Big Data International Campus

Máster en Big Data Deportivo

Big Data International Campus
Online
  • Big Data International Campus

2001-3000 €
CURSO PREMIUM
¿Quieres hablar con un asesor sobre este curso?
¿Quieres hablar con un asesor sobre este curso?

Información importante

Tipología Master
Metodología Online
Horas lectivas 1500h
Duración 1 Año
Campus online
Servicio de consultas
Tutor personal
Clases virtuales
  • Master
  • Online
  • 1500h
  • Duración:
    1 Año
  • Campus online
  • Servicio de consultas
  • Tutor personal
  • Clases virtuales
Descripción

El Big Data no solo ha llegado al mundo empresarial, también al mundo del deporte profesional. Por ello, nace el primer Máster en Big Data Deportivo, impartido en castellano por el prestigioso Big Data International Campus para responder a las necesidades formativas más innovadoras del mundo del deporte.

La tecnología Big Data se extiende al deporte profesional, donde el análisis de los datos ofrece grandes oportunidades y claras ventajas competitivas.

En colaboración con la UCAM Sports Management University y Opta Sports, proveedora Oficial de Datos de LaLiga de Fútbol Profesional, el Máster en Big Data Deportivo, avalado por la UCAM, cuenta con un claustro que incluye a analistas deportivos de clubes, expertos en tecnología Big Data de empresas del prestigio de IBM, Telefónica, SAS, técnicos en herramientas de análisis de video como NAC Sport o Eric Sport, de sensórica deportiva como Catapults, consultores de datos deportivos aplicados al futbol y al basket como Driblab y Madrible o del periodismo deportivo como diario Marca.

Si estás interesado en realizar esta formación, haz click en el botón de “Pedir información”. De esta manera, los asesores de Emagister.com podrán ponerse en contacto contigo para proporcionarte toda la información que necesitas y resolver todas las dudas que tengas. ¡No dejes escapar esta oportunidad!

Información importante

Preguntas Frecuentes

· ¿Cuáles son los objetivos de este curso?

Comenzar a pensar como un Análista de datos, aplicando las metodologías de análisis de datos que ayuden a plantear y resolver los problemas dentro del ámbito deportivo a partir de los datos. Conocer aspectos básicos y avanzados de los lenguajes más utilizados por los Análistas de datos: R, Python y SQL. Adquirir, organizar, combinar, limpiar y almacenar datos provenientes de diferentes fuentes en bases de datos y sistemas de almacenamiento tradicionales, incluyendo la información proveniente de Internet a través de APIs o directamente de páginas web. Aplicar análisis de datos estadísticos avanzados y técnicas de aprendizaje automático (machine learning) para identificar patrones utilizando R, RStudio y paquetes relevantes de este lenguaje de programación. Desarrollar software de análisis de datos en Python y realizar análisis de datos avanzados en escala con las librerías de machine learning. Ser capaz de definir la arquitectura de una plataforma Big Data, saber desplegar Hadoop y obtener los conocimientos para administrar dicha plataforma. Conocer el sistema de almacenamiento de datos de Hadoop (HDFS). Comprender las diferentes tecnologías de almacenamiento escalables NoSQL y relacionales SQL. Reconocer las principales herramientas de análisis que forman parte del ecosistema de una plataforma distribuida Hadoop y entender su comportamiento. Estar al día de los principales actores en el mundo de las herramientas de Big Data, tanto comerciales como Open Source que actualmente operan en el mercado. Conocer los diferentes proveedores de datos que existen dentro del mundo del deporte. Hacerse eco de la importancia de la visualización de datos, afrontar proyectos de visualización interactiva de grandes volúmenes de datos y comunicar o publicar en Internet los conocimientos importantes adquiridos a partir de los datos de una manera atractiva y efectiva.

· ¿A quién va dirigido?

El Máster en Big Data Deportivo está dirigido a Titulados Superiores con perfil deportivo. Titulados técnicos o titulados en las diferentes áreas relacionadas con la tecnología. Titulados técnicos o titulados en las diferentes áreas relacionadas con el deporte. Profesionales o titulados en periodismo, en estadística o Ingeniería y emprendedores, desempleados y todos aquellos que quieran formarse en una disciplina de máxima actualidad y demanda.

· Titulación

Máster Certificado como Título Propio por la Universidad Católica de Murcia (UCAM)

· ¿Qué distingue a este curso de los demás?

¿Por qué estudiar este Máster con el Campus Internacional Big Data? Porque es el primer máster en Big Data Deportivo en lengua castellana, porque tiene el aval académico y reconocido prestigio de la UCAM (Universidad Católica de Murcia). porque está realizado en colaboración con Opta Sports, perteneciente a Perform Group. Opta Sports, Proveedora Oficial de Datos de LaLiga de Fútbol Profesional, porque cuenta con la colaboración de la UCAM Sports Management University. porque durante el estudio del máster, los estudiantes pueden realizar prácticas profesionales voluntarias (extracurriculares) en algunos de los principales clubes de LaLiga, porque cuenta con un claustro docente que incluye a analistas deportivos de clubes, expertos en tecnología Big Data de empresas del prestigio de IBM, Telefónica, SAS, técnicos en herramientas de análisis de video como NAC Sport o Eric Sport, de sensórica deportiva como Catapults, consultores de datos deportivos aplicados al futbol y al basket como Driblab y Madrible o del periodismo deportivo como diario Marca y porque cuenta con catorce Máster Classes que le aportarán al estudiante una visión global de los diferentes lenguajes, herramientas y programas que utilizarán en su desarrollo profesional.

¿Qué aprendes en este curso?

Deporte
Big Data
Análisis de datos
Clubes deportivos
Big Data Deportivo
Fútbol
Sport
Analista de datos
Toma de decisiones
Deporte profesional

Profesores

César García
César García
Big Data Scientist en Telefónica I+D

Cristóbal Fuentes Nieto
Cristóbal Fuentes Nieto
Strength and Conditioning Coach at Cordoba Club de Futbol SAD

David Fombella
David Fombella
Business Intelligence and Big Data Consultant

Francisco Oviedo Fernández
Francisco Oviedo Fernández
Experto en Análisis de Datos

Jaime Lazcano Bello
Jaime Lazcano Bello
CTO, PMP, big data, transformación digital at Everlander

Temario

MÓDULO 1. INTRODUCCIÓN Y TEORÍAS. INTRODUCCIÓN. TEORÍA DE JUEGOS. TEORÍA DE LA TOMA DE DECISIONES
75 horas / 3 créditos.

  1. Introducción al uso del Big Data en el mundo del deporte.
  2. Teoría de Juegos:
    1. Los elementos que intervienen en un juego.
    2. Representaciones gráficas.
    3. Tipos de juegos y estrategias.
    4. “El equilibrio de John Nash”.
    5. Teoría y práctica aplicada al deporte.
  3. Teoría de la Toma de Decisiones:
    1. Definiciones y fases del ciclo.
    2. Tipología por niveles y por métodos.
    3. Técnicas de modelación de un proceso de toma de decisiones.
    4. Modelos para la simplificación de la toma de decisiones en una organización en un ambiente de incertidumbre.
    5. Herramientas para la representación de la lógica decisional.

MÓDULO 2. INTRODUCCIÓN AL BIG DATA
150 horas / 6 créditos

  1. Introducción al Big Data.
  2. Casos de uso típicos.
  3. Ecosistema Hadoop y distribuciones disponibles.
  4. Arquitectura clásica de un entorno Hadoop.
  5. Herramientas de ingesta de datos.
  6. Herramientas de procesamiento de datos en batch y Map Reduce.
  7. Desplegar un cluster de Spark en Azure. Diferencia entre cloud y on premise.
  8. Spark(I). Spark dentro del ecosistema Hadoop.
  9. Spark(II). Arquitectura de Spark.
  10. Spark (III). Procesamiento con Spark en Python.
  11. Spark (IV). Optimización de Jobs de spark..

MÓDULO 3. ALMACENAMIENTO Y ADQUISICIÓN DE DATOS
150 horas / 6 créditos

  1. Introducción a las bases de datos relacionales. Conceptos y principales características.
  2. Estructura de datos relacional
  3. Lenguaje de consulta SQL
  4. Introducción a las bases de datos NoSQL. Conceptos y principales características.
  5. Operaciones de Consulta.
  6. Diseño de una base de datos NoSQL.

MÓDULO 4. ANÁLISIS DE DATOS DEPORTIVO Y APRENDIZAJE AUTOMÁTICO CON R Y PHYTON
150 horas / 6 créditos

  1. Programación básica con R.
  2. Limpieza y preparación de datos con R.
  3. Análisis exploratorio con R.
  4. Programación básica con Python.
  5. Aplicaciones de análisis de datos con Python.

MÓDULO 5. ANÁLISIS DE DATOS DEPORTIVOS Y MACHINE LEARNING CON BIG DATA
150 horas / 6 créditos

  1. Introducción a Apache Spark. Comparativa con Hadoop
  2. Casos de uso típicos en el deporte
  3. Instalación y familiarización con la herramienta
  4. Conceptos básicos de Apache Spark
  5. Ecosistema de Apache Spark. Módulos principales
  6. Caso de uso de Apache Spark (I). Spark SQL
  7. Introducción a Machine Learning o Aprendizaje Automático (I)
  8. Machine Learning o Aprendizaje Automático (II)
  9. Caso de uso de Apache Spark (II). Spark MLlib
  10. Caso de uso de Apache Spark (III). Spark GraphX
  11. Caso de uso de Apache Spark (IV). Spark Streaming

MÓDULO 6. BIG DATA EN EL DEPORTE
75 horas / 3 créditos

  1. Introducción al Big Data en el deporte
  2. El origen del Big Data en el deporte: El Beisbol
  3. Moneyball
  4. Uso de estadísticas avanzadas para analizar el juego béisbol: Sabermetría
  5. Del Beisbol al baloncesto: Método Muthuball
  6. Ejemplos actuales del big data en el futbol: Selección Alemana de futbol
  7. Herramientas visuales de análisis y proveedores de datos

MÓDULO 7. PROVEEDORES DE DATOS. OPTA · STATS · WYSCOUT · MEDIACOACH · INSTAT
150 horas / 6 créditos

  1. Introducción a los proveedores de datos
  2. Opta
  3. Instat
  4. Wyscout
  5. MediaCoach
  6. Stat prozone
  7. Portales de estadísticas

MÓDULO 8. HERRAMIENTAS VISUALES DE ANÁLISIS. TABLEAU · WATSON · PENTAHO · MICROSOFT POWER BI · ERIC
150 horas / 6 créditos

  1. Introducción a las diferentes herramientas para análisis de Datos
  2. Tableau
  3. IBM Watson
  4. Pentaho
  5. Microsoft Power BI
  6. Herramientas (Eric, Nac, Longomatch)

MÓDULO 9. ANÁLISIS DE DATOS INDIVIDUAL, COLECTIVO Y DEL RIVAL EN EL DEPORTE.
150 horas / 6 créditos

  1. Análisis individual en deportes.
  2. Tareas prácticas de análisis individual.
  3. Análisis colectivo en deportes.
  4. Tareas prácticas de análisis colectivo.
  5. Análisis del rival en deportes.
  6. Tareas prácticas de análisis del rival.

MÓDULO 10. ANÁLISIS DE DATOS EN EL DEPORTE Y SU RELACIÓN CON EL RENDIMIENTO FÍSICO.
150 horas / 6 créditos

  1. Sistemas de posicionamiento global.
  2. Variables del rendimiento.
  3. Cuantificación de la carga y optimización del rendimiento.

MÓDULO 11. PRESENTACIÓN DE DATOS.
75 horas / 3 créditos

  1. Introducción a la presentación de informes. Características de los grandes oradores
  2. Modelos de informes
  3. Objetivo de la presentación
  4. Pasos básicos de la presentación
  5. Planificación de la presentación: Audiencia, Tiempo y Mensaje
  6. Diseño y Composición de la presentación
  7. Herramientas de visualización de datos.

MÓDULO 12. PROYECTO FIN DE MÁSTER.
150 horas / 6 Créditos

  1. Introducción a la realización de Proyectos de Big Data Deportivo
  2. Pautas esenciales para la organización del proyecto
  3. Realización del Proyecto Fin de Máster
  4. Presentación telemática

Información adicional

Gracias a la colaboración de la UCAM Sports Management University en el Máster en Big Data Deportivo, nuestros estudiantes podrán beneficiarse de los acuerdos de colaboración que la UCAM Sports Management University tienen con más de 25 equipos de LaLiga.