En esta última lección de la misión, los equipos presentarán sus proyectos de Big Data + IA, exponiendo resultados, aprendizajes y desafíos enfrentados. El objetivo es consolidar conocimientos y recibir retroalimentación constructiva.
Formato de presentación
Duración: 10-15 minutos por equipo.
Estructura sugerida:
Problema abordado.
Arquitectura y tecnologías utilizadas.
Pipeline de datos y análisis aplicado.
Resultados y visualizaciones.
Conclusiones y aprendizajes.
Ejemplo de arquitectura a presentar
Ingesta con HDFS.
Procesamiento con Spark.
Almacenamiento de resultados en MongoDB o Cassandra.
Dashboard de visualización con Grafana o Power BI.
Recomendaciones para la presentación
Explicar el proyecto de forma clara y accesible.
Destacar la innovación y el impacto del trabajo.
Mostrar ejemplos en vivo (demo) si es posible.
Preparar visualizaciones que resuman los hallazgos.
Criterios de evaluación
Claridad en la exposición.
Correcta aplicación de tecnologías Big Data + IA.
Calidad y relevancia de los resultados.
Trabajo en equipo y roles bien definidos.
Creatividad en la solución planteada.
Dinámica de retroalimentación
Cada equipo recibirá comentarios de sus compañeros y del instructor.
Se valorará la colaboración y el aprendizaje colectivo.
La retroalimentación debe ser constructiva y orientada a mejorar.
Ejemplo de retroalimentación
“El análisis de reseñas fue muy completo. Una recomendación sería optimizar el pipeline de Spark con particiones para mejorar el rendimiento.”
Lecciones aprendidas
El valor del trabajo en equipo en proyectos de datos masivos.
La importancia de diseñar arquitecturas escalables.
Cómo combinar análisis de datos y Machine Learning en entornos reales.
Cierre de la misión
Con la presentación de proyectos, se culmina la Misión 2. Los estudiantes habrán aplicado conceptos de Hadoop, Spark, NoSQL y Streaming en un caso real, consolidando su aprendizaje práctico en Big Data.