Big Data

Data Warehousing - Data Mining - Big Data

en un contexto de Ciberdefensa y Ciberseguridad

El curso está destinado a profesionales universitarios con títulos correspondientes a carreras de cuatro o más años de duración. Oficiales de las Fuerzas Armadas y Fuerzas de Seguridad con estudios de tercer nivel de cuatro o más años de duración. Especialmente está orientado a interesados en la utilización de considerables agregados de datos en Ciberdefensa y Ciberseguridad.

 

MODALIDAD DE CURSADA

2do. Cuatrimestre
12 clases (48 hs.)
Viernes de 17.30 a 21.30 hs.
LUGAR: Libertad 1235
Escuela Nacional de Inteligencia
INICIO: 23 de agosto

Objetivos
  • Desarrollar casos que muestren el agotamiento de las posibilidades de la Tecnología de Bases de Datos ante enormes volúmenes de datos a ser procesados / almacenados: Data Warehousing
  • Analizar los distintos tipos de organización de Data Warehousing (MOLAP vs. ROLAP)
  • Estudiar las posibilidades de Data Mining o minería de datos vista como la extracción de información significativa de grandes Bases de Datos o Data Warehouses.
  • Estudiar las distintas modalidades de obtención de información asociada a la “Inteligencia del Negocio”.
  • Adquirir las habilidades para la Detección de Tendencias y Análisis de Correlaciones.
  • Generar habilidades para la optimización del Proceso de Toma de Decisiones a partir de Data Mining.
  • Estudiar a la Data Warehouse como almacenamiento de los datos orientados a la transacción.
  • Estudiar a la Data Warehouse como conjunto de estructuras de datos organizadas específicamente para consultas y despliegues “ad hoc”.
  • Estudiar a la Big Data o datos masivos como proceso de recolección de grandes cantidades de datos.
  • Desarrollar habilidades en el análisis para encontrar información implícita, patrones recurrentes, nuevas correlaciones.
  • Analizar a Big Data como respuesta al agotamiento de los medios tradicionales de almacenamiento.
  • Analizar la utilización de Data Warehousing Data Mining y Big Data en Ciberdefensa y Ciberseguridad.
Plan de Estudios

 ASIGNATURAS 

1. El agotamiento de las posibilidades de la Tecnología de Bases de Datos ante enormes volúmenes de datos a ser procesados / almacenados: Data Warehousing. Características de la Tecnología de Bases de Datos “tradicionales”. Los problemas de “performance” en consultas complejas en el contexto de las Bases de Datos Tradicionales.
2. Distintos tipos de organización de Data Warehousing. Data Warehouses Multidimensionales versus Data Warehouses Relacionales. Analogías y diferencias. Consultas en Data Warehouses Multidimensionales y en Data Warehouses Relacionales
3. Data Mining o minería de datos. Extracción de información significativa de grandes Bases de Datos o Data Warehouses.
4. Obtención de información asociada a la “Inteligencia del Negocio”. Reporte “empresarial”; normalmente estáticos, para distribuir entre usuarios múltiples. Cubos de análisis; proveer capacidad analítica a los administradores del “negocio”. Vistas “ad hoc”, query y análisis;  para visualizar las estructuras de datos, obtener respuestas y convertirla en información. Data mining y análisis estadísticos; genera el modelo predictivo y/o y relaciones causa efecto entre dos datos. Entrega de reportes y alertas mediante motores de distribución de reporte y alertas a gran número de usuarios.
5. Detección de Tendencias y Análisis de Correlaciones. Fundamentos matemáticos. Ejercitaciones. Aplicación a casos en Ciberdefensa y Ciberseguridad.
6. Optimización del Proceso de Toma de Decisiones a partir de Data Mining. Desde el reservorio de datos hasta los indicadores orientados a optimizar las decisiones.

  

7. Data Warehouse como almacenamiento de los datos orientados a la transacción. La dimensión “tiempo” como eje del diseño de Data Warehouse.
8. Data Warehouse como conjunto de estructuras de datos organizadas específicamente para consultas y despliegues “ad hoc”.
9. Big Data o datos masivos como proceso de recolección de grandes cantidades de datos. Definición y relevancia de la selección de las fuentes de datos. Naturaleza de las fuentes de datos Big Data. Clasificación en base a la estructura. Clasificación en base a la forma y velocidad de distribución. Procesos de integración. Procesos de verificación de la Calidad.
10. Análisis para encontrar información implícita, patrones recurrentes, nuevas correlaciones. Clustering Numérico. Clustering Conceptual. Clustering Probabilístico. Otras técnicas de análisis.
11. Big Data como respuesta al agotamiento de los medios tradicionales de almacenamiento. Análisis comparativo de distintas variantes de gestión de la persistencia de Datos y Objetos con el enfoque Big Data. Casos de aplicación en Ciberdefensa y Ciberseguridad.
12. Utilización de Data Warehousing Data Mining y Big Data en Ciberdefensa y Ciberseguridad. Data Warehousing Data Mining y Big Data aplicados en “Análisis de Flujo de Redes”. Otros casos de “Pattern Recognition” en Ciberdefensa y Ciberseguridad utilizando Data Warehousing-Data Mining-Big Data.

Autoridades
  • Dr. Ing. Roberto Uzal

    Ver CV
Cuerpo Docente
  • Baravalle, Adriana Mg. en Explotación de Datos y Gestión del ConocimientoEsp. en Criptología – Lic. en Sistemas

¿Cómo Postularse?

Recibí información sobre ARANCELES completando el Formulario al pie “Consultas”
PASOS DEL PROCESO DE ADMISIÓN