Los datos adquieren cada vez mayor importancia debido que su captura, gestión, transmisión y procesamiento se ha facilitado gracias a la evolución de la tecnología y globalización de las comunicaciones donde prácticamente cualquier dispositivo está conectado a la red; además la economía es cada vez más dinámica y las organizaciones intentan tomar cada vez mejores decisiones, oportunas y acertadas, basándose en el estudio de los datos disponibles. El análisis de datos se ha vuelto alcanzables, y una tarea de suma importancia para lograr objetivos de negocio y acciones que permitan un crecimiento con mayor orden. Es así́ como la analítica de datos se vuelve un proceso de mucho valor para derivar información que permita proyectar y predecir eventos de impacto, información indispensable para la mejor toma de decisiones con base en los hallazgos identificados de los análisis realizados.

• Introducción a la Analí­tica de Datos
• La importancia de la Analí­tica de Datos
• Sistemas de Soporte para la toma de decisiones.
• Conceptos Generales de Big Data y Cloud Computing.
• Promover que el alumno utilice Datos y Plataformas Abiertas para realizar análisis sobre los datos y derivar información útil para la toma de decisiones en las organizaciónes

1. Introducción a la Analí­tica de Datos
2. Conceptos Fundamentales
3. Gestión y tratamiento de Datos
4. Descripción de Big Data
5. Modelado y Visualización de Datos
6. Casos de Estudio

1. Introducción a la Analí­tica de Datos.
   1. Importancia de la Analí­tica de Datos.
   2. La pirámide del conocimiento
   3. Aplicaciones Distribuidas
   4. Sistemas de Soporte para la Toma de Decisiones (DSS)
2. Conceptos Fundamentales.
   1. En memoria
   2. En lí­nea
   3. Virtualización de datos
   4. Minerí­a de datos
   5. Análisis descriptivos
   6. Análisis predictivos y prescriptivos
   7. Tendencias tecnológicas
3. Gestión y Tratamiento de Datos
   1. Data Management Body of Knowledge (DMBOK)
   2. Ciclos de vida del Análisis de Datos
      1. Roles para Proyecto de Análisis de Datos
      2. Procesos del Análisis de Datos
      3. Fases del Análisis de Datos
   3. Preparación de datos
      1. Procesos ETL
      2. Tecnologí­as para procesos ETL
         1. QlikSense
         2. Tableau
         3. R(ETL -CRAN-R)
4. Modelado y Visualización de Datos
   1. Modelos de Datos
   2. Modelado de Datos
   3. Visualización de Datos con R
      1. Histogramas
      2. Diagramas de Caja 

      3. Diagramas de Dispersión 

5. Descripción de Big Data.
   1. Concepto Fundamental de Big Data


   2. Caracterí­sticas de Big Data


   3. Arquitectura de Big Data
   4. Tecnologí­as y Plataformas que habilitan el Big Data
   5. Modelos de nube computacional para el Big Data
6. Casos de Estudio
   1. Caso de Estudio I (Carga, limpieza y visualización de Datos con R) 

   2. Caso de Estudio II (Análisis de Datos con IBM Watson Trial / Microsoft 
Azure Trial) 

Practica en Laboratorios de computo y fuera del aula, en donde el alumno desarrollara habilidades para analizar, diseñar, implementar y administrar soluciones para el manejo del análisis de datos con tecnologí­a convergente en esquemas de Cloud Computing y Big Data. Elaborara soluciones para el manejo de información. Es necesario que el alumno cuente con un equipo de cómputo donde pueda desarrollar prácticas y proyecto final, siendo necesario para lograr el objetivo de aprendizaje.

Métodos de enseñanza-aprendizaje:

• Descriptivo
• Analí­tico
• Deductivo

• Individuales
• Grupales
• Laboratorio
• Estudio de casos

Actividades de aprendizaje:

• Practicas de laboratorio y fuera del aula
• Ejercicios complementarios fuera del aula
• Investigación
• Casos prácticos

Recursos Didácticos:

• Pizarrón
• Cañón
• Equipo de computo de laboratorio y fuera del aula

• Tareas: Reportes e Informes de actividades de investigación en formato PDF mediante plataforma virtual Google Classroom, mismas que equivalen al 30% de la calificación final, bajo ninguna circunstancia se recibirá fuera de la fecha señala por el profesor.
• 1er Examen Parcial 20%.
• 2do Examen Parcial 20%.
• Proyecto Final: 30%, definido por el docente y entregado de reporte en formato PDF en la fecha que se indique.

Perfil académico.- Ingeniero en Computación, Maestro en Tecnologí­as de Información, Doctor en Tecnologí­as de Información o áreas afines a los Sistemas Computacionales que involucre el manejo de soluciones convergentes de Cloud Computing y Big Data. En consultorí­a para la gestión de proyectos y en procesos de estrategia basada en tecnologí­as de nube, manejo de información y bases de datos. Experiencia en coordinación de grupos de trabajo y contacto con los principales empleadores de la localidad. Experiencia en el análisis, diseño y desarrollo de sistemas en en Cloud Computing y Big Data.

Zapopan, Jalisco, a 17 de Julio de 2018.

Propuesta elaborada por el Comité Técnico revisor y las academias correspondientes, así­ como el Colegio Departamental del Departamento de Sistemas de Información