Análisis exploratorio de datos (EDA). Reducción de dimensionalidad: análisis de componentes principales. Regresión lineal simple y múltiple. Regresión logística. Análisis de varianza (ANOVA). Análisis de datos de encuestas. Conceptos básicos de data mining. Modelos descriptivos y predictivos. Técnicas fundamentales: reglas de asociación, clasificación, clustering, patrones. Árboles de decisión. Aplicación a problemas concretos de predicción. Fundamentos de sistemas distribuidos. Modelos. El teorema CAP. Clusters para programación masivamente paralela (MPP). Virtualizacion de clusters y data centers. Arquitecturas cloud.Conceptos fundamentales de Big Data: Velocidad, Volumen, Variedad, Veracidad. Qué es y qué no es “BigData”. Introducción, definiciones, antecedentes, gráficos notables. Principios de la excelencia gráfica. Observaciones y variables. Conceptos básicos de machine learning. Inferencias. Aplicaciones en Big Data.