Maestría Internacional en Analítica de Datos con PowerBI, Tableau y Qlikview

DATA ANALYST

UNIDAD DIDÁCTICA 1. DATAMART. CONCEPTO DE BASE DE DATOS
DEPARTAMENTAL
1. Aproximación al concepto de DataMart
2. Procesos de extracción, transformación y carga de datos (ETL)
3. Data Warehouse
4. Herramientas de Explotación
5. Herramientas para el desarrollo de cubos OLAP

UNIDAD DIDÁCTICA 2. DATAWAREHOUSE O ALMACÉN DE DATOS
CORPORATIVOS
1. Visión General. ¿Por qué DataWarehouse?
2. Estructura y Construcción
3. Fases de implantación
4. Características
5. Data Warehouse en la nube

UNIDAD DIDÁCTICA 3. INTELIGENCIA DE NEGOCIO Y HERRAMIENTAS DE ANALÍTICA
1. Tipos de herramientas para BI
2. Productos comerciales para BI
3. Productos Open Source para BI
4. Beneficios de las herramientas de BI

UNIDAD DIDÁCTICA 4. HERRAMIENTA POWERBI
1. Business Intelligence en Excel
2. Herramienta PowerBI

UNIDAD DIDÁCTICA 5. HERRAMIENTA TABLEAU
1. Herramienta Tableau

UNIDAD DIDÁCTICA 6. HERRAMIENTA QLIKVIEW
1. Instalación y arquitectura
2. Carga de datos
3. Informes
4. Transformación y modelo de datos
5. Análisis de datos

UNIDAD DIDÁCTICA 7. BASES DE DATOS NOSQL Y EL ALMACENAMIENTO ESCALABLE

1. ¿Qué es una base de datos NoSQL?
2. Bases de datos Relaciones Vs Bases de datos NoSQL
3. Tipo de Bases de datos NoSQL. Teorema de CAP
4. Sistemas de Bases de datos NoSQL

UNIDAD DIDÁCTICA 8. INTRODUCCIÓN A UN SISTEMA DE BASES DE
DATOS NOSQL. MONGODB
1. ¿Qué es MongoDB?
2. Funcionamiento y uso de MongoDB
3. Primeros pasos con MongoDB. Instalación y shell de comandos
4. Creando nuestra primera Base de Datos NoSQL.Modelo e Inserción de Datos
5. Actualización de datos en MongoDB. Sentencias set y update
6. Trabajando con índices en MongoDB para optimización de datos
7. Consulta de datos en MongoDB

UNIDAD DIDÁCTICA 9. PYTHON Y EL ANÁLISIS DE DATOS
1. Introducción a Python
2. ¿Qué necesitas?
3. Librerías para el análisis de datos en Python
4. MongoDB, Hadoop y Python. Dream Team del Big Data

UNIDAD DIDÁCTICA 10. R COMO HERRAMIENTA PARA BIG DATA
1. Introducción a R
2. ¿Qué necesitas?
3. Tipos de datos
4. Estadística Descriptiva y Predictiva con R
5. Integración de R en Hadoop

UNIDAD DIDÁCTICA 11. PRE-PROCESAMIENTO & PROCESAMIENTO DE DATOS
1. Obtención y limpieza de los datos (ETL)
2. Inferencia estadística
3. Modelos de regresión
4. Pruebas de hipótesis

UNIDAD DIDÁCTICA 12. ANÁLISIS DE LOS DATOS
1. Inteligencia Analítica de negocios
2. La teoría de grafos y el análisis de redes sociales
3. Presentación de resultados