Maestría en Big Data y Data Analytics

PARTE 1. INTRODUCCIÓN AL BIG DATA Y BUSINESS INTELLIGENCE

Módulo 1. Bases de datos

• Unidad didáctica 1. Introducción a las bases de datos

• Unidad didáctica 2. Aproximación al modelo relacional

• Unidad didáctica 3. Elementos de un sistema de bases de datos relacionales

• Unidad didáctica 4. Normalización en bases de datos relacionales

• Unidad didáctica 5. Operaciones básicas en bases de datos relacionales

• Unidad didáctica 6. Lenguajes de consulta

• Unidad didáctica 7. Desarrollo de transacciones

• Unidad didáctica 8. Elementos de seguridad

Módulo 2. Programación enfocada a objetos

• Unidad didáctica 1. Nociones esenciales del lenguaje Python

• Unidad didáctica 2. Estructuras de control en Python

• Unidad didáctica 3. Funciones en Python

• Unidad didáctica 4. Módulos y paquetes

• Unidad didáctica 5. Manejo de archivos

• Unidad didáctica 6. Bibliotecas esenciales

• Unidad didáctica 7. Programación enfocada a objetos en Python

Módulo 3. Bases del razonamiento estadístico

• Unidad didáctica 1. Aproximación conceptual

• Unidad didáctica 2. Eventos

• Unidad didáctica 3. Espacios de probabilidad

• Unidad didáctica 4. Axiomas de probabilidad

• Unidad didáctica 5. Probabilidad condicional e independencia

• Unidad didáctica 6. Variables aleatorias

• Unidad didáctica 7. Esperanza y varianza

• Unidad didáctica 8. Distribuciones de probabilidad

Módulo 4. Fundamentos del big data

• Unidad didáctica 1. Concepto

• Unidad didáctica 2. Principales fuentes de datos

• Unidad didáctica 3. Transformación de datos

• Unidad didáctica 4. Almacenamiento NoSQL [Image comparing different NoSQL database types: Key-Value, Document, Column-family, and Graph]

• Unidad didáctica 5. Análisis de datos

• Unidad didáctica 6. Visualización de datos

Módulo 5. Ámbitos de aplicación del big data

Módulo 6. Data science

• Unidad didáctica 1. Definición y ámbito

• Unidad didáctica 2. Herramientas de data science

Módulo 7. Introducción al business intelligence

Módulo 8. Arquitectura de business intelligence

• Unidad didáctica 1. Componentes de la arquitectura

• Unidad didáctica 2. Herramientas de business intelligence

Módulo 9. Análisis de datos con Python

• Unidad didáctica 1. Bases para trabajar con datos en Python

• Unidad didáctica 2. Python en big data

• Unidad didáctica 3. Python en business intelligence

• Unidad didáctica 4. Aplicación del machine learning

Módulo 10. Detección y manejo de los plateau

Módulo 11. Herramienta Power BI

• Unidad didáctica 1. Caracterización de Power BI

• Unidad didáctica 2. Big data en Power BI

• Unidad didáctica 3. Business intelligence en Power BI

• Unidad didáctica 4. Controles avanzados en Power BI

Módulo 12. Programación R en big data y business intelligence

Módulo 13. Protección de datos y seguridad en big data y business intelligence

PARTE 2. APLICACIÓN DEL BIG DATA EN LA GESTIÓN DE PERSONAS

Módulo 1. Caracterización de la tecnología

Módulo 2. Bases de datos

Módulo 3. Bases del razonamiento estadístico

Módulo 4. Delimitación del concepto de big data

Módulo 5. Introducción a la inteligencia artificial

Módulo 6. Aprendizaje automático o machine learning

• Unidad didáctica 1. Conceptualización del aprendizaje automático o machine learning

• Unidad didáctica 2. Tipos de aprendizaje

• Unidad didáctica 3. Evaluación de modelos

Módulo 7. Aprendizaje profundo o deep learning

• Unidad didáctica 1. Conceptualización del aprendizaje profundo o deep learning

• Unidad didáctica 2. Redes neuronales artificiales

• Unidad didáctica 3. Tipos de modelos

Módulo 8. Fases de un proyecto de big data en la organización

Módulo 9. Estrategia corporativa y gestión de personas

Módulo 10. People analytics (I): fundamentos

Módulo 11. People analytics (II): visualización de datos y cuadros de mando

Módulo 12. Analítica de datos en el ciclo de vida del talento

Módulo 13. Liderazgo

Módulo 14. Desarrollo de equipos y dinámicas relacionales

Módulo 15. Seguridad, bienestar y calidad de vida laboral

Módulo 16. Ética y legalidad

PARTE 3. BIG DATA PARA INGENIERÍAS

Módulo 1. Introducción de big data en las ingenierías

Módulo 2. Fundamentos de big data

Módulo 3. Arquitectura hadoop

• Unidad didáctica 1. Entorno Hadoop

• Unidad didáctica 2. HDFS

• Unidad didáctica 3. Apache Hadoop YARN

Módulo 4. Planificación e instalación de clústeres hadoop

Módulo 5. Administración y mantenimiento de hadoop

Módulo 6. Seguridad, ingestión y procesamiento batch

• Unidad didáctica 1. Seguridad Hadoop

• Unidad didáctica 2. Obtención de datos en HDFS

• Unidad didáctica 3. MapReduce

Módulo 7. Apache spark y RDD

• Unidad didáctica 1. Fundamentos de Apache Spark

• Unidad didáctica 2. Modelo de ejecución

• Unidad didáctica 3. RDD

• Unidad didáctica 4. Procesamiento distribuido

Módulo 8. Dataframes, datasets y SQL

Módulo 9. Spark streaming

Módulo 10. Data science y machine learning

Módulo 11. Análisis de datos con apache pig

Módulo 12. Explotación de datos con apache hive

Módulo 13. Explotación de datos con impala

PARTE 4. EXPERTO EN CLOUD: HERRAMIENTAS PARA TRABAJAR EN LA NUBE

Módulo 1. Fundamentos de internet

Módulo 2. Big data, minería de datos e inteligencia empresarial

Módulo 3. Nociones básicas sobre la computación en la nube o cloud

• Unidad didáctica 1. Concepto y definición

• Unidad didáctica 2. Métodos de entrega [Image comparing Cloud computing service models: IaaS, PaaS, and SaaS]

• Unidad didáctica 3. Modelos de implementación

Módulo 4. Arquitectura y tecnologías base de cloud

• Unidad didáctica 1. Componentes de la arquitectura en la nube

• Unidad didáctica 2. Tecnologías base

• Unidad didáctica 3. Arquitectura de microservicios

• Unidad didáctica 4. Redes definidas por software

• Unidad didáctica 5. Infraestructura como código

Módulo 5. Introducción a los proveedores de cloud

• Unidad didáctica 1. Conceptualización de los proveedores

• Unidad didáctica 2. Proveedores principales

• Unidad didáctica 3. Nubes alternativas

• Unidad didáctica 4. Redes y conectividad

Módulo 6. Aplicaciones prácticas de la nube (I): bases de datos e inteligencia artificial

Módulo 7. Aplicaciones prácticas de la nube (II): almacenamiento

Módulo 8. Aplicaciones prácticas de la nube (III): devops

• Unidad didáctica 1. Caracterización de DevOps

• Unidad didáctica 2. DevOps en la nube

Módulo 9. Aplicaciones prácticas de la nube (IV): herramientas de colaboración y redes sociales

Módulo 10. Funcionalidades de la nube para organizaciones empresariales y usuarios finales

Módulo 11. Migración a la nube

Módulo 12. Gestión de la seguridad en la nube

• Unidad didáctica 1. Seguridad compartida entre proveedor y cliente

• Unidad didáctica 2. Cifrado de datos

• Unidad didáctica 3. Mecanismos de defensa en cloud

• Unidad didáctica 4. Zero trust

• Unidad didáctica 5. Normativas asociadas

Módulo 13. Gestión de identidades y accesos

Módulo 14. Marcos regulatorios adicionales aplicados a cloud