Master en Big Data y Business Analytics
Master
Online
¿Necesitas un coach de formación?
Te ayudará a comparar y elegir el mejor curso para ti y a financiar tu matrícula en cómodos plazos.
Descripción
-
Tipología
Master
-
Metodología
Online
-
Horas lectivas
450h
-
Duración
10 Meses
-
Inicio
Octubre
otras fechas
Vivimos un mundo globalizado donde la disrupción digital está provocando la generación de datos procedentes de múltiples fuentes (dispositivos móviles, sensores IoT, logs, RR.SS, sistemas transaccionales, Open Data, etc.) que necesitan de profesionales capaces de extraer el valor que éstos ocultan para generar beneficios (económicos, sociales y/o ambientales).
El Master en Big Data & Business Analytics tiene como misión responder a esta creciente demanda de formación cualificada en las diferentes áreas de una organización. A través de este programa, conocerás en profundidad la gestión de la estrategia basada en datos, las tecnologías Business Intelligence y Big Data, las herramientas de visualización líderes en el mercado y la analítica de datos avanzada y desarrollarás las habilidades necesarias para adquirir una combinación de capacidades única en las áreas de Data Science, Business Analytics y Big Data management.
Instalaciones y fechas
Ubicación
Inicio
Inicio
A tener en cuenta
El Master tiene como misión responder a esta creciente demanda de formación cualificada en las diferentes áreas de una organización. A través de este programa, conocerás en profundidad la gestión de la estrategia basada en datos, las tecnologías Business Intelligence y Big Data, las herramientas de visualización líderes en el mercado y la analítica de datos avanzada y desarrollarás las habilidades necesarias para adquirir una combinación de capacidades única en las áreas de Data Science, Business Analytics y Big Data management.
Dirigido a titulados superiores en Telecomunicaciones, Informática, Física, Matemáticas... Para otras titulaciones se valorará conocimiento y experiencia previos en programación de alto nivel, estadística, lenguaje SQL.
El Máster en Big Data Analytics te prepara para:
Trabajar como responsable de proyectos de Analytics: Data Analyst, Data Scientist o Business Analyst
Aprender a medir y evaluar indicadores clave del negocio en todas sus áreas, aplicando métodos analíticos
Saber diseñar arquitecturas y soluciones para problemas de big data que aporten valor a la organización
Saber aplicar modelos analíticos y predictivos a situaciones de negocio que requieren un tratamiento avanzado
Entender el papel de los diferentes modelos de bases de datos on-premise y Cloud y los usos de éstas para analizar y visualizar patrones y tendencias
Opiniones
Logros de este Centro
Todos los cursos están actualizados
La valoración media es superior a 3,7
Más de 50 opiniones en los últimos 12 meses
Este centro lleva 23 años en Emagister.
Materias
- E-business
- Herramientas de gestión
- Redes neuronales
- SQL
- Big Data
- Análisis de datos
- Business Intelligence
- Gestión de datos
Temario
FUNDAMENTOS DE BUSINESS INTELLIGENCE
- Definición, Componentes y Tipología de Sistemas de Inteligencia de Negocio.
- Contextualización y Diseño de Sistemas de Inteligencia de Negocio.
- Diseño de Informes, Cuadros de Mando e Indicadores.
- Fuentes y Calidad de los Datos.
- El business case de una iniciativa de inteligencia de negocio
- Herramientas auxiliares: Instalación y gestión de máquinas virtuales con VirtualBox, Amazon Workspaces y uso de la línea de comandos en un entorno Linux.
- Introducción a las bases de datos relacionales:
- Nociones básicas del modelo relacional: Modelo conceptual, modelo lógico y modelo físico.
- Introducción a SQL:
- DDL
- DML
- DCL
- Cloud computing y el impacto que ha tenido en la revolución del Big Data
- Poner los almacenes de datos en el panorama actual y el porqué de su importancia
- Opciones cloud en los entornos profesionales
- Taller de modelización, integración y explotación de datos en la nube
- Fundamentos de la dirección estratégica. La información como base del análisis estratégico
- Análisis del entorno competitivo, sectorial y particular para toma de decisiones. La inteligencia competitiva.
- Definición de la estrategia: Diseño y simulación de estrategias alternativas
- Implantación y seguimiento de la estrategia. Definición de indicadores clave (KPI’s).
HERRAMIENTAS AUXILIARES – Parte 2
- El lenguaje de programación Python.
- El entorno Jupyter Notebook.
- Librerías para el análisis de datos: Numpy, Pandas, y Matplotlib.
- Introducción a XML y JSON como formatos de datos usando Python.
- Introducción a las bases de datos NoSQL: origen, evolución y contexto histórico
- Persistencia poliglota: escoger el modelo de datos más adecuado para cada problema.
- Modelos de Agregación: características, tipos (clave-valor, documental y orientado a columnas) consideraciones de diseño y casos de uso.
- Modelos en grafo: características, consideraciones de diseño y casos de uso.
- Sistemas distribuidos: definición, tipos (cliente/servidor, peer-to-peer…), estrategias de distribución (fragmentación y replicación) y consistencia de datos (ACID vs BASE).
- Ejercicios y ejemplos usando bases de datos NoSQL: MongoDB y Neo4J.
- Procesamiento paralelo y ecosistema hadoop.
- Procesamiento paralelo bajo arquitectura hadoop. MapReduce.
- Mecanismos de explotación de la información en entornos distribuidos hadoop.
- Framework de computación en cluster Apache Spark
- Spark SQL
- Spark Streaming
- Spark MLib
ESTADÍSTICA CON R
- Introducción a la estadística: Análisis y descripción de datos
- Contrastes de hipótesis
- Estimación de intervalos de confianza
- Entrenamiento con R
- Aprendizaje supervisado y no supervisado.
- Clustering y clasificación. Técnicas y medidas de calidad.
- Herramientas de aprendizaje automático, visualización.
- El ciclo de la minería de datos.
- Introducción a los sistemas de recomendación
- Sistemas de recomendación clásicos: “El carrito de la compra”
- Sistema de recomendación personalizados
- Caso de uso real.
- Comprender los fundamentos teóricos, las técnicas y las aplicaciones prácticas del PLN
- Manejar de forma práctica distintas librerías y herramientas de NLP (NLTK, Brad, Gate)
- Implementar de forma básica distintas soluciones NLP (Análisis de Sentimiento, Text Mining de datos web, Asistente Virtual)
- Estado del arte en chatbots y altavoces inteligentes
- Posibilidades actuales y plataformas disponibles
- Creando un chatbot con DialogFlow
- Entendimiento del modelo matemático de una red neuronal
- Conocer las diversas arquitecturas de redes neuronales
- Poder implementar modelos de regresión y clasificación de manera práctica
- Entender el algoritmo de backpropagation para entrenar redes neuronales
- Comprender las diferencias entre machine learning y deep learning
- Uso de los lenguajes de programación R y Python para implementar modelos de redes neuronales
- Ideas modelos de negocio
- Formación de grupos de trabajo
- Asignación tutores
VISUALIZACIÓN DE DATOS
- Fundamentos de la visualización de datos
- Visualizando datos con PowerBI
- Fundamentos para el estudio, medida e investigación de redes sociales
- Tratamiento, visualización y análisis de grandes redes
- Herramientas de visualización de redes sociales
- Introducción a los SIG (Sistemas de información Geográfica)
- Herramientas de tratamiento de datos: QGis, PostgreSQL
- Capas cartográficas y principales operaciones geométricas
- Creación de un proyecto GIS, como base de una Visualización de datos
ADQUISICIÓN DE DATOS EN TIEMPO REAL
- Introducción y conceptos básicos
- Arquitectura general de un proyecto IoT
- Plataformas IoT y Big Data
- Ejemplos y casos de uso
- Location Analytics: Concepto y aplicaciones
- El valor de la ubicación
- Aplicación en el análisis de resolución de un problema de negocio
- Casos prácticos y trabajo individual de aplicación de Location analytics en un caso práctico
- Aplicación al Marketing Digital
- Campañas con públicos seleccionados
- Selección de Clientes mediante Modelos de Propensión
- Introducción de la tecnología aplicada en el sector
- Aplicación del IoT, gamificación, etc. en la operativización
- Análisis de datos predictivos para la toma de las decisiones
- Conceptos financieros y de riesgos
- Aplicación práctica de BI y BIGDATA a la visión financiera/riesgos
- Obtención y preparación de datos financieros y de riesgos
- Modelos estadísticos para maximizar el RAR (Rentabilidad ajustada al Riesgo) y para inferir el riesgo de operaciones financieras.
- Semana Presencia Virtual
- Desarrollo del Proyecto Fin de Máster
¿Necesitas un coach de formación?
Te ayudará a comparar y elegir el mejor curso para ti y a financiar tu matrícula en cómodos plazos.
Master en Big Data y Business Analytics