Herramientas para el Análisis de Big Data
Conoce las herramientas para el procesamiento, modelación, análisis, almacenamiento y acceso de los datos. Aprende en este curso online los beneficios del cómputo en la nube para proyectos de ciencia de datos en las organizaciones y conoce las herramientas más populares.
This course is part of a Professional Certificate

Pursue a Verified Certificate to highlight the knowledge and skills you gain$49 USD
Official and Verified
Receive an instructor-signed certificate with the institution's logo to verify your achievement and increase your job prospects
Easily Shareable
Add the certificate to your CV or resume, or post it directly on LinkedIn
Proven Motivator
Give yourself an additional incentive to complete the course
Support our Mission
edX, a non-profit, relies on verified certificates to help fund free education for everyone globally
Frequently asked questions
¿Qué es Ciencia de Datos?
R= Es un campo interdisciplinario que involucra métodos científicos, procesos y sistemas para extraer conocimiento o un mejor entendimiento de datos en sus diferentes formas, ya sean estructurados o no estructurados.
¿Qué es una base de datos?
R= Una base de datos es un conjunto de datos pertenecientes a un mismo contexto y almacenados sistemáticamente para su posterior uso.
¿Qué es NonSQL?
R= Es un modelo nuevo para la gestión de datos en donde éstos no requieren estructuras fijas como tablas. Son un enfoque hacia la gestión de datos y el diseño de base de datos que son útiles para grandes conjuntos de datos distribuidos.
¿Qué es R y Python?
R= Python y R son los dos lenguajes de programación más usados para la ciencia de datos: minería y visualización de información compleja. R es un lenguaje potente; Python es versátil y con una curva de aprendizaje corta.
¿Cuáles son las herramientas mas utizables?
R= Actualmente se ha disparado el mercado de herramientas para la aplicación de la ciencia de datos, teniendo opciones comerciales como SAS; Watson de IBM; Oracle Analytics Cloud; SAP Cloud Analytics; DataRobot; etc., pero también en el area del Open Source: Anaconda; Spark; Scikit-learn; TensorFlow; etc.