En este último curso de la Especialización Big Data el estudiante tendrá la oportunidad de aplicar algunas de las herramientas y métodos aprendidos en los cursos anteriores en un caso práctico.
El objetivo de este Capstone Project es mostrar un ejemplo del trabajo que se realiza diariamente en el departamento de Cosmología del Port d’Informació Científica, en Barcelona. Se trata de crear un clasificador para imágenes de galaxias, a partir de datos del proyecto GalaxyZoo e imágenes y datos del telescopio Sloan Digital Sky Survey. Los trabajos y ejercicios guiados llevarán al estudiante a la exploración y analisis de estos datos, hasta realizar una herramienta automática de Machine Learning.
El proceso seguido por los estudiantes en este curso se podría aplicar en cualquier otra disciplina, por ejemplo en las ciencias sociales, en un estudio de mercado o en cualquier ámbito que comporte toma de decisiones a partir de un gran volumen de datos.
Este curso forma parte de Programa Especializado - Big Data – Introducción al uso práctico de datos masivos
Big Data: capstone project
ofrecido por
Programa Especializado - Big Data – Introducción al uso práctico de datos masivos Universitat Autònoma de Barcelona
Programa - Qué aprenderás en este curso
Semana
1INTRODUCCIÓN
8 readings
8 lecturas
BIENVENIDA1m
Contenidos del curso (Temario)3m
Organización del curso y evaluación10m
Sobre el certificado2m
FAQs - Generales10m
FAQs - Cuestionarios y ejercicios10m
FAQs - Certificado10m
Links relacionados2m
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.</b> En caso contrario, en este apartado te explicamos cómo descargar e instalar dicha máquina virtual en tu ordenador. <br><br>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>
4 videos (Total 16 minutos), 4 readings
4 videos
Instalación de la máquina virtual - Import start4m
Instalación de la máquina virtual - Tips3m
Instalación de la máquina virtual - Pyspark setup4m
4 lecturas
Link para la descarga de la MV_Cloudera20m
Instalación de la MV - Import start20m
Instalación de la MV - Tips10m
Instalación de la MV - Pyspark set up10m
MÓDULO 1 - Exploración de datos
En esta semana vamos a conocer el proyecto y a hacer una primera exploración de algunos de los datos con los que iremos trabajando. Nos familiarizamos con el contenido de estos ficheros y haremos el trabajo preliminar para poderlo luego aplicar a grandes volumenes de datos.
1 video (Total 6 minutos), 2 readings, 1 quiz
1 video
2 lecturas
Introducción CAPSTONE PROJECT10m
Trabajo a realizar30m
1 ejercicio de práctica
Exploración de los datos30m
Semana
2MÓDULO 2 - MODELO DE DATOS
En esta semana aprenderemos a cargar los datos en Hive, construir su modelo de datos y entender la tarea de clasificar una galaxia según su forma.
1 video (Total 1 minutos), 3 readings, 1 quiz
1 video
Introducción46s
3 lecturas
Trabajo a realizar10m
Trabajo a realizar10m
Trabajo a realizar10m
1 ejercicio de práctica
Modelo de datos30m
Semana
3MÓDULO 3 - CLASIFICACIÓN
Esta semana vamos a normalizar un modelo de datos, estudiaremos con profundidad los votos que nos han proporcionado los usuarios y generaremos la información necesaria para construir un clasificador automàtico.
1 video (Total 1 minutos), 2 readings, 1 quiz
1 video
Introducción31s
2 lecturas
Trabajo a realizar10m
Trabajo a realizar10m
1 ejercicio de práctica
Clasificación20m
Semana
4MÓDULO 4 - MACHINE LEARNING
Esta semana introduciremos el dataset de imágenes galácticas y prepararemos dos algoritmos de Inteligencia Artificial para la clasificación automática de galaxias a partir de una imagen.
1 video (Total 2 minutos), 6 readings, 5 quizzes
1 video
6 lecturas
Introducción10m
Dataset de imágenes galácticas10m
Trabajo a realizar20m
Trabajo a realizar40m
Trabajo a realizar30m
Trabajo a realizar30m
5 ejercicios de práctica
Preprocesado y carga de datos (para practicar)10m
PCA (para practicar)10m
Regresión logística (para practicar)10m
Redes neuronales (para practicar)10m
Machine Learning30m
Instructores
Francesc Torradeflot
ProfesorAstrophysics and Cosmology Software Engineer
Nadia Tonello
ProfesoraCosmology Projects Scientist and Data Support
Pau Tallada
ProfesorAstrophysics and Cosmology Software Engineer
Jorge Carretero
Profesor Cosmology Projects Scientist and Data Support
Acerca de Universitat Autònoma de Barcelona
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.
The UAB currently offers 81 degrees, 130 official Master Programmes and 183 UAB-specific Masters Degrees. In addition, it offers 174 lifelong learning programmes and 65 PhD Programmes, 27 of which have been distinguished through Quality Awards. The UAB has a total of over 3,500 teaching and research staff, over 2,000 administrative staff and over 40,000 students.
Acerca del programa especializado Big Data – Introducción al uso práctico de datos masivos
Este programa, de 4 cursos más un proyecto final, 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 utilizar en conjunto las herramientas y conceptos vistos en los cursos precedentes en un campo donde el concepto “Big Data” es innegable: el estudio de las galaxias.
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 (capstone project)
Contamos con un conjunto maravilloso de profesores, con una gran experiencia en el tema, provenientes tanto de la universidad como de la empresa.
Preguntas Frecuentes
¿Cuándo podré acceder a las lecciones y tareas?
Una vez que te inscribes para obtener un Certificado, tendrás acceso a todos los videos, cuestionarios y tareas de programación (si corresponde). Las tareas calificadas por compañeros solo pueden enviarse y revisarse una vez que haya comenzado tu sesión. Si eliges explorar el curso sin comprarlo, es posible que no puedas acceder a determinadas tareas.
¿Qué recibiré si me suscribo a este Programa especializado?
Cuando te inscribes en un curso, obtienes acceso a todos los cursos que forman parte del Programa especializado y te darán un Certificado cuando completes el trabajo. Se añadirá tu Certificado electrónico a la página Logros. Desde allí, puedes imprimir tu Certificado o añadirlo a tu perfil de LinkedIn. Si solo quieres leer y visualizar el contenido del curso, puedes auditar el curso sin costo.
¿Cuál es la política de reembolsos?
¿Hay ayuda económica disponible?
¿Tienes más preguntas? Visita el Centro de Ayuda al Alumno.
Coursera brinda acceso universal a la mejor educación del mundo, al asociarse con las mejores universidades y organizaciones, para ofrecer cursos en línea.
© 2019 Coursera Inc. Todos los derechos reservados.
