¡50% de ahorro!
      ¡50% de ahorro!
      ESESA IMF

      Máster en Big Data y Business Analytics (Presencial)

      ESESA IMF
      En Málaga
      • ESESA IMF
      Precio Emagister

      16.000 € 8.000 
      CURSO PREMIUM
      ¿Quieres hablar con un asesor sobre este curso?
      ¿Quieres hablar con un asesor sobre este curso?

      Información importante

      Tipología Master
      Lugar Málaga
      Duración 8 Meses
      Inicio Octubre 2019
      • Master
      • Málaga
      • Duración:
        8 Meses
      • Inicio:
        Octubre 2019
      Descripción

      ESESA IMF, Escuela Superior de Estudios de Empresa, presenta a los usuarios de Emagister.com el Máster en Big Data y Business Analytics (Presencial).

      En detalles, se trata de una formación estratégica impartida en Málaga basada en la gestión de los macrodatos. A pesar de ser un área de estudio reciente, las empresas demandan profesionales con una alta formación como la que ofrece este máster.

      Una vez finalizado el programa, el alumno obtendrá dos titulaciones, aquella de la Universidad Nebrija y ESESA IMF, junto con Indra.

      Información importante

      Precio a usuarios Emagister: Beca del 50%

      Instalaciones (1) y fechas
      Dónde se imparte y en qué fechas
      Inicio Ubicación Horario
      Oct-2019
      Málaga
      Avda. Sor Teresa Prat nº 15 Edif. Tabacalera. Mód E-0, 29003, Málaga, España
      Ver mapa
      Horarios adaptados a tus necesidades.
      Inicio Oct-2019
      Ubicación
      Málaga
      Avda. Sor Teresa Prat nº 15 Edif. Tabacalera. Mód E-0, 29003, Málaga, España
      Ver mapa
      Horario Horarios adaptados a tus necesidades.

      A tener en cuenta

      · ¿Cuáles son los objetivos de este curso?

      El objetivo del máster que ofrece ESESA IMF en Málaga de Big Data y Business Analitycs es la profundización en esta innovadora área tan necesitada actualmente de profesionales expertos en las empresas. El alumno asumirá los conocimientos necesarios para trabajar en la extracción y gestión del valor del dato, las técnicas de Data Science en R y Python. Profundizará en las tecnologías de paralelización de datos. Se especializará en la técnicas de aprendizaje automático y de minería para los modelos predictivos.

      · ¿A quién va dirigido?

      Dirigido a informáticos, ingenieros o profesionales dedicados al área del software o con una carrera desarrollada en el ámbito de la tecnología de la información.

      Preguntas & Respuestas

      Plantea tus dudas y otros usuarios podrán responderte

      ¿Qué aprendes en este curso?

      E-business
      Big Data
      Business Intelligence
      Business objects
      Data mining
      Datawarehouse
      Data science
      Data Protection Officer (DPO)
      Bases de datos
      Python
      Gestión de equipos
      Análisis estadístico
      Bases de datos relacionales
      Análisis de datos
      Series temporales
      Recuperación de información
      Minería
      Redes sociales
      Gestión de la formación
      Programación avanzada

      Temario

      STRUCTURA DEL PROGRAMA

      La estructura del Máster en Big Data y Business Analytics en Málaga se conforma de las siguientes áreas, a las que hay que añadir las horas dedicadas a formación en habilidades y competencias:

      ÁREA 1: Fundamentos tecnológicos para el tratamiendo de datos.
      • Manejo de máquinas virtuales y terminal de comandos.
      • Fundamentos de programación con Python.
      • Fundamentos de bases de datos relacionales.
      • Fundamentos de tecnologías de Internet.
      • Compartir datos, código y recursos en repositorios.
      • Fundamentos de tratamiento de datos con el stack científico de Python.

      ÁREA 2: Modelos y aprendizaje estadísticos.
      • Lenguaje R y tratamiento de datos.
      • Análisis exploratorio de datos.
      • Probabilidad e Inferencia estadística.
      • Modelos lineales y aprendizaje estadístico.
      • Regresión logística, modelos restringidos de ridge y lasso y gradiente descendiente.
      • GLMS y series temporales.

      ÁREA 3: Aprendizaje automático aplicado.
      • Introducción al aprendizaje automático.
      • Modelos supervisados.
      • Modelos no supervisados.
      • Ingeniería de características y selección de modelos.
      • Modelos conexionistas.
      • Reglas de asociación y market basket analysis.
      ÁREA 4: Minería de texto y procesamiento del lenguaje natural (PLN).
      • Introducción histórica y tecnológica.
      • Herramientas pln I: NLTK.
      • Herramientas de PLN II: Brat y Gate.
      • Text mining I: clustering.
      • Text mining II: sentimiento y temas.
      • Otras aplicaciones y técnicas de PLN.

      ÁREA 5: Business Inteligence y visualización.
      • Introducción al Business Inteligence.
      • Almacenes de datos y bases de datos analíticas.
      • Herramientas de extracción, transformación y carga.
      • Aplicaciones de Business Intelegence.
      • Fundamentos de visualización de datos.
      • Herramientas de visualización.

      ÁREA 6: Infraestructura de Big Data.
      • Procesamiento de datos con Hadoop.
      • Herramientas Hadoop.
      • Procesamiento de datos con Spark.
      • Arquitecturas de streaming.
      • Componentes de arquitecturas de streaming.
      • Plataformas y Apis en la nube

      ÁREA 7: Almacenamiento e integración de datos.
      • Bases de datos no convencionales.
      • Modelos de base de datos basados en documentos.
      • Modelos de base de datos basados en columnas.
      • Modelos de base de datos basados en grafos.
      • Modelos de base de datos basados en clave-valor.
      • Adquisición de datos.

      ÁREA 8: Valor y contexto de la analítica big data.
      • El business case de Big Data.
      • Proyectos de Big Data.
      • Aplicaciones analíticas por sectores.
      • Tecnologías emergentes en analítica.
      • Gestión de equipos y métodos ágiles.
      • Aspectos regulatorios del tratamiento de datos.

      ÁREA 9: Aplicaciones analíticas.
      • Caso de estudio de analítica escalable.
      • Caso de estudio de analítica en redes sociales.
      • Caso de estudio en Internet Of Things.
      • Caso de estudio en analítica financiera (el rating de empresas).
      • Caso de estudio en analítica de clientes: Location Analytics.
      • Caso de estudio de técnicas de recuperación de información.

      ÁREA 10: Trabajo fin de máster.

      Información adicional