Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Temario del curso
Día 01
Visión general de la Inteligencia de Negocios de Big Data para el Análisis de Inteligencia Criminal
- Casos de Estudio de las Fuerzas del Orden - Patrullaje Predictivo
- Tasa de adopción de Big Data en Agencias de Policía y cómo están alineando sus operaciones futuras en torno al Análisis Predictivo de Big Data
- Soluciones tecnológicas emergentes como sensores de disparos, video de vigilancia y redes sociales
- Uso de la tecnología de Big Data para mitigar la sobrecarga de información
- Integración de Big Data con datos heredados
- Comprensión básica de las tecnologías habilitadoras en el análisis predictivo
- Integración de datos y visualización de paneles (Dashboards)
- Gestión de fraudes
- Reglas de negocio y detección de fraudes
- Detección de amenazas y perfiles
- Análisis de costo-beneficio para la implementación de Big Data
Introducción a Big Data
- Características principales de Big Data: Volumen, Variedad, Velocidad y Veracidad.
- Arquitectura MPP (Procesamiento Masivamente Paralelo)
- Almacenes de datos (Data Warehouses) – esquema estático, conjunto de datos de evolución lenta
- Bases de datos MPP: Greenplum, Exadata, Teradata, Netezza, Vertica, etc.
- Soluciones basadas en Hadoop – sin condiciones sobre la estructura del conjunto de datos.
- Patrón típico: HDFS, MapReduce (crunch), recuperación desde HDFS
- Apache Spark para procesamiento de flujos (stream processing)
- Lotes (Batch) – adecuados para análisis/no interactivos
- Volumen: Datos de streaming CEP (Processamiento de Eventos Complejos)
- Opciones típicas – productos CEP (ej. Infostreams, Apama, MarkLogic, etc.)
- Menos listos para producción – Storm/S4
- Bases de datos NoSQL (columnares y clave-valor): Las más adecuadas como complemento analítico al almacén de datos/base de datos
Soluciones NoSQL
- Almacén KV (Clave-Valor) - Keyspace, Flare, SchemaFree, RAMCloud, Oracle NoSQL Database (OnDB)
- Almacén KV - Dynamo, Voldemort, Dynomite, SubRecord, Mo8onDb, DovetailDB
- Almacén KV (Jerárquico) - GT.m, Cache
- Almacén KV (Ordenado) - TokyoTyrant, Lightcloud, NMDB, Luxio, MemcacheDB, Actord
- Caché KV - Memcached, Repcached, Coherence, Infinispan, EXtremeScale, JBossCache, Velocity, Terracoqua
- Almacén de tuplas - Gigaspaces, Coord, Apache River
- Base de datos de objetos - ZopeDB, DB40, Shoal
- Almacén de documentos - CouchDB, Cloudant, Couchbase, MongoDB, Jackrabbit, XML-Databases, ThruDB, CloudKit, Prsevere, Riak-Basho, Scalaris
- Almacén de columnas anchas (Wide Columnar Store) - BigTable, HBase, Apache Cassandra, Hypertable, KAI, OpenNeptune, Qbase, KDI
Variedades de Datos: Introducción a los problemas de limpieza de datos en Big Data
- RDBMS – estructura/esquema estático, no promueve un entorno ágil y exploratorio.
- NoSQL – semiestructurado, suficiente estructura para almacenar datos sin un esquema exacto previo al almacenamiento
- Problemas de limpieza de datos
Hadoop
- ¿Cuándo seleccionar Hadoop?
- ESTRUCTURADO - Los almacenes de datos/ bases de datos empresariales pueden almacenar datos masivos (a un costo) pero imponen estructura (no es bueno para la exploración activa)
- SEMIESTRUCTURADO – difícil de llevar a cabo con soluciones tradicionales (DW/DB)
- Almacenamiento de datos = ESFUERZO ENORME y estático incluso después de la implementación
- Para la variedad y volumen de datos, procesados en hardware de precio competitivo – HADOOP
- Hardware de precio competitivo necesario para crear un clúster de Hadoop
Introducción a MapReduce / HDFS
- MapReduce – distribuir el cómputo entre múltiples servidores
- HDFS – hacer los datos disponibles localmente para el proceso de cómputo (con redundancia)
- Datos – pueden ser no estructurados/sin esquema (a diferencia de RDBMS)
- Responsabilidad del desarrollador: dar sentido a los datos
- Programar MapReduce = trabajar con Java (pros/contras), cargar manualmente los datos en HDFS
Día 02
Ecosistema de Big Data: Construcción de ETL de Big Data (Extracción, Transformación, Carga) – ¿Qué herramientas de Big Data usar y cuándo?
- Hadoop vs. otras soluciones NoSQL
- Para acceso aleatorio e interactivo a los datos
- Hbase (base de datos orientada a columnas) sobre Hadoop
- Acceso aleatorio a los datos pero con restricciones impuestas (máx 1 PB)
- No es bueno para análisis ad-hoc, bueno para registros, conteo, series de tiempo
- Sqoop - Importar desde bases de datos a Hive o HDFS (acceso JDBC/ODBC)
- Flume – Enviar datos en flujo (ej. datos de registro) a HDFS
Sistema de Gestión de Big Data
- Partes móviles, nodos de cómputo inician/fallan: ZooKeeper - Para servicios de configuración/coordinación/nombrado
- Pipeline/flujo de trabajo complejo: Oozie – gestionar flujo de trabajo, dependencias, encadenamiento
- Desplegar, configurar, gestión de clústeres, actualizaciones, etc. (sys admin): Ambari
- En la Nube: Whirr
Analítica Predictiva – Técnicas Fundamentales e Inteligencia de Negocios basada en Aprendizaje Automático
- Introducción al Aprendizaje Automático (Machine Learning)
- Aprendizaje de técnicas de clasificación
- Predicción Bayesiana – preparación de un archivo de entrenamiento
- Máquina de Soporte Vectorial (Support Vector Machine)
- Álgebra KNN p-Tree y minería vertical
- Redes Neuronales
- Problema de grandes variables de Big Data – Bosque Aleatorio (Random Forest, RF)
- Problema de Automatización de Big Data – RF de conjunto multicamion (Multi-model ensemble RF)
- Automatización a través de Soft10-M
- Herramienta de análisis de texto: Treeminer
- Aprendizaje ágil (Agile learning)
- Aprendizaje basado en agentes
- Aprendizaje distribuido
- Introducción a Herramientas de código abierto para analítica predictiva: R, Python, Rapidminer, Mahout
Ecosistema de Analítica Predictiva y su aplicación en el Análisis de Inteligencia Criminal
- Tecnología y el proceso de investigación
- Analítica de información (Insight analytic)
- Analítica de visualización
- Analítica predictiva estructurada
- Analítica predictiva no estructurada
- Perfiles de amenazas/fraude/proveedores
- Motor de recomendación
- Detección de patrones
- Descubrimiento de reglas/escenarios – fallas, fraude, optimización
- Descubrimiento de la causa raíz
- Análisis de sentimiento
- Analítica CRM
- Analítica de redes
- Analítica de texto para obtener información de transcripciones, declaraciones de testigos, conversación en internet, etc.
- Revisión asistida por tecnología
- Analítica de fraudes
- Analítica en Tiempo Real
Día 03
Analítica Escalable y en Tiempo Real sobre Hadoop
- Por qué fallan los algoritmos analíticos comunes en Hadoop/HDFS
- Apache Hama - para cómputo distribuido síncrono masivo (Bulk Synchronous)
- Apache SPARK - para cómputo en clúster y analítica en tiempo real
- CMU Graphics Lab2 - Enfoque asíncrono basado en grafos para el cómputo distribuido
- KNN p - Enfoque basado en álgebra de Treeminer para reducir el costo operativo de hardware
Herramientas para eDiscovery (Descubrimiento Electrónico) y Peritaje Informático (Forensics)
- eDiscovery sobre Big Data vs. Datos heredados – una comparación de costo y rendimiento
- Codificación predictiva y Revisión Asistida por Tecnología (TAR)
- Demo en vivo de vMiner para comprender cómo TAR habilita un descubrimiento más rápido
- Indexación más rápida a través de HDFS – Velocidad de los datos
- NLP (Procesamiento de Lenguaje Natural) – productos y técnicas de código abierto
- eDiscovery en idiomas extranjeros – tecnología para el procesamiento de idiomas extranjeros
BI de Big Data para Ciberseguridad – Obtener una visión de 360 grados, recopilación rápida de datos e identificación de amenazas
- Comprensión de los fundamentos de la analítica de seguridad – superficie de ataque, configuración errónea de seguridad, defensas de host
- Infraestructura de red / gran tubería de datos / ETL de respuesta para analítica en tiempo real
- Predictiva vs. Prescriptiva – reglas fijas basadas en reglas vs. descubrimiento automático de reglas de amenaza a partir de metadatos
Recopilación de datos dispersos para el Análisis de Inteligencia Criminal
- Uso de IoT (Internet de las Cosas) como sensores para capturar datos
- Uso de imágenes satelitales para vigilancia doméstica
- Uso de datos de vigilancia e imagen para la identificación criminal
- Otras tecnologías de recopilación de datos – drones, cámaras corporales, sistemas de etiquetado GPS y tecnología de imagen térmica
- Combinación de recuperación automatizada de datos con datos obtenidos de informantes, interrogatorios e investigaciones
- Pronóstico de actividad criminal
Día 04
Prevención de Fraudes BI de Big Data en Analítica de Fraudes
- Clasificación básica de la Analítica de Fraudes – basada en reglas vs. analítica predictiva
- Aprendizaje supervisado vs. no supervisado para la detección de patrones de fraude
- Fraude entre empresas, fraude en reclamos médicos, fraude de seguros, evasión fiscal y lavado de dinero
Analítica de Redes Sociales – Recopilación y análisis de inteligencia
- Cómo los criminales utilizan las redes sociales para organizar, reclutar y planificar
- API de ETL de Big Data para extraer datos de redes sociales
- Texto, imágenes, metadatos y video
- Análisis de sentimiento a partir del feed de redes sociales
- Filtrado contextual y no contextual del feed de redes sociales
- Panel de control de Redes Sociales para integrar diversas redes sociales
- Perfiles automatizados de perfiles de redes sociales
- Se proporcionará una demo en vivo de cada analítica a través de la herramienta Treeminer
Analítica de Big Data en procesamiento de imágenes y flujos de video
- Técnicas de almacenamiento de imágenes en Big Data – Solución de almacenamiento para datos que exceden los petabytes
- LTFS (Sistema de Archivos de Cinta Lineal) y LTO (Cinta Lineal Abierta)
- GPFS-LTFS (Sistema de Archivos Paralelos General - Sistema de Archivos de Cinta Lineal) – solución de almacenamiento en capas para datos de imágenes grandes
- Fundamentos de la analítica de imágenes
- Reconocimiento de objetos
- Segmentación de imágenes
- Rastreo de movimiento
- Reconstrucción de imágenes 3D
Biometría, ADN y Programas de Identificación de Nueva Generación
- Más allá de la huella dactilar y el reconocimiento facial
- Reconocimiento de voz, reconocimiento de patrones de tecleo (analizar el patrón de escritura de un usuario) y CODIS (Sistema Combinado de Índice de ADN)
- Más allá de la coincidencia de ADN: uso de la fenotipificación forense de ADN para construir un rostro a partir de muestras de ADN
Panel de control (Dashboard) de Big Data para acceso rápido y visualización de diversos datos:
- Integración de la plataforma de aplicaciones existente con el Panel de control de Big Data
- Gestión de Big Data
- Caso de Estudio del Panel de control de Big Data: Tableau y Pentaho
- Uso de aplicaciones de Big Data para impulsar servicios basados en ubicación en el gobierno
- Sistema y gestión de seguimiento
Día 05
Cómo justificar la implementación de BI de Big Data dentro de una organización:
- Definición del ROI (Retorno de la Inversión) para implementar Big Data
- Casos de estudio sobre el ahorro de tiempo del analista en la recopilación y preparación de datos – aumentando la productividad
- Ganancia de ingresos por menor costo de licencias de bases de datos
- Ganancia de ingresos por servicios basados en ubicación
- Ahorro de costos por prevención de fraudes
- Un enfoque integrado de hojas de cálculo para calcular gastos aproximados vs. Ganancia/ahorro de ingresos de la implementación de Big Data.
Procedimiento paso a paso para reemplazar un sistema de datos heredado por un sistema de Big Data
- Ruta de migración de Big Data
- ¿Qué información crítica se necesita antes de diseñar un sistema de Big Data?
- ¿Cuáles son las diferentes formas de calcular el Volumen, Velocidad, Variedad y Veracidad de los datos?
- ¿Cómo estimar el crecimiento de los datos?
- Casos de estudio
Revisión de proveedores de Big Data y revisión de sus productos.
- Accenture
- APTEAN (anteriormente CDC Software)
- Cisco Systems
- Cloudera
- Dell
- EMC
- GoodData Corporation
- Guavus
- Hitachi Data Systems
- Hortonworks
- HP
- IBM
- Informatica
- Intel
- Jaspersoft
- Microsoft
- MongoDB (anteriormente 10Gen)
- MU Sigma
- Netapp
- Opera Solutions
- Oracle
- Pentaho
- Platfora
- Qliktech
- Quantum
- Rackspace
- Revolution Analytics
- Salesforce
- SAP
- SAS Institute
- Sisense
- Software AG/Terracotta
- Soft10 Automation
- Splunk
- Sqrrl
- Supermicro
- Tableau Software
- Teradata
- Think Big Analytics
- Tidemark Systems
- Treeminer
- VMware (Parte de EMC)
Sesión de preguntas y respuestas
Requerimientos
- Conocimiento de los procesos de las fuerzas del orden y los sistemas de datos
- Comprensión básica de SQL/Oracle o bases de datos relacionales
- Comprensión básica de estadísticas (a nivel de hojas de cálculo)
Audiencia
- Especialistas de las fuerzas del orden con antecedentes técnicos
35 Horas
Testimonios (3)
fundamentos y amó los documentos y ejercicios preparados
Rekha Nallam - GE Medical Systems Polska Sp. z o.o.
Curso - Introduction to Predictive AI
Traducción Automática
Que fue muy priactico.
Alfonso Ramos - Banco de Mexico
Curso - Fundamentos de Integración de Datos Pentaho
Deepthi estaba muy atenta a mis necesidades, podía percibir cuándo añadir capas de complejidad y cuándo mantenerse atrás y adoptar un enfoque más estructurado. Deepthi realmente trabajó a mi ritmo y aseguró que pudiera utilizar las nuevas funciones/herramientas por mí mismo, primero mostrándome y luego dejándome recrear los elementos por mí mismo, lo cual ayudó mucho a consolidar la formación. ¡No podría estar más satisfecho con los resultados de esta capacitación y con el nivel de experiencia de Deepthi!
Deepthi - Invest Northern Ireland
Curso - IBM Cognos Analytics
Traducción Automática
