Bloque 1. Introducción
Definición y características de Big Data.
Tecnologías relacionadas con Big Data: procesamiento en la nube (Cloud Computing), internet de las cosas (IoT), centro de proceso de datos (data center), Hadoop.
Etapas en los procesos de Big Data.
Algunas aplicaciones.
Bloque 2. Herramientas, métodos y técnicas para el análisis de Big Data
Técnicas de reducción de datos: análisis de componentes principales clásico y técnicas alternativas (sparse PCA, disjoint PCA).
Técnicas de predicción y clasificación: regresión lineal y no lineal, regresión logística, análisis discriminante.
Técnicas de minería de datos: clustering, reglas de asociación, clasificación bayesiana, árboles de decisión, aprendizaje automático, máquinas de vectores de soporte, redes neuronales, lógica borrosa.
Bloque 3. Técnicas de análisis de datos que incorporan información espacial
Análisis de componentes principales ponderados geográficamente (GWPCA).
Regresión geográficamente ponderada (GWR).
Estadística espacial: particularidades de los datos espaciales, áreas de la estadística espacial.
Sistemas de Información Geográfica. Big data en SIG.
PRÁCTICAS DE ORDENADOR
Práctica 1. Internet de las Cosas: análisis de datos de monitorización ambiental (Things Speak).
Práctica 2. Cloud Computing: QGIS Cloud.
Práctica 3. Bases de Datos geoespaciales: PostgreSQL.
Práctica 4. Técnicas de reducción de dimensionalidad para clasificación de imagen. PCA.
Práctica 5. Análisis estadístico en QGIS con R: correlación y regresión.
Práctica 6. Análisis estadístico en QGIS con R: interpolación espacial.
Práctica 7. Procesamiento de Big Data en Sistemas de Información Espacial. Ejemplo de LíDAR.