Pontificia Universidad Católica de Valparaíso. Obtuvo un doctorado en Inteligencia Artificial de la Universidad de Edimburgo, Escocia (Reino Unido), y un B.Eng y M.Eng en Ciencias de la Computación de UTFSM. En los últimos 25 años, ha estado involucrado en la docencia, investigación y consultoría en Chile y universidades y centros de investigación en todo el mundo. También ha liderado varios proyectos científicos y tecnológicos financiados por agencias nacionales e internacionales, y empresas privadas. n nEn 2010, recibió el Premio ACM Senior Member por sus contribuciones internacionales a las ciencias de la computación en el lado científico y práctico. nEstá activamente involucrado en investigación básica y aplicada en las áreas de Procesamiento del Lenguaje Natural, Minería de Textos, Aprendizaje Automático e Inteligencia Artificial. Parte de su investigación se ha aplicado actualmente para abordar problemas complejos en empresas privadas, incluido el análisis y la minería inteligente de textos, modelos predictivos para la detección de fraudes, minería de opiniones, interfaces inteligentes y sistemas de preguntas y respuestas. n nContenido n nPRESENTACIÓN nACERCA DEL AUTOR n nCAPÍTULO 1. BIG DATA: DEL DATO A LA INFORMACIÓN n1.1 DATOS, INFORMACIÓN Y CONOCIMIENTO n1.2 CARACTERIZACIÓN DEL DATO n1.2.1 Datos en cuanto al tipo n1.2.2 Datos en cuanto al formato n1.2.3 Datos en cuanto al generador n1.2.4 Datos en cuanto al tamaño n1.2.5 Datos en cuanto a su rol n1.2.6 Datos en cuanto a su latencia n1.2.7 Datos en cuanto a su sensibilidad n1.3 BIG DATA EN CONTEXTO n1.3.1 El modelo de las cinco uves n1.3.2 Empresas orientadas por los datos n1.3.3 Computación en la nube n1.3.4 Gestión y gobierno del dato n1.4 ETAPAS DE ANÁLISIS EN LA EXPLOTACIÓN DE LA INFORMACIÓN n1.4.1 Analítica descriptiva n1.4.2 Analítica prescriptiva n1.4.3 Analítica predictiva n1.4.4 Analítica cognitiva n1.5 ESCENARIOS DE APLICACIÓN DEL BIG DATA n1.6 RESUMEN DEL CAPÍTULO n nCAPÍTULO 2. ARQUITECTURAS Y PATRONES PARA BIG DATA n2.1 PATRONES ARQUITECTURALES n2.1.1 Tipologías de patrones n2.2 ARQUITECTURAS DE DATOS CENTRALIZADAS n2.2.1 Generación 0 (1970): sistemas transaccionales n2.2.2 Generación 1 (1980): data warehouse n2.2.3 Generación 2 (1990): almacenes operacionales n2.2.4 Generación 3 (2000): gestión de datos maestros n2.2.5 Generación 4 (2010): data lake n2.2.6 Generación 5 (2020): data lakehouse n2.3 ARQUITECTURAS DE DATOS ORIENTADA POR DOMINIOS n2.3.1 El concepto de data mesh n2.3.2 Organización distribuida de datos según dominios n2.3.3 El dato como producto n2.3.4 Plataforma compartida y gobierno federado n2.4 RESUMEN DEL CAPÍTULO n nCAPÍTULO 3. SISTEMAS DE ALMACENAMIENTO n3.1 BASES DE DATOS RELACIONALES n3.1.1 Gestión de cargas analíticas n3.1.2 Escenarios e inconvenientes n3.1.3 Software y soluciones para data warehouse n3.2 SISTEMAS DE ARCHIVOS DISTRIBUIDOS n3.2.1 Apache Hadoop–HDFS n3.2.2 Formatos de archivos n3.2.3 Escenarios e inconvenientes n3.2.4 Software y soluciones para Apache Hadoop n3.3 ALMACENES DE OBJETOS n3.3.1 Catálogos de tablas n3.3.2 Escenarios e inconvenientes n3.3.3 Servicios para el almacenamiento de objetos n3.4 BASES DE DATOS NOSQL n3.4.1 El modelo BASE y el teorema CAP n3.4.2 Gestores NoSQL según el modelo de datos. n3.4.3 Software y servicios de bases de datos NoSQL n3.5 RESUMEN DEL CAPÍTULO n nCAPÍTULO 4. PROCESAMIENTO DE DATOS POR LOTES n4.1 EXTRACCIÓN, TRANSFORMACIÓN Y CARGA n4.1.1 Extracción n4.1.2 Transformación n4.1.3 Carga. n4.2 MODELADO DE DATOS Y GESTIÓN DE CAMBIOS n4.2.1 Modelos multidimensionales n4.2.2 Cambios en los datos y gestión de la historia. n4.3 TECNOLOGÍAS PARA EL TRATAMIENTO DE DATOS n4.3.1 Apache Hadoop. n4.3.2 Aplicaciones MapReduce n4.3.3 Apache Spark n4.3.4 Tecnologías para flujos ETL n4.4 MOTORES DE CONSULTA DISTRIBUIDOS n4.4.1 Apache Hive. n4.4.2 Otros motores especializados n4.4.3 Apache Arrow n4.5 RESUMEN DEL CAPÍTULO n nCAPÍTULO 5. GESTIÓN DE EVENTOS EN TIEMPO REAL n5.1 TRANSMISIÓN DE EVENTOS n5.1.1 Transmisión de eventos y colas de mensajes n5.1.2 Apache Kafka n5.2 PROCESAMIENTO DE EVENTOS n5.2.1 Consideraciones sobre el análisis de datos en tiempo real n5.2.2 Soluciones para el procesamiento de eventos n5.3 UNIFICACIÓN DE PROCESOS n5.3.1 El modelo Lambda n5.3.2 El modelo Kappa n5.3.3 Revisitando los catálogos de tablas n5.4 RESUMEN DEL CAPÍTULO n nCAPÍTULO 6. ANÁLISIS DESCRIPTIVO: EXPLORACIÓN DE LOS DATOS n6.1 MOTIVACIÓN Y OBJETIVOS n6.2 CARACTERIZACIÓN DE LOS DATOS n6.2.1 Observaciones y atributos n6.2.2 Relaciones entre atributos n6.3 ANÁLISIS EXPLORATORIO n6.3.1 Análisis univariante n6.3.2 Análisis multivariante n6.4 ANÁLISIS MULTIDIMENSIONAL n6.4.1 Cuadros de mando y KPI n6.5 SISTEMAS PARA EL ANÁLISIS DESCRIPTIVO n6.5.1 Flujo de construcción de un cuadro de mando n6.5.2 Herramientas y soluciones n6.6 RESUMEN DEL CAPÍTULO n nCAPÍTULO 7. ANÁLISIS PREDICTIVO: MINERÍA DE DATOS n7.1 MOTIVACIÓN Y OBJETIVOS n7.2 PREPROCESADO DE LOS DATOS n7.3 MODELIZACIÓN DE LOS DATOS n7.3.1 Aprendizaje supervisado n7.3.2 Aprendizaje no supervisado n7.4 PUESTA EN PRODUCCIÓN E INFERENCIA DE MODELOS n7.4.1 Escenarios de inferencia de modelos n7.5 HERRAMIENTAS Y SOLUCIONES PARA MINERÍA DE DATOS n7.6 RESUMEN DEL CAPÍTULO n nCAPÍTULO 8. ANÁLISIS PRESCRIPTIVO: MODELOS DE OPTIMIZACIÓN n8.1 MOTIVACIÓN Y OBJETIVOS n8.2 OPTIMIZACIÓN MATEMÁTICA n8.2.1 Programación lineal n8.2.2 Otros métodos de optimización matemática n8.3 ALGORITMOS GENÉTICOS n8.4 MODELIZACIÓN PROBABILÍSTICA n8.4.1 Cadenas de Markov n8.5 HERRAMIENTAS Y SOLUCIONES PARA ANÁLISIS PRESCRIPTIVO n8.6 RESUMEN DEL CAPÍTULO n nCAPÍTULO 9. ANÁLISIS COGNITIVO: INTELIGENCIA ARTIFICIAL n9.1 MOTIVACIÓN Y OBJETIVOS n9.2 MECANISMOS DE APRENDIZAJE n9.2.1 Aprendizaje por refuerzo n9.2.2 Aprendizaje profundo n9.3 APLICACIONES EN EL ÁMBITO ANALÍTICO n9.3.1 Análisis de conversaciones n9.3.2 Análisis de imágenes n9.4 PROBLEMAS DE SESGO Y FALTA DE EQUIDAD EN LOS MODELOS n9.4.1 Mitigación del sesgo n9.5 HERRAMIENTAS Y SOLUCIONES PARA ANÁLISIS COGNITIVO n9.5.1 Aceleración de la inferencia de modelos por hardware n9.5.2 Servicios cognitivos en la nube n9.5.3 Soluciones para la detección y mitigación de sesgo n9.6 RESUMEN DEL CAPÍTULO n nCAPÍTULO 10. GESTIÓN Y GOBIERNO DEL DATO Y SUS ACTIVOS n10.1 GESTIÓN DEL CICLO DE VIDA DE LOS DATOS n10.1.1 El marco DAMA-DMBOK2 n10.1.2 Operaciones sobre los datos y observancia n10.2 GESTIÓN DEL APRENDIZAJE AUTOMÁTICO n10.2.1 Metodologías para minería de datos n10.2.2 Automatización de modelos: MLOps n10.3 SOLUCIONES PARA LA GESTIÓN Y GOBIERNO DEL DATO n10.4 RESUMEN DEL CAPÍTULO nBIBLIOGRAFÍA RECOMENDADA

9786075761640

LÓPEZ FANDIÑO, VICTOR MANUEL