MÓDULO 1. TRANSFORMACIÓN DIGITAL

1. UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL LA TRANSFORMACIÓN DIGITAL
2. Introducción a la transformación digital
3. Concepto de innovación
4. Concepto de tecnología
5. Tipología de la tecnología
6. Punto de vista de la ventaja competitiva
7. Según su disposición en la empresa
8. Desde el punto de vista de un proyecto
9. Otros tipos de tecnología
10. La innovación tecnológica
11. Competencias básicas de la innovación tecnológica
12. El proceso de innovación tecnológica
13. Herramientas para innovar
14. Competitividad e innovación
16. UNIDAD DIDÁCTICA 2. LA SOCIEDAD 3.0
17. Filosofía Web 3.0 y su impacto en el mundo empresarial
18. Socialización de la Web
19. Adaptación del mundo empresarial a las Nuevas tecnologías
21. UNIDAD DIDÁCTICA 3. NUEVO ECOSISTEMA DIGITAL
22. Community Manager
23. Chief Data Officer
24. Data Protection Officer
25. Data Scientist
26. Otros perfiles
27. Desarrollo de competencias informáticas
28. El Papel del CEO como líder en la transformación
30. UNIDAD DIDÁCTICA 4. NUEVOS MODELOS DE NEGOCIO EN EL ENTORNO DIGITAL
31. La transición digital del modelo de negocio tradicional
32. Nuevos modelos de negocio
33. Freemium
34. Modelo Long Tail
35. Modelo Nube y SaaS
36. Modelo Suscripción
37. Dropshipping
38. Afiliación
39. Infoproductos y E-Learning
40. Otros
42. UNIDAD DIDÁCTICA 5. PLAN DE TRANSFORMACIÓN DIGITAL
43. Diagnóstico de la madurez digital de la empresa
44. Análisis de la innovación en la empresa
45. Elaboración del roadmap
46. Provisión de financiación y recursos tecnológicos
47. Implementación del plan de transformación digital
48. Seguimiento del plan de transformación digital
50. UNIDAD DIDÁCTICA 6. CASOS DE ÉXITO EN LA TRANSFORMACIÓN DIGITAL
51. BBVA y la empresa inteligente
52. DKV Salud y #MédicosfrentealCOVID
53. El Corte Inglés
54. Cepsa y su apuesta por los servicios cloud de AWS
56. UNIDAD DIDÁCTICA 7. EL NUEVO CLIENTE DIGITAL
57. Rediseñando el customer experience
58. La transformación de los canales de distribución: omnicanalidad
59. Plan de marketing digital
60. Buyer´s Journey
61. Growth Hacking: estrategia de crecimiento
62. El nuevo rol del marketing en el funnel de conversión
64. UNIDAD DIDÁCTICA 8. NUEVOS MERCADOS, NUEVAS OPORTUNIDADES
65. Oportunidades de innovación derivadas de la globalización
66. Como Inventar Mercados a través de la Innovación
67. Etapas de desarrollo y ciclos de vida
68. Incorporación al mercado
69. Metodologías de desarrollo
71. UNIDAD DIDÁCTICA 9. LA INNOVACIÓN EN LOS PROCESOS ORGANIZATIVOS
72. La transformación digital de la cadena de valor
73. La industria 4.0
74. Adaptación de la organización a través del talento y la innovación
75. Modelos de proceso de innovación
76. Gestión de innovación
77. Sistema de innovación
78. Como reinventar las empresas innovando en procesos
79. Innovación en Procesos a través de las TIC
80. El Comercio Electrónico: innovar en los canales de distribución
81. Caso de estudio voluntario: La innovación según Steve Jobs
82. Caso Helvex: el cambio continuo
83. La automatización de las empresas: RPA, RBA y RDA

MÓDULO 2. BIG DATA INTRODUCTION

1. UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL BIG DATA
2. ¿Qué es Big Data?
3. La era de las grandes cantidades de información. Historia del big data
4. La importancia de almacenar y extraer información
5. Big Data enfocado a los negocios
6. Open Data
7. Información pública
8. IoT (Internet of Things-Internet de las cosas)
10. UNIDAD DIDÁCTICA 2. FUENTES DE DATOS
11. Definición y relevancia de la selección de las fuentes de datos
12. Naturaleza de las fuentes de datos Big Data
14. UNIDAD DIDÁCTICA 3. OPEN DATA
15. Definición, Beneficios y Características
16. Ejemplo de uso de Open Data
18. UNIDAD DIDÁCTICA 4. FASES DE UN PROYECTO DE BIG DATA
19. Diagnóstico inicial
20. Diseño del proyecto
21. Proceso de implementación
22. Monitorización y control del proyecto
23. Responsable y recursos disponibles
24. Calendarización
25. Alcance y valoración económica del proyecto
27. UNIDAD DIDÁCTICA 5. BUSINESS INTELLIGENCE Y LA SOCIEDAD DE LA INFORMACIÓN
28. Definiendo el concepto de Business Intelligence y sociedad de la información
29. Arquitectura de una solución de Business Intelligence
30. Business Intelligence en los departamentos de la empresa
31. Conceptos de Plan Director, Plan Estratégico y Plan de Operativa Anual
32. Sistemas operacionales y Procesos ETL en un sistema de BI
33. Ventajas y Factores de Riesgos del Business Intelligence
35. UNIDAD DIDÁCTICA 6. PRINCIPALES PRODUCTOS DE BUSINESS INTELLIGENCE
36. Cuadros de Mando Integrales (CMI)
37. Sistemas de Soporte a la Decisión (DSS)
38. Sistemas de Información Ejecutiva (EIS)
40. UNIDAD DIDÁCTICA 7. BIG DATA Y MARKETING
41. Apoyo del Big Data en el proceso de toma de decisiones
42. Toma de decisiones operativas
43. Marketing estratégico y Big Data
44. Nuevas tendencias en management
46. UNIDAD DIDÁCTICA 8. DEL BIG DATA AL LINKED OPEN DATA
47. Concepto de web semántica
48. Linked Data Vs Big Data
49. Lenguaje de consulta SPARQL
51. UNIDAD DIDÁCTICA 9. INTERNET DE LAS COSAS
52. Contexto Internet de las Cosas (IoT)
53. ¿Qué es IoT?
54. Elementos que componen el ecosistema IoT
55. Arquitectura IoT
56. Dispositivos y elementos empleados
57. Ejemplos de uso
58. Retos y líneas de trabajo futuras

MÓDULO 3. ARQUITECTURA BIG DATA

1. UNIDAD DIDÁCTICA 1. BATCH PROCESSING
2. Hadoop
3. Pig
4. Hive
5. Sqoop
6. Flume
7. Spark Core
8. Spark 2.0
10. UNIDAD DIDÁCTICA 2. STREAMING PROCESSING
11. Fundamentos de Streaming Processing
12. Spark Streaming
13. Kafka
14. Pulsar y Apache Apex
15. Implementación de un sistema real-time
17. UNIDAD DIDÁCTICA 3. SISTEMAS NOSQL
18. Hbase
19. Cassandra
20. MongoDB
21. NeoJ
22. Redis
23. Berkeley DB
25. UNIDAD DIDÁCTICA 4. INTERACTIVE QUERY
26. Lucene + Solr
28. UNIDAD DIDÁCTICA 5. SISTEMAS DE COMPUTACIÓN HÍBRIDOS
29. Arquitectura Lambda
30. Arquitectura Kappa
31. Apache Flink e implementaciones prácticas
32. Druid
33. ElasticSearch
34. Logstash
35. Kibana
37. UNIDAD DIDÁCTICA 6. CLOUD COMPUTING
38. Amazon Web Services
39. Google Cloud Platform
41. UNIDAD DIDÁCTICA 7. ADMINISTRACIÓN DE SISTEMAS BIG
42. Administración e Instalación de clusters: Cloudera y Hortonworks
43. Optimización y monitorización de servicios
44. Seguridad: Apache Knox, Ranger y Sentry
46. UNIDAD DIDÁCTICA 8. VISUALIZACIÓN DE DATOS
47. Herramientas de visualización: Tableau y CartoDB
48. Librerías de Visualización: D, Leaflet, Cytoscape

MÓDULO 4. MINERÍA Y ANÁLISIS DE DATOS

1. UNIDAD DIDÁCTICA 1. MINERÍA DE DATOS O DATA MINING Y EL APRENDIZAJE AUTOMÁTICO
2. Introducción a la minería de datos y el aprendizaje automático
3. Proceso KDD
4. Modelos y Técnicas de Data Mining
5. Áreas de aplicación
6. Minería de textos y Web Mining
7. Data mining y marketing
9. UNIDAD DIDÁCTICA 2. DATAMART. CONCEPTO DE BASE DE DATOS DEPARTAMENTAL
10. Aproximación al concepto de DataMart
11. Procesos de extracción, transformación y carga de datos (ETL)
12. Data Warehou
13. Herramientas de Explotación
14. Herramientas para el desarrollo de cubos OLAP
16. UNIDAD DIDÁCTICA 3. DATAWAREHOUSE O ALMACÉN DE DATOS CORPORATIVOS
17. Visión General. ¿Por qué DataWarehouse?
18. Estructura y Construcción
19. Fases de implantación
20. Características
21. Data Warehouse en la nube
23. UNIDAD DIDÁCTICA 4. INTELIGENCIA DE NEGOCIO Y HERRAMIENTAS DE ANALÍTICA
24. Tipos de herramientas para BI
25. Productos comerciales para BI
26. Productos Open Source para BI
27. Beneficios de las herramientas de BI
29. UNIDAD DIDÁCTICA 5. ECOSISTEMA HADOOP
30. ¿Qué es Hadoop? Relación con Big Data
31. Instalación y configuración de insfraestructura y ecosistema Hadoop
32. Sistema de archivos HDFS
33. MapReduce con Hadoop
34. Apache Hive
35. Apache Hue
36. Apache Spark
38. UNIDAD DIDÁCTICA 6. WEKA Y DATA MINING
39. ¿Qué es Weka?
40. Técnicas de Data Mining en Weka
41. Interfaces de Weka
42. Selección de atributos
44. UNIDAD DIDÁCTICA 7. PENTAHO
45. Una aproximación a Pentaho
46. Soluciones que ofrece Pentaho
47. MongoDB & Pentaho
48. Hadoop & Pentaho
49. Weka & Pentaho
51. UNIDAD DIDÁCTICA 8. INTRODUCCIÓN A LA CIENCIA DE DATOS
52. ¿Qué es la ciencia de datos?
53. Herramientas necesarias para el científico de datos
54. Data Science & Cloud Compunting
55. Aspectos legales en Protección de Datos
57. UNIDAD DIDÁCTICA 9. BASES DE DATOS RELACIONALES
58. Introducción
59. El modelo relacional
60. Lenguaje de consulta SQL
61. MySQL. Una base de datos relacional
63. UNIDAD DIDÁCTICA 10. BASES DE DATOS NOSQL Y EL ALMACENAMIENTO ESCALABLE
64. ¿Qué es una base de datos NoSQL?
65. Bases de datos Relaciones Vs Bases de datos NoSQL
66. Tipo de Bases de datos NoSQL. Teorema de CAP
67. Sistemas de Bases de datos NoSQL
69. UNIDAD DIDÁCTICA 11. INTRODUCCIÓN A UN SISTEMA DE BASES DE DATOS NOSQL. MONGODB
70. ¿Qué es MongoDB?
71. Funcionamiento y uso de MongoDB
72. Primeros pasos con MongoDB. Instalación y shell de comandos
73. Creando nuestra primera Base de Datos NoSQL.Modelo e Inserción de Datos
74. Actualización de datos en MongoDB. Sentencias set y update
75. Trabajando con índices en MongoDB para optimización de datos
76. Consulta de datos en MongoDB
78. UNIDAD DIDÁCTICA 12. PYTHON Y EL ANÁLISIS DE DATOS
79. Introducción a Python
80. ¿Qué necesitas?
81. Librerías para el análisis de datos en Python
82. MongoDB, Hadoop y Python. Dream Team del Big Data
84. UNIDAD DIDÁCTICA 13. R COMO HERRAMIENTA PARA BIG DATA
85. Introducción a R
86. ¿Qué necesitas?
87. Tipos de datos
88. Estadística Descriptiva y Predictiva con R
89. Integración de R en Hadoop
91. UNIDAD DIDÁCTICA 14. PRE-PROCESAMIENTO & PROCESAMIENTO DE DATOS
92. Obtención y limpieza de los datos (ETL)
93. Inferencia estadística
94. Modelos de regresión
95. Pruebas de hipótesis
97. UNIDAD DIDÁCTICA 15. ANÁLISIS DE LOS DATOS
98. Inteligencia Analítica de negocios
99. La teoría de grafos y el análisis de redes sociales
100. Presentación de resultados

MÓDULO 5. VISUALIZACIÓN DE DATOS

1. UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA VISUALIZACIÓN DE DATOS
2. ¿Qué es la visualización de datos?
3. Importancia y herramientas de la visualización de datos
4. Visualización de datos: Principios básicos
6. UNIDAD DIDÁCTICA 2. TABLEAU
7. ¿Qué es Tableau? Usos y aplicaciones
8. Tableau Server: Arquitectura y Componentes
9. Instalación Tableau
10. Espacio de trabajo y navegación
11. Conexiones de datos en Tableau
12. Tipos de filtros en Tableau
13. Ordenación de datos, grupos, jerarquías y conjuntos
14. Tablas y gráficos en Tableau
16. UNIDAD DIDÁCTICA 3. D3 (DATA DRIVEN DOCUMENTS)
17. Fundamentos D3
18. Instalación D3
19. Funcionamiento D3
20. SVG
21. Tipos de datos en D3
22. Diagrama de barras con D3
23. Diagrama de dispersión con D3
25. UNIDAD DIDÁCTICA 4. LOOKER STUDIO (GOOGLE DATA STUDIO)
26. Visualización de datos
27. Tipologías de gráficos
28. Fuentes de datos
29. Creación de informes
31. UNIDAD DIDÁCTICA 5. QLIKVIEW
32. Instalación y arquitectura
33. Carga de datos
34. Informes
35. Transformación y modelo de datos
36. Análisis de datos
38. UNIDAD DIDÁCTICA 6. POWER BI
39. Introducción a Power BI
40. Instalación de Power BI
41. Modelado de datos
42. Visualización de datos
43. Dashboards
44. Uso compartido de datos
46. UNIDAD DIDÁCTICA 7. CARTO
47. CartoDB
48. ¿Qué es CARTO?
49. Carga y uso de datos. Tipos de análisis
50. Programación de un visor con la librería CARTO.js
51. Uso de ejemplos y ayudas de la documentación de la API

MÓDULO 6. INTELIGENCIA ARTIFICIAL (IA), MACHINE LEARNING (ML) Y DEEP LEARNING (DL)

1. UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL
2. Introducción a la inteligencia artificial
3. Historia
4. La importancia de la IA
6. UNIDAD DIDÁCTICA 2. TIPOS DE INTELIGENCIA ARTIFICIAL
7. Tipos de inteligencia artificial
9. UNIDAD DIDÁCTICA 3. ALGORITMOS APLICADOS A LA INTELIGENCIA ARTIFICIAL
10. Algoritmos aplicados a la inteligencia artificial
12. UNIDAD DIDÁCTICA 4. RELACIÓN ENTRE INTELIGENCIA ARTIFICIAL Y BIG DATA
13. Relación entre inteligencia artificial y big data
14. IA y Big Data combinados
15. El papel del Big Data en IA
16. Tecnologías de IA que se están utilizando con Big Data
18. UNIDAD DIDÁCTICA 5. SISTEMAS EXPERTOS
19. Sistemas expertos
20. Estructura de un sistema experto
21. Inferencia: Tipos
22. Fases de construcción de un sistema
23. Rendimiento y mejoras
24. Dominios de aplicación
25. Creación de un sistema experto en C#
26. Añadir incertidumbre y probabilidades
28. UNIDAD DIDÁCTICA 6. FUTURO DE LA INTELIGENCIA ARTIFICIAL
29. Futuro de la inteligencia artificial
30. Impacto de la IA en la industria
31. El impacto económico y social global de la IA y su futuro
33. UNIDAD DIDÁCTICA 7. INTRODUCCIÓN AL MACHINE LEARNING
34. Introducción
35. Clasificación de algoritmos de aprendizaje automático
36. Ejemplos de aprendizaje automático
37. Diferencias entre el aprendizaje automático y el aprendizaje profundo
38. Tipos de algoritmos de aprendizaje automático
39. El futuro del aprendizaje automático
41. UNIDAD DIDÁCTICA 8. EXTRACCIÓN DE ESTRUCTURA DE LOS DATOS: CLUSTERING
42. Introducción
43. Algoritmos
45. UNIDAD DIDÁCTICA 9. SISTEMAS DE RECOMENDACIÓN
46. Introducción
47. Filtrado colaborativo
48. Clusterización
49. Sistemas de recomendación híbridos
51. UNIDAD DIDÁCTICA 10. CLASIFICACIÓN
52. Clasificadores
53. Algoritmos
55. UNIDAD DIDÁCTICA 11. REDES NEURONALES Y DEEP LEARNING
56. Componentes
57. Aprendizaje
59. UNIDAD DIDÁCTICA 12. SISTEMAS DE ELECCIÓN
60. Introducción
61. El proceso de paso de DSS a IDSS
62. Casos de aplicación
64. UNIDAD DIDÁCTICA 13. DEEP LEARNING CON PYTHON, KERAS Y TENSORFLOW
65. Aprendizaje profundo
66. Entorno de Deep Learning con Python
67. Aprendizaje automático y profundo
69. UNIDAD DIDÁCTICA 14. SISTEMAS NEURONALES
70. Redes neuronales
71. Redes profundas y redes poco profundas
73. UNIDAD DIDÁCTICA 15. REDES DE UNA SOLA CAPA
74. Perceptrón de una capa y multicapa
75. Ejemplo de perceptrón
77. UNIDAD DIDÁCTICA 16. REDES MULTICAPA
78. Tipos de redes profundas
79. Trabajar con TensorFlow y Python
81. UNIDAD DIDÁCTICA 17. ESTRATEGIAS DE APRENDIZAJE
82. Entrada y salida de datos
83. Entrenar una red neuronal
84. Gráficos computacionales
85. Implementación de una red profunda
86. El algoritmo de propagación directa
87. Redes neuronales profundas multicapa

MÓDULO 7. PLN, CHATBOTS E INTELIGENCIA ARTIFICIAL

1. UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL PLN
2. ¿Qué es PLN?
3. ¿Qué incluye el PLN?
4. Ejemplos de uso de PLN
5. Futuro del PLN
7. UNIDAD DIDÁCTICA 2. PLN EN PYTHON
8. PLN en Python con la librería NLTK
9. Otras herramientas para PLN
11. UNIDAD DIDÁCTICA 3. COMPUTACIÓN DE LA SINTAXIS PARA EL PLN
12. Principios del análisis sintáctico
13. Gramática libre de contexto
14. Analizadores sintácticos (Parsers)
16. UNIDAD DIDÁCTICA 4. COMPUTACIÓN DE LA SEMÁNTICA PARA EL PLN
17. Aspectos introductorios del análisis semántico
18. Lenguaje semántico para PLN
19. Análisis pragmático
21. UNIDAD DIDÁCTICA 5. RECUPERACIÓN Y EXTRACCIÓN DE LA INFORMACIÓN
22. Aspectos introductorios
23. Pasos en la extracción de información
24. Ejemplo PLN
25. Ejemplo PLN con entrada de texto en inglés
27. UNIDAD DIDÁCTICA 6. ¿QUÉ ES UN CHATBOT?
28. Aspectos introductorios
29. ¿Qué es un chatbot?
30. ¿Cómo funciona un chatbot?
31. VoiceBots
32. Desafios para los Chatbots
34. UNIDAD DIDÁCTICA 7. RELACIÓN ENTRE IA Y CHATBOTS
35. Chatbots y el papel de la Inteligencia Artificial (IA)
36. Usos y beneficios de los chatbots
37. Diferencia entre bots, chatbots e IA
39. UNIDAD DIDÁCTICA 8. ÁMBITOS DE APLICACIÓN CHATBOTS
40. Áreas de aplicación de Chatbots
41. Desarrollo de un chatbot con ChatterBot y Python
42. Desarrollo de un chatbot para Facebook Messenger con Chatfuel

MÓDULO 8. VISIÓN ARTIFICIAL EN INDUSTRIA 4.0 CON PYTHON Y OPENCV

1. UNIDAD DIDÁCTICA 1. LA VISIÓN ARTIFICIAL: DEFINICIÓN Y ASPECTOS PRINCIPALES
2. La visión artificial: definiciones y aspectos principales
4. UNIDAD DIDÁCTICA 2. COMPONENTES DE UN SISTEMA DE VISIÓN ARTIFICIAL
5. Ópticas
6. Iluminación
7. Cámaras
8. Sistemas 3D
9. Sensores
10. Equipos compactos
11. Metodologías para la selección del hardware
13. UNIDAD DIDÁCTICA 3. PROCESADO DE IMÁGENES MEDIANTE VISIÓN ARTIFICIAL
14. Algoritmos
15. Software
16. Segmentación e interpretación de imágenes
17. Metodologías para la selección del software
19. UNIDAD DIDÁCTICA 4. APLICACIONES DE LA VISIÓN EN LA INDUSTRIA 4.0
20. Aplicaciones clásicas: discriminación, detección de fallos?
21. Nuevas aplicaciones: códigos OCR, trazabilidad, robótica, reconocimiento (OKAO)
23. UNIDAD DIDÁCTICA 5. INTRODUCCIÓN E INSTALACIÓN DE OPENCV
24. Descripción general OpenCV
25. Instalación OpenCV para Python en Windows
26. Instalación OpenCV para Python en Linux
27. Anaconda y OpenCV
29. UNIDAD DIDÁCTICA 6. MANEJO DE FICHEROS, CÁMARAS E INTERFACES GRÁFICAS
30. Manejo de archivos
31. Leer una imagen con OpenCV
32. Mostrar imagen con OpenCV
33. Guardar una imagen con OpenCV
34. Operaciones aritméticas en imágenes usando OpenCV
35. Funciones de dibujo
37. UNIDAD DIDÁCTICA 7. TRATAMIENTO DE IMÁGENES
38. Redimensión de imágenes
39. Erosión de imágenes
40. Desenfoque de imágenes
41. Bordeado de imágenes
42. Escala de grises en imágenes
43. Escalado, rotación, desplazamiento y detección de bordes
44. Erosión y dilatación de imágenes
45. Umbrales simples
46. Umbrales adaptativos
47. Umbral de Otsu
48. Contornos de imágenes
49. Incrustación de imágenes
50. Intensidad en imágenes
51. Registro de imágenes
52. Extracción de primer plano
53. Operaciones morfológicas en imágenes
54. Pirámide de imágen
56. UNIDAD DIDÁCTICA 8. HISTOGRAMAS Y TEMPLATE MATCHING
57. Analizar imágenes usando histogramas
58. Ecualización de histogramas
59. Template matching
60. Detección de campos en documentos usando Template matching
62. UNIDAD DIDÁCTICA 9. COLORES Y ESPACIOS DE COLOR
63. Espacios de color en OpenCV
64. Cambio de espacio de color
65. Filtrado de color
66. Denoising de imágenes en color
67. Visualizar una imagen en diferentes espacios de color
69. UNIDAD DIDÁCTICA 10. DETECCIÓN DE CARAS Y EXTRACCIÓN DE CARACTERÍSTICAS
70. Detección de líneas
71. Detección de círculos
72. Detectar esquinas (Método Shi-Tomasi)
73. Detectar esquinas (método Harris)
74. Encontrar círculos y elipses
75. Detección de caras y sonrisas
77. UNIDAD DIDÁCTICA 11. APRENDIZAJE AUTOMÁTICO
78. Vecino más cercano (K-Nearest Neighbour)
79. Agrupamiento de K-medias (K-Means Clustering)