BigData: Estudia con nosotros el futuro de la Industria

En la última década el volumen de datos que se generan diariamente ha crecido de forma exponencial. La gran cantidad de nuevos sensores disponibles, las nuevas capacidades de conectividad y el propio uso que los usuarios hacemos de los teléfonos móviles y gadgets ha creado una inmensa cantidad de datos que han requerido de nuevas soluciones tecnológicas para poder hacerles frente. SEAS imparte el Curso de Big Data y Machine Learning para introducirte en el conocimiento sobre las bases de las técnicas utilizadas actualmente en Big Data, Virtualización y Machine Learning.

Qués es el Big Data y cómo se usa

En la primera parte del curso se verán las causas que han motivado la aparición de lo que hoy conocemos como tecnologías de BigData. Se explicarán los diferentes tipos de bases de datos, relacionales y no relacionales que existen y qué utilidades, ventajas e inconvenientes tienen cada una de ellas. Además, se presentarán las bases de técnicas como MapReduce, que permite el tratamiento distribuido de datos.

Estas tecnologías de BigData requieren de servidores que los alojan. Hace años, para cada uno de los servidores que utilizaba una empresa se requerían ordenadores físicos, lo que hacía que el mantenimiento, replicación y el escalado de los servicios fuera realmente complejo y costoso. La virtualización permite crear ordenadores y servidores dentro de otros. Esto permite crear múltiples máquinas iguales en varios segundos para atender un pico de demanda de peticiones, un paquete de procesado de datos o responder a un ataque de denegación de servicio.

En la siguiente unidad se presentarán las diferencias entre los diferentes tipos de “virtualización”, se explicarán los escenarios en los que se plantea y utiliza la virtualización y finalmente se estudiarán las infraestructuras de centros de datos desde los que se dan los servicios comerciales de virtualización.

Y una vez que tenemos los datos, ¿qué hacemos con ellos? Esta es la gran pregunta que mucha gente se hace. Para poder siquiera formular la pregunta es necesario tener claro algunos conceptos de estadística. En el módulo se revisarán los principales conceptos que nos van a ayudar a entender los datos, limpiarlos, ordenarlos y explorarlos visualmente para poder realizar los primeros análisis de la muestra con la que se quiere trabajar.

Uso actual del Marchine Learning

Finalmente, el curso presenta las principales técnicas de Machine Learning que se utilizan actualmente. ¿Qué es Machine Learning? Es un paraguas bajo el que podemos encontrar multitud de técnicas, modelos estadísticos y algoritmos que permiten crear modelos con los datos que tenemos disponibles. Se les llama “Machine Learning” porque el programa “aprende” y se le “enseña” cómo tiene que responder con los datos que tenemos históricos, con la intención de que cuando le presentemos nuevos datos pueda darnos una estimación. A diferencia de otras metodologías como el modelado físico de problemas, no requieren que el programador conozca el problema y lo reproduzca fielmente mediante simuladores físicos y modelos numéricos.

¿Un ejemplo? Imaginemos que trabajamos en una línea de producción y que el último paso de la línea de montaje es hacer pasar la pieza por un horno durante varias horas. Este último paso es el más lento y supone el principal cuello de botella en el proceso de producción, además de que el horno requiere también una gran cantidad de energía y es una parte importante de los costes de producción. Este proceso del  paso de la pieza por el horno es muy delicado, ya que algunas piezas cuando salen del horno presentan deficiencias como grietas, fundidos en falso, etc. que hace que tengan que desecharse en el proceso final de calidad.

¿Y si pudiéramos predecir si una pieza va a salir defectuosa antes de que entre en el horno? Se podrían ahorrar muchas horas del uso del horno, materias prima, horas de personal… Un modelo de decisión puede decidir si la pieza va a salir bien o no después de pasar por el horno basándose en diferentes medidas de la pieza. Ese es un modelo de Machine Learning al que se le ha entrenado con los datos de miles de piezas anteriores que han salido bien y mal, y ha aprendido a discernir qué combinación de parámetros harán que la pieza no salga bien. El programador, el operario o el usuario no tienen por qué saber la lógica detrás de la decisión del modelo, ni siquiera comprender cuales son las causas que hacen que esos parámetros hagan que la pieza al final salga bien o mal. El modelo simplemente, lo “aprende” de los datos que le hemos proporcionado.

Un curso ideal para empezar con el Big Data

Este curso tiene la intención de ser una introducción a todos estos temas, en el que se van a presentar las principales técnicas, la teoría que subyace detrás de las mismas, y los servicios y aplicaciones en los que se utilizan en la vida real. En algunos casos se nombran productos o servicios comerciales que implementan estas tecnologías, así como empresas que prestan estos servicios, de forma que el alumno pueda identificar en qué ocasiones se utilizan unas técnicas u otras, con el fin de que pueda tomar las decisiones correctas en el ejercicio de su vida profesional en la Industria 4.0.

---

Si te ha gustado este interesante artículo sobre nuestra formación en Big Data y Machine Learning, puedes ver información del curso en el siguiente enlace. Además, SEAS imparte en modalidad online el Máster de Industria 4.0 para que puedas conocer todas las tecnologías vinculadas a la transformación industrial del modelo de producción.

Por otro lado, si has llegado hasta este post de nuestro blog por tu interés en la informática, te animamos a visitar nuestra web y ver la información sobre los distintos cursos que tenemos para ti. Puedes solicitar información sin compromiso de cualquiera de ellos y nuestros asesores te darán toda la información que necesites.