/WEB/Inicio/logo-anahuac.svg "logo-anahuac"){kind=logo}
4.1. El ciclo de vida de la minería de datos (metodología CRISP-MD).
4.2. Análisis exploratorio: ¿Qué nos dicen los datos antes de analizarlos?
4.3. Detección de anomalías y reglas de asociación.
4.4. Ética y privacidad en la minería de datos masivos.
Diplomado en
Big Data y Minería de Datos
Aprende a analizar y visualizar datos con Python para apoyar la toma de decisiones.
DURACIÓN
120 horas
MODALIDAD
Virtual
CAMPUS
Campus Xalapa
HORARIO
Viernes de 18:00-22:00 h y Sábado de 9:00-14:30 h
PRÓXIMO INICIO
12 de junio de 2026
Objetivo principal del Diplomado en Big Data y Minería de Datos
El Diplomado en Big Data y Minería de Datos proporciona a los participantes una visión integral del ecosistema de datos masivos. Al finalizar, el alumno será capaz de proponer arquitecturas de almacenamiento eficientes, comprender los procesos de computación distribuida y aplicar técnicas de minería de datos para descubrir patrones ocultos, facilitando una toma de decisiones basada en evidencia.
Programa dirigido a:
Profesionales
Áreas de Negocios, economía, mercadotecnia, ingeniería y ciencias sociales
Empresas
Gerentes, analistas y emprendedores que desean herramientas tecnológicas.
Público en general
Aspirantes a colaborar en equipos técnicos de Ciencia de Datos
Módulos del Diplomado
Módulo 1. Arquitecturas de Big Data y el Nuevo Paradigma
1.1. Las 5 V del Big Data: Volumen, Velocidad, Variedad, Veracidad y Valor
1.2. De los Data Warehouses a los Data Lakes: ¿Cómo guardamos la información hoy?
1.3 Ecosistemas modernos (Hadoop y entornos Cloud)
1.4. Diseño de infraestructuras escalables para negocios en crecimiento
Módulo 2: Procesamiento Distribuido: "Divide y Venderás"
2.1. Conceptos de computación en paralelo para no tecnólogos.
2.2. Introducción al procesamiento con Apache Spark
2.3. Diferencias entre procesamiento en tiempo real (streaming) y por lotes (batch)
2.4. Optimización de recursos y reducción de tiempos de respuesta.
Módulo 3: Lenguajes de consulta y acceso a la información
3.1. Fundamentos de SQL: El lenguaje universal de datos
3.2. Extracción de datos de bases relacionales y no relacionales (NoSQL).
3.3. Limpieza y preparación de datos (ETL) mediante lenguajes de consulta.
3.4. Casos prácticos: consultas eficientes para reportes de negocio.
Módulo 4: Fundamentos de minería de datos y descubrimiento de Patrones
Módulo 5: Segmentación Inteligente (Clustering) y Aplicaciones
4.1. Introducción al aprendizaje no supervisado.
4.2. Algoritmos de Clustering (K-means y jerarquicos) explicados visualmente.
4.3. Segmentación de clientes: Cómo identificar grupos con comportamientos similares.
4.4. Interpretación de resultados para la toma de decisiones estratégicas.
Habilidades a adquirir
- Fundamentos de estadística descriptiva, inferencial y probabilidad aplicados al análisis de datos.
- Principios de análisis exploratorio y modelado de datos.
- Conceptos de aprendizaje automático supervisado y no supervisado.
- Manipular, limpiar y procesar datos utilizando Python.
- Analizar grandes volúmenes de información para identificar patrones y tendencias.
- Desarrollar modelos de clasificación, regresión y clustering.
- Pensamiento analítico para interpretar datos de manera estratégica.
- Enfoque en la toma de decisiones basada en evidencia.
- Disposición para la innovación y el uso de herramientas tecnológicas.
Diplomado con opción a:
- Máster en Dirección de business intelligence
Cursar 3 diplomados afines impartidos por la Universidad Anáhuac Veracruz y cumplir con los requisitos académicos y administrativos establecidos por la institución te da la posibilidad de obtener un Diploma de Máster.
/WEB/1.%20POSEC/Assets/Contacto-posgrado-v1.png "Contacto-posgrado-v1")