Máster en big data y business intelligence

PARTE 1. INTRODUCCIÓN AL BIG DATA Y BUSINESS INTELLIGENCE

INTRODUCCIÓN

MÓDULO 1. BASES DE DATOS

UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LAS BASES DE DATOS

UNIDAD DIDÁCTICA 2. APROXIMACIÓN AL MODELO RELACIONAL

1. Teoría de conjuntos

2. Lógica de predicados

UNIDAD DIDÁCTICA 3. ELEMENTOS DE UN SISTEMA DE BASES DE

DATOS RELACIONALES

1. Tablas o relaciones

2. Atributos

3. Tuplas

4. Claves primarias y foráneas

UNIDAD DIDÁCTICA 4. NORMALIZACIÓN EN BASES DE DATOS

RELACIONALES

1. Primera forma normal

2. Segunda forma normal

3. Tercera forma normal

4. Cuarta forma normal

5. Quinta forma normal

Certificación obtenida

MÁSTER EN BIG DATA Y BUSINESS INTELLIGENCE

Una vez finalizados los estudios y superadas las pruebas de evaluación, el alumno

recibirá un diploma que certifica el “MÁSTER EN BIG DATA Y BUSINESS

INTELLIGENCE”, de FINTECH BUSINESS & MEDICAL SCHOOL, avalada por nuestra

condición de socios de la CECAP y AEEN, máximas instituciones españolas en

formación y de calidad.

Los diplomas, además, llevan el sello de Notario Europeo, que da fe de la validez de los

contenidos y autenticidad del título a nivel nacional e internacional.

El alumno tiene la opción de solicitar junto a su diploma un Carné Acreditativo de la

formación firmado y sellado por la escuela, válido para demostrar los contenidos

adquiridos.

Contenido formativo

UNIDAD DIDÁCTICA 5. OPERACIONES BÁSICAS EN BASES DE DATOS

RELACIONALES

1. Selección

2. Proyección

3. Unión

4. Diferencia

5. Producto cartesiano

6. Junta

UNIDAD DIDÁCTICA 6. LENGUAJES DE CONSULTA

1. SQL como lenguaje de consulta estructurado

2. DDL, DML y DCL en SQL

3. Consultas básicas en SQL

UNIDAD DIDÁCTICA 7. DESARROLLO DE TRANSACCIONES

1. Control de concurrencia y mecanismos de recuperación

UNIDAD DIDÁCTICA 8. ELEMENTOS DE SEGURIDAD

1. Autenticación y autorización

2. Cifrado de datos

3. Rastreo y registro de actividad

RESUMEN

AUTOEVALUACIÓN

MÓDULO 2. PROGRAMACIÓN ENFOCADA A OBJETOS

UNIDAD DIDÁCTICA 1. NOCIONES ESENCIALES DEL LENGUAJE PYTHON

1. Sintaxis y formato de Python

2. Variables y tipos de datos

3. Operadores aritméticos

4. Operadores de comparación

5. Operadores lógicos

6. Comentarios y documentación en el código

UNIDAD DIDÁCTICA 2. ESTRUCTURAS DE CONTROL EN PYTHON

1. Condicionales: if, elif, else

2. Bucles: for, while

3. Excepciones: try, except, finally

UNIDAD DIDÁCTICA 3. FUNCIONES EN PYTHON

1. Llamado de funciones

2. Parámetros y argumentos

3. Funciones anónimas (lambda)

UNIDAD DIDÁCTICA 4. MÓDULOS Y PAQUETES

1. Importación de módulos

2. Creación de paquetes

UNIDAD DIDÁCTICA 5. MANEJO DE ARCHIVOS

1. Apertura, lectura y escritura de archivos

2. Manejo de archivos JSON, CSV y TXT

UNIDAD DIDÁCTICA 6. BIBLIOTECAS ESENCIALES

UNIDAD DIDÁCTICA 7. PROGRAMACIÓN ENFOCADA A OBJETOS EN

PYTHON

1. Clases y objetos

2. Herencia y polimorfismo

3. Encapsulamiento

RESUMEN

AUTOEVALUACIÓN

MÓDULO 3. BASES DEL RAZONAMIENTO ESTADÍSTICO

UNIDAD DIDÁCTICA 1. APROXIMACIÓN CONCEPTUAL

1. Probabilidad

2. Experimentos aleatorios

• Espacio muestral

UNIDAD DIDÁCTICA 2. EVENTOS

1. Tipos de eventos

• Eventos simples

• Eventos compuestos

• Eventos independientes

• Eventos mutuamente exclusivos

UNIDAD DIDÁCTICA 3. ESPACIOS DE PROBABILIDAD

1. Propiedades

2. Construcción de un espacio de probabilidad

UNIDAD DIDÁCTICA 4. AXIOMAS DE PROBABILIDAD

1. Axioma de Kolmogorov

2. Propiedades y teoremas a partir de los axiomas de probabilidad

UNIDAD DIDÁCTICA 5. PROBABILIDAD CONDICIONAL E INDEPENDENCIA

1. Regla del producto y teorema de Bayes

UNIDAD DIDÁCTICA 6. VARIABLES ALEATORIAS

1. Funciones de distribución

• Función de distribución acumulativa

• Función de densidad

• Función de masa

UNIDAD DIDÁCTICA 7. ESPERANZA Y VARIANZA

1. Esperanza matemática

2. Varianza y desviación estándar

UNIDAD DIDÁCTICA 8. DISTRIBUCIONES DE PROBABILIDAD

1. Distribuciones discretas

• Distribución binominal

• Distribución de Poisson

• Distribución geométrica

2. Distribuciones concretas

• Distribución normal

• Distribución exponencial

• Distribución uniforme

RESUMEN

AUTOEVALUACIÓN

MÓDULO 4. FUNDAMENTOS DEL BIG DATA (3)

UNIDAD DIDÁCTICA 1. CONCEPTO

1. Características

• Volumen de datos

• Variedad de datos

• Velocidad de generación de datos

• Velocidad de procesamiento de datos

• Calidad de los datos

• Valor de los datos

2. Tipos de datos en big data

• Datos estructurados

• Datos no estructurados

• Datos semiestructurados

3. Herramientas de big data

• Almacenamiento y procesamiento distribuido

• Bases de datos NoSQL

• Herramientas de análisis y minería de datos

• Herramientas de visualización

• Casos de estudio y aplicaciones reales

UNIDAD DIDÁCTICA 2. PRINCIPALES FUENTES DE DATOS

1. Personas

2. Transacciones

3. Interacciones máquina a máquina

4. Marketing y web

5. Biometría

UNIDAD DIDÁCTICA 3. TRANSFORMACIÓN DE DATOS

UNIDAD DIDÁCTICA 4. ALMACENAMIENTO NoSQL

1. Almacenamiento key-value

2. Almacenamiento documental

3. Almacenamiento en grafo

4. Almacenamiento orientado a columnas

UNIDAD DIDÁCTICA 5. ANÁLISIS DE DATOS

1. Asociación de datos

2. Minería de datos

3. Agrupación de datos

4. Análisis de texto

UNIDAD DIDÁCTICA 6. VISUALIZACIÓN DE DATOS

RESUMEN

AUTOEVALUACIÓN

MÓDULO 5. ÁMBITOS DE APLICACIÓN DEL BIG DATA

UNIDAD DIDÁCTICA 1. ESQUEMA GENERAL

UNIDAD DIDÁCTICA 2. GOBERNANZA PÚBLICA

UNIDAD DIDÁCTICA 3. EMPRESAS

UNIDAD DIDÁCTICA 4. PERIODISMO DE DATOS

UNIDAD DIDÁCTICA 5. DEPORTES

UNIDAD DIDÁCTICA 6. SEGUROS DE SALUD

UNIDAD DIDÁCTICA 7. BANCA

UNIDAD DIDÁCTICA 8. MARKETING Y PUBLICIDAD

RESUMEN

AUTOEVALUACIÓN