- Data information
- Knowledge wisdom
- Data Management (I)
- Data Management (II)
- Corporate perfomance management
- Bases de Datos
- Business intelligence
- Datawarehousing
- Big data
- Hadoop Spark
- Ecosistema Hadoop (I)
- Ecosistema Hadoop (II)
- Ecosistema Hadoop (III)
- Ecosistema Spark
- Instalación y configuración de arquitecturas Big Data
- Analytics
- Principales algoritmos (I)
- Principales algoritmos (II)
- Machine Learning y Deep Learning
- Internet Of Things
- Introducción a Power BI
- Diferentes tipos de Power BI: ¿es realmente gratis?
- Sumerjámonos en ello: primer informe simple
- Power Query: fuente de datos
- Transformación de datos
- Modelado de datos
- Comenzando con DAX (I)
- Comenzando con DAX (II)
- Dominando DAX (I)
- Dominando DAX (II)
- Tabla y matriz
- Tendencias
- Cómo filtrar tus datos adecuadamente
- Marcadores
- Obtención de detalles
- Entendiendo Power BI Service
- Compartiendo contenido en Power BI Service
- Comparando Power BI Service y Power Report Service
- Integrando Python y R en Power BI Desktop
- Introduciendo Bravo para Power BI Desktop
- Introducción a SQL
- Manipulación de bases de datos
- Tipos de datos
- Normalización
- Creación de tablas en SQL
- Manipulación de tablas
- Consulta de tablas en SQL
- Combinación de tablas en SQL
- Combinaciones de tablas y vistas
- Otros comandos en SQL
- Funciones para strings y funciones numéricas (I)
- Funciones numéricas (II)
- Funciones de fecha y hora
- Otras funciones
- Bucles, condicionales y triggers en SQL
- Introducción al datawarehousing
- Bases de datos en un datawarehouse. Stage
- Bases de datos en un datawarehouse. ODS (I)
- Datos en un datawarehouse. ODS (II)
- Bases de datos en un datawarehouse. DDS
- Introducción a Python
- Características y aplicaciones
- Instalación de Python
- Configuración de un entorno de desarrollo
- Sintaxis básica de Python
- Variables y tipos de datos
- Operadores y expresiones
- Uso de comentarios
- Introducción al control de flujo
- Estructuras condicionales (if, elif, else)
- Bucles (for y while)
- Control de bucles (break y continue)
- Análisis de datos con NumPy
- Pandas
- Matplotlib
- Cómo usar loc en Pandas
- Cómo eliminar una columna en Pandas
- Pivot tables en pandas
- El grupo de pandas
- Python Pandas fusionando marcos de datos
- Matplotlib
- Seaborn
- Introducción a R
- ¿Qué necesitas?
- Tipos de datos
- Estadística Descriptiva y Predictiva con R
- Integración de R en Hadoop
- Obtención y limpieza de los datos (ETL)
- Inferencia estadística
- Modelos de regresión
- Pruebas de hipótesis
- Inteligencia Analítica de negocios
- La teoría de grafos y el análisis de redes sociales
- Presentación de resultados
- Concepto de Bases de Datos NoSQL
- Ventajas y desventajas de las Bases de Datos NoSQL
- Características principales de las Bases de Datos NoSQL
- Bases de datos Documentales
- Bases de datos de Columnas
- Bases de datos Clave-Valor
- Base de datos en grafos
- Introducción a MongoDB
- Características y arquitectura de MongoDB
- Modelado de datos en MongoDB
- Consultas y operaciones en MongoDB
- Escalabilidad y rendimiento en MongoDB
- Apache Cassandra
- CouchDB
- Redis
- Amazon DynamoDB
- NeoJS
- Diseño de la estructura de datos
- Configuración del entorno de desarrollo
- Instalación y configuración de MongoDB
- Creación y manipulación de colecciones en MongoDB
- Importación y exportación de datos en MongoDB
- Índices y optimización de consultas en MongoDB
- Agregación de datos en MongoDB
- Transacciones en MongoDB
- Replicación y alta disponibilidad en MongoDB
- Copias de seguridad y recuperación en MongoDB
- Aplicaciones web y móviles
- Big Data y análisis de datos
- Internet de las cosas (IoT)
- Sistemas de recomendación
- Social media y redes sociales
- Introducción a la integración de datos
- Integración con lenguajes de programación (Python, Java, etc.)
- Integración con herramientas de Business Intelligence (BI)
- Integración con sistemas de almacenamiento en la nube
- Conceptos de seguridad en Bases de Datos NoSQL
- Autenticación y autorización en MongoDB
- Encriptación de datos en Bases de Datos NoSQL
- Auditoría y control de acceso en Bases de Datos NoSQL
- Introducción
- Alfabetización de los datos
- Trabajar con datos
- Soluciones y técnicas para tratamiento de datos
- Gestión de la calidad de datos
- Trabajar con datos en Excel
- Conjunto de datos (DATASET)
- Data Cleasing con Excel
- Data Wrangling con Excel
- Data Blending en Excel
- Instalación Talend Data Preparation Desktop
- Trabajar con datos en Talend
- Data Cleasing con Talend
- Data Wrangling con Talend
- Data Blending con Talend
- Registro en dataprep by Trifacta
- Trabajar con datos con Dataprep by Trifacta
- Data Cleasing con Trifacta
- Data Wrangling con Dataprep by Trifacta
- Data Blending con Dataprep by Trifacta
- Introducción
- Regresión lineal, múltiple y logística (I)
- Regresión lineal, múltiple y logística (II)
- Máquina de vectores soporte (SVM)
- Árboles de decisión
- KNN (K-Nearest Neighbors)
- Naive bayes
- Evaluación de modelos supervisados
- Ejercicio de ejemplo
- Ejercicio propuesto
- Introducción a clustering. propósito y métricas
- K-means clustering
- Clústering jerárquico, otras técnicas y ejemplos
- Análisis de componentes principales (PCA)
- Ejercicio de ejemplo PCA
- Redes neuronales artificiales (ANN) (I)
- Redes neuronales artificiales (ANN) (II)
- Redes neuronales artificiales (ANN) (III)
- Ejercicio de ejemplo
- Ejercicio propuesto
- Introducción y repaso de Redes Neuronales Artificiales (ANN)
- Redes Neuronales Convolucionales (CNN). Introducción y casos de uso
- CNN. Intuición
- CNN. Descripción matemática
- CNN. Ejemplo de programación con Python y TensorFlow
- Ejercicio. Visión artificial con CNN
- Repaso de Series Temporales
- Redes Neuronales Recurrentes (RNN). Introducción y casos de uso
- RNN. Intuición
- RNN. Descripción matemática
- RNN. Ejemplo de programación con Python Y TensorFlow
- Ejercicio. Series Temporales con RNN
- Repaso de Sistemas de Recomendación
- Deep Bolztmann Machines (DBM). Introducción y casos de uso [Video]
- DBM. Intuición
- DBM. Descripción matemática
- DBM. Ejemplo de programación con Python y TensorFlow
- Ejercicio. Sistema de Recomendación con DBM
- Detección de anomalías
- Self-Organizing Maps (SOM). Introducción e intuición
- SOM. Descripción matemática
- AutoEncoders (AE). Introducción e intuición
- AE. Descripción matemática
- Ejercicio. Detección de anomalías con SOM y AE
- Estado del arte de la inteligencia artificial
- Filosofía de la inteligencia artificial
- Futuro de la inteligencia artificial
- Procesos de desarrollo de proyecto con inteligencia artificial
- Los datos, tu mayor activo
- Aprendizaje automático
- Aprendizaje profundo
- Transformers
- Generación de datos sintéticos
- Hiperparámetros en los modelos de inteligencia artificial
- Regresión lineal
- Regresión no lineal y Support Vector Machine (SVM)
- Árboles de decisión y bosques aleatorios
- Lógica difusa y descenso del gradiente
- Sistemas de recomendación
- Preparación del entorno de trabajo. Anaconda, Visual Studio Code y Python
- Dataset de entrada y procesado de datos
- TensorHub, TensorFlow y Keras
- Tratamiento de imágenes
- Generación de modelos de inteligencia artificial


