Experto en data warehouse con herramientas BI (business intelligence)

1. PRESENTACIÓN

• Nociones básicas
  • Minería de datos
  • Minería de datos y aprendizaje automático
  • Data Mining y Machine learning ¿Por qué?
• Concepto de DataWareHouse
  • Características de Datawarehouse
  • Característica adicional
  • Principales aportaciones de un DataWareHouse

2. DATA WAREHOUSE

• Aplicación.
  • Principales aportaciones de un data warehouse
• Elementos.
  • Definición de los objetivos
  • Implementación
  • Características
• Data Warehouse en la nube
  • Los beneficios de la cloud data integration

3. DATAMART

• Datamart
• DataMart: Componentes
  • Fuentes de Datos
  • Procesos de extracción, transformación y carga de datos (ETL)
  • Data Warehouse
  • Herramientas de Explotación

4. BASE DE DATOS CENTRAL

• Base de datos central
  • Productos comerciales para BI
  • Productos Open Source para BI
  • Beneficios de las herramientas de BI

5. IMPLEMENTACIÓN DE CUBOS 75

• Creación de Cubos.
  • Plataformas OLAP
  • Visores OLAP
• Transformación, extracción y carga.
  • Fases de un proceso ETL

6. SISTEMAS OLAP

• Discoverer Administrador.
• MOLAP, ROLAP & HOLAP
  • Sistemas MOLAP
  • Sistemas ROLAP
  • Sistemas HOLAP
• Sistema de Soporte a la Desición (DSS)
  • Diferencia con otras herramientas de Business Intelligence
  • Tipos de sistemas de Soporte de Decisiones.
• Sistemas de Información Ejecutiva (EIS)
• Cliente y Servidor
• Discoverer Desktop

7. MINERÍA DE DATOS

• Minería de datos
• ¿Qué podemos hacer con data Mining?
• ¿Qué usos puede tener el data Mining?
• Metodología de la minería de datos
• Algunas técnicas estadísticas utilizadas en data mining
  • Redes neuronales artificiales
• Árboles de decisión
  • Representación de un árbol de decisión
  • Problemas apropiados para los árboles de decisión
• Reglas de inducción
• Redes Bayesanas
• Algoritmos Genéticos

8. CICLO DATA MINING

• Ciclo data mining.
• Minería de Textos y Web Mining
  • Web Mining
• Data mining y marketing
  • Proceso de Data Mining