Curso de Ética y gobernanza de aeronaves no tripuladas

2.2 Fuentes de Datos Masivos Urbanos: Tipos y Orígenes
2.2 Extracción, Transformación y Carga (ETL) de Datos de Tráfico
2.3 Limpieza y Preprocesamiento de Datos: Gestión de Valores Faltantes y Anómalos
2.4 Almacenamiento y Organización de Datos Masivos para Análisis
2.5 Herramientas y Tecnologías para la Preparación de Datos: Hadoop, Spark, etc.
2.6 Calidad de Datos: Validación y Aseguramiento de la Integridad
2.7 Integración de Datos: Fusión de Múltiples Fuentes de Información
2.8 Estructuración de Datos: Diseño de Esquemas para Análisis Eficiente
2.9 Escalabilidad: Preparación de Datos para el Crecimiento Futuro
2.20 Consideraciones de Privacidad y Seguridad en la Recolección y Preparación de Datos

3.3 Introducción al Big Data en el contexto urbano: fuentes y tipos de datos
3.2 Recolección y preparación de datos: técnicas de limpieza y transformación
3.3 Análisis exploratorio de datos (EDA) en el tráfico urbano
3.4 Modelado predictivo: conceptos clave y selección de modelos
3.5 Modelos predictivos: regresión, series temporales y aprendizaje automático
3.6 Validación y evaluación de modelos predictivos
3.7 Implementación de modelos predictivos: herramientas y plataformas
3.8 Visualización de datos y comunicación de resultados
3.9 Estrategias para la optimización del flujo vehicular basadas en datos
3.30 Casos de estudio: aplicaciones reales de Big Data en la gestión del tráfico urbano

4.4 Introducción al Big Data en el Tráfico Urbano
4.2 Fuentes de Datos Masivos para el Análisis del Tráfico
4.3 Limpieza y Preprocesamiento de Datos Urbanos
4.4 Modelos Predictivos de Tráfico: Fundamentos
4.5 Modelado Predictivo Avanzado: Regresión y Series Temporales
4.6 Técnicas de Machine Learning para Predicción de Tráfico
4.7 Evaluación y Validación de Modelos de Predicción
4.8 Implementación de Sistemas de Predicción de Tráfico
4.9 Optimización del Flujo Vehicular Basada en Predicciones
4.40 Casos de Estudio y Aplicaciones Prácticas

5.5 Introducción al Big Data en la Predicción de Tráfico Urbano
5.5 Recopilación y Limpieza de Datos Masivos de Tráfico
5.3 Fuentes de Datos: Sensores, Cámaras, Redes Sociales y Dispositivos Móviles
5.4 Análisis Exploratorio de Datos (EDA) para Identificar Patrones
5.5 Modelado Predictivo: Regresión, Series Temporales y Aprendizaje Automático
5.6 Evaluación y Validación de Modelos Predictivos de Tráfico
5.7 Optimización de Modelos para la Precisión en la Predicción
5.8 Implementación de Sistemas de Predicción de Tráfico en Tiempo Real
5.9 Estrategias de Visualización de Datos y Comunicación de Resultados
5.50 Casos de Estudio: Aplicaciones Reales de la Predicción de Tráfico

6.6 Recopilación y Procesamiento de Datos Masivos Urbanos
6.2 Limpieza y Preparación de Datos para Análisis de Tráfico
6.3 Exploración y Visualización de Datos de Tráfico Urbano
6.4 Modelado Predictivo del Tráfico: Regresión y Series Temporales
6.5 Modelos Avanzados: Redes Neuronales y Machine Learning para Tráfico
6.6 Validación y Evaluación de Modelos Predictivos
6.7 Implementación de Estrategias de Optimización del Flujo Vehicular
6.8 Uso de Herramientas y Plataformas de Big Data
6.9 Análisis de Sensibilidad y Escenarios en Predicción de Tráfico
6.60 Estudio de Casos: Aplicaciones Reales y Desafíos en el Tráfico Urbano