Máster semipresencial en Ingeniería Informática y Big Data
Master
Semipresencial Madrid
¿Necesitas un coach de formación?
Te ayudará a comparar y elegir el mejor curso para ti y a financiar tu matrícula en cómodos plazos.
Lidera proyectos tecnológicos complejos, gestiona la calidad y seguridad de los sistemas informáticos
-
Tipología
Master
-
Metodología
Semipresencial
-
Idiomas
Castellano
-
Lugar
Madrid
-
Duración
12 Meses
¿Quieres dirigir proyectos tecnológicos desde su planificación hasta su implementación, coordinando equipos multidisciplinares y aplicando metodologías ágiles, y diseñar e implementar soluciones de inteligencia artificial avanzada y modelos de aprendizaje automático, adaptados a las necesidades de negocio? Si tu respuesta es sí, ¡estás en el lugar indicado!
El Máster en Ingeniería Informática y Big Data, que se encuentra disponible en el catálogo de Emagister, está diseñado para formar profesionales capaces de liderar proyectos tecnológicos complejos, gestionar la calidad y seguridad de los sistemas informáticos, y aplicar técnicas avanzadas de inteligencia artificial, Big data y análisis de datos en el entorno empresarial. A través de un enfoque integral que combina competencias en gestión, desarrollo de software, seguridad de la información y tecnologías emergentes, el programa prepara a los estudiantes para impulsar la transformación digital de las organizaciones con una visión estratégica y técnica. Los participantes aprenderán a desarrollar soluciones innovadoras basadas en inteligencia artificial, a analizar grandes volúmenes de datos con herramientas actuales, y a dirigir proyectos TIC asegurando estándares de calidad, seguridad y eficiencia operativa.
Gracias a esta especialización, ofrecida e impartida por UNISEB, habrás adquirido los conocimientos suficientes como para ejercer de Director/a de Proyectos Tecnológicos (Project Manager TIC), Ingeniero/a de Big Data, Especialista en Inteligencia Artificial (AI Engineer), Arquitecto/a de Software o Consultor/a de Transformación Digital, liderando la innovación y la seguridad informática en cualquier sector.
Información importante
Precio a usuarios Emagister:
Instalaciones y fechas
Ubicación
Inicio
Inicio
A tener en cuenta
El programa busca capacitar al alumno para que pueda asumir responsabilidades tanto técnicas como estratégicas en entornos altamente digitalizados. Entre sus objetivos principales se encuentran:
Desarrollar competencias en la planificación, gestión y dirección de proyectos TIC de gran envergadura.
Aplicar principios de calidad y auditoría en el desarrollo y mantenimiento de sistemas informáticos.
Implementar soluciones de inteligencia artificial y machine learning en procesos de negocio.
Diseñar e implementar arquitecturas de big data para el procesamiento de grandes volúmenes de información.
Comprender y aplicar normativas de seguridad de la información, análisis de riesgos y planes de continuidad.
Desarrollar aplicaciones web, móviles y APIs seguras y funcionales, integrando tecnologías front-end y back-end.
Utilizar herramientas de análisis inteligente de datos, visualización y business intelligence para mejorar la toma de decisiones.
Este máster está orientado a profesionales que deseen especializarse en la gestión avanzada de proyectos tecnológicos y en el análisis de datos aplicados al negocio. Es especialmente adecuado para:
Profesionales del ámbito de la informática, la ingeniería o las telecomunicaciones que busquen liderar proyectos de transformación tecnológica.
Técnicos y analistas que deseen adquirir competencias en inteligencia artificial, machine learning y big data aplicados a procesos empresariales.
Responsables de sistemas, calidad o seguridad informática que quieran profundizar en la gestión integral de tecnologías de la información.
Emprendedores y consultores interesados en crear o asesorar soluciones basadas en datos y tecnologías inteligentes.
Graduados en disciplinas STEM que deseen proyectar su carrera hacia áreas de alta demanda tecnológica y analítica.
El acceso a los Másteres UNISEB generalmente requiere:
Estar en posesión de un título de Grado, Licenciatura o equivalente.
Profesionales con experiencia y proyección profesional en el puesto desempeñado.
Si no se cumplen las condiciones anteriores, el departamento de admisiones valorará cada caso particular.
Máster en Ingeniería Informática y Big Data
Los principales elementos que distinguen a este programa son:
Doble Titulación: Título propio expedido por el Instituto Superior Europeo de Barcelona (ISEB) y por la Universidad Isabel I.
Contenido Exclusivo: Incluye el Curso Managing Yourself con contenidos de la Harvard Business Publishing.
Doble Especialización: Combina la Ingeniería Informática (dirección de proyectos TIC, calidad, seguridad, desarrollo web/móvil) con el Big Data (servicios Big Data, análisis inteligente de datos y IA avanzada).
Tendrás a tu disposición un asesor al que podrás contactar para que te brinde la ayuda necesaria o con la realización del proceso de matriculación.
Los egresados del máster estarán preparados para desempeñar funciones clave en departamentos de sistemas, innovación, análisis de datos o consultoría tecnológica. Algunas de las funciones que podrán ejercer incluyen:
Dirigir proyectos tecnológicos desde su planificación hasta su implementación, coordinando equipos multidisciplinares y aplicando metodologías ágiles.
Diseñar e implementar soluciones de inteligencia artificial avanzada y modelos de aprendizaje automático, adaptados a las necesidades de negocio.
Realizar auditorías de calidad y seguridad de los sistemas informáticos, estableciendo procesos de mejora continua y evaluación de riesgos.
Desarrollar aplicaciones web y móviles con estructuras modernas y seguras, integrando servicios en la nube y APIs.
Analizar grandes volúmenes de datos con herramientas de big data y business intelligence, extrayendo patrones útiles para la toma de decisiones estratégicas.
Diseñar arquitecturas de bases de datos a gran escala y optimizar el rendimiento de sistemas de almacenamiento y consulta masiva de datos.
Crear entornos de visualización de datos e informes interactivos para comunicar resultados de manera clara y efectiva a los distintos niveles de una organización.
El proceso se inicia de la siguiente manera:
Solicitar información: El interesado debe completar el formulario de solicitud de información en la web.
Contacto: Un agente formativo se pondrá en contacto para responder preguntas y brindar todos los detalles sobre el programa.
El equipo guiará al interesado en la finalización de la matriculación.
UNISEB dispone de becas que reducen significativamente el coste. Las modalidades de pago ofrecidas por UNISEB son:
Al contado (tarjeta de débito/crédito o transferencia bancaria).
Posibilidad de financiar el pago a plazos.
Condiciones especiales de financiación para empresas.
El programa proporciona servicios de empleo y orientación profesional:
Bolsa de Empleo: Se ofrece el Registro en la Bolsa de Empleo con más de 15.000 ofertas.
Orientación Laboral: Dispone del Career Service (Servicio de orientación laboral).
Prácticas: Existe la posibilidad de realizar prácticas nacionales e internacionales.
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 0 años en Emagister.
Materias
- E-business
- Metodología
- Desarrollo del software
- Análisis de datos
- Redes neuronales
- Apache
- Seguridad de datos
- Sistemas de información
- Android
- Big Data
- Aplicaciones web
- Desarrollo de aplicaciones
- Dispositivos móviles
- Algoritmos
Profesores
Equipo Docente
Cuerpo docente
Temario
Plan de estudios
MÓDULO 1. DIRECCIÓN DE PROYECTOS TIC
- Tema 1. Dirección de Proyectos TIC
- Tema 2. Auditoría y Calidad de los Sistemas Informáticos
- Tema 3. Desarrollo de Inteligencia Artificial Avanzada
- Tema 4. Servicios y Aplicaciones Web
- Tema 5. Tecnología y Desarrollo en Dispositivos Móviles
- Tema 6. Sistemas de Gestión de Seguridad de la Información
- Tema 7. Análisis Inteligente de Datos
- Tema 8. Servicios Big Data
- Tema 9. Optimización para Grandes Volúmenes de Datos
- Tema 10. Bases de Datos a Gran Escala
- Tema 11. Aplicaciones del Análisis de Big Data a los Negocios
- Tema 12. Inteligencia Artificial
- Tema 13. Visualización de Datos
- Tema 14. Tecnologías de Bases de Datos
MÓDULO 2. AUDITORÍA Y CALIDAD DE LOS SISTEMAS INFORMÁTICOS
- Tema 1. Definición y Conceptos Básicos de la Calidad en Sistemas Informáticos
- Tema 2. Factores que Influyen en la Calidad
- Tema 3. Planificación de la Calidad
- Tema 4. Gestión de la Calidad en Proyectos de Software
- Tema 5. Organización de un Plan de Calidad
- Tema 6. Control de la Calidad
- Tema 7. Métodos del Control de la Calidad
- Tema 8. Pruebas de Calidad en Sistemas Informáticos
- Tema 9. Estrategia de Pruebas
- Tema 10. Mejora Continua en el Proceso de Pruebas
- Tema 11. Métricas y Herramientas para Medir la Calidad
- Tema 12. Herramientas de Evaluación de Calidad
- Tema 13. Calidad en las Fases del Desarrollo
- Tema 14. Ejemplos Reales de Cada Fase del Desarrollo
- Tema 15. Mejora Continua
- Tema 16. Implementación en el Ciclo de Mejora Continua
- Tema 17. Revisión en el Ciclo de Mejora Continua
MÓDULO 3. DESARROLLO DE INTELIGENCIA ARTIFICIAL AVANZADA
- Tema 1. Tipos de Aprendizaje
- Tema 2. Algoritmos avanzados de Machine Learning
- Tema 3. Modelos de Ensamble
- Tema 4. Redes Neuronales Artificiales
- Tema 5. Técnicas de entrenamiento en Redes Neuronales
- Tema 6. Modelos Recurrentes y Variantes
- Tema 7. Cómo Mejoran las RNN para manejar secuencias Largas y Dependencias a Largo Plazo
- Tema 8. Introducción a los Transformers: Revolucionando el Procesamiento del Lenguaje Natural
- Tema 9. Mecanismo de Atención y la Arquitectura de Transformers
- Tema 10. Aplicaciones de Transformers: Ventajas, desventajas y principales modelos
- Tema 11. Técnicas de Optimización y Regularización de Modelos
- Tema 12. Optimización de hiperparámetros: estrategias como grid search y random search
- Tema 13. Despliegue y Mantenimiento de Modelos en Producción
- Tema 14. Monitoreo y actualización de modelos en entornos productivos
MÓDULO 4. SERVICIOS Y APLICACIONES WEB
- Tema 1. Introducción al Desarrollo de Aplicaciones Web (DAW)
- Tema 2. Conceptos Básicos de Desarrollo Web
- Tema 3. Arquitecturas Client-Server
- Tema 4. Frontend vs Backend
- Tema 5. Lenguajes y tecnologías fundamentales: HTML, CSS y JavaScript
- Tema 6. Herramientas y entornos de desarrollo
- Tema 7. Gestión de proyectos y dependencias
- Tema 8. Introducción a frameworks y librerías
- Tema 9. Crear una página Web estática con HTML y CSS
- Tema 10. Introducción a Git: Commits y pushes básicos
- Tema 11. Fundamentos de la Arquitectura MVC
- Tema 12. Implementación del MVC en Aplicaciones Web
- Tema 13. Patrones de Diseño Relacionados
- Tema 14. Integración de MVC con Tecnologías Frontend
- Tema 15. Manejo de Rutas y URLs Amigables
- Tema 16. Seguridad y autenticación en aplicaciones MVC
- Tema 17. ASP.NET Core
- Tema 18. Razor Pages
- Tema 19. ASP.NET Core MVC
- Tema 20. Integración de HTML, CSS y JavaScript en ASP.NET Core
- Tema 21. Introducción a Vue.js
- Tema 22. Desarrollo con Vue.js
- Tema 23. Introducción a Angular
- Tema 24. Desarrollo con Angular
- Tema 25. Comparativa entre Vue.js y Angular
- Tema 26. Creación de APIs RESTful con ASP.NET Core
- Tema 27. Seguridad en APIs
- Tema 28. Documentación y pruebas de APIs
- Tema 29. Integración del Backend con Frontend (Vue.js/Angular)
MÓDULO 5. TECNOLOGÍA Y DESARROLLO EN DISPOSITIVOS MÓVILES
- Tema 1. Sistemas de Comunicación Inalámbricos
- Tema 2. Comunicaciones Inalámbricas
- Tema 3. Pasado, presente y futuro de las Comunicaciones Inalámbricas
- Tema 4. Introducción a los Dispositivos móviles
- Tema 5. Componentes de los dispositivos móviles
- Tema 6. Redes a las que puede acceder un dispositivo móvil
- Tema 7. Lenguajes de programación para móviles
- Tema 8. Ejemplos de entornos de programación
- Tema 9. Metodología de desarrollo de aplicaciones móviles
- Tema 10. Características de un proyecto de desarrollo para dispositivos móviles
- Tema 11. Modelos de negocio para aplicaciones móviles
- Tema 12. Planificación y dirección de proyectos tecnológicos móviles
- Tema 13. Fundamentos del desarrollo de aplicaciones móviles sobre Android
- Tema 14. Interfaz gráfica de usuario (GUI) en Android
- Tema 15. Herramientas de desarrollo Android
- Tema 16. Diseño de aplicaciones móviles
- Tema 17. Buenas prácticas de diseño
- Tema 18. Problemática de la seguridad en dispositivos móviles
- Tema 19. Seguridad en las comunicaciones inalámbricas
- Tema 20. Seguridad en el sistemas operativo y las aplicaciones
- Tema 21. Seguridad para el usuario
- Tema 22. Prácticas de seguridad recomendada
- Tema 23. Ecosistema de aplicaciones móviles y app stores
- Tema 24. Modelos de negocio para aplicaciones móviles
- Tema 25. Marketing y tecnología móvil
- Tema 26. Planificación y dirección de proyectos tecnológicos móviles
MÓDULO 6. SISTEMAS DE GESTIÓN DE SEGURIDAD DE LA INFORMACIÓN
- Tema 1. Dimensiones de la Seguridad de la Información
- Tema 2. Gestión de la Seguridad de la Información
- Tema 3. Normativa Legal en España
- Tema 4. Estándares de Seguridad de la Información
- Tema 5. Análisis De Riesgos
- Tema 6. Ciclo de vida de la seguridad
- Tema 7. Justificación y estudio de riesgos
- Tema 8. Metodologías de análisis de riesgos
- Tema 9. Gestión de riesgos
- Tema 10. Sistema de Gestión de la Seguridad de la Información (SGSI)
- Tema 11. Normativas internacionalmente reconocidas
- Tema 12. Planificar: Establecer el SGSI
- Tema 13. Hacer: Implantar y operar el SGSI
- Tema 14. Verificar: Monitorizar y Revisar el SGSI
- Tema 15. Desarrollo de un marco normativo de Seguridad de la información
- Tema 16. Clasificación de la información
- Tema 17. Herramientas para un SGSI
- Tema 18. Factores críticos de éxito en la implantación de un SGSI
- Tema 19. Planes de continuidad de negocio
- Tema 20. Esquema Nacional de Seguridad (ENS)
- Tema 21. Política de seguridad en el Esquema Nacional de Seguridad (ENS)
- Tema 22. Análisis y gestión de riesgos en el ENS
MÓDULO 7. ANÁLISIS INTELIGENTE DE DATOS
- Tema 1. Introducción al Análisis Inteligente de Datos
- Tema 2. Conceptos fundamentales
- Tema 3. Tratamiento de Datos
- Tema 4. Análisis Visual de Datos
- Tema 5. Metodología y áreas de aplicación
- Tema 6. Inteligencia Artificial Explicable (XAI)
- Tema 7. Inteligencia de Negocio (Business Intelligence)
- Tema 8. Selección y transformación de atributos
- Tema 9. Segmentación, predicción e identificación de patrones
- Tema 10. Técnicas avanzadas de análisis
- Tema 11. Herramientas de inteligencia de negocio
- Tema 12. Comparativa de técnicas y parámetros
MÓDULO 8. SERVICIOS BIG DATA
- Tema 1. Big Data
- Tema 2. Evolución y contexto empresarial del Big Data
- Tema 3. Arquitecturas y paradigmas en Big Data
- Tema 4. Cuándo emplear Big Data
- Tema 5. Ejemplos de uso de Big Data en distintos sectores
- Tema 6. Tipologías de datos
- Tema 7. Clasificación de bases de datos NoSQL
- Tema 8. Criterios de selección
- Tema 9. Prácticas y herramientas
- Tema 10. Arquitectura de Apache Hadoop
- Tema 11. Apache Spark
- Tema 12. Flujo de trabajo con ecosistema Big Data
- Tema 13. Ejemplos de procesamiento de grandes volúmenes de datos (logs, datos de redes sociales, etc.)
- Tema 14. Comparativa de tiempos de ejecución entre Hadoop y Spark
- Tema 15. Introducción a soluciones Cloud
- Tema 16. Principales proveedores y servicios
- Tema 17. Estrategias de migración y hibridación
- Tema 18. Escenarios de alto nivel
- Tema 19. Big Data Analytics
- Tema 20. Perfiles y roles en Big Data
- Tema 21. Casos de éxito y prácticas empresariales
- Tema 22. Propuesta de valor y adopción
MÓDULO 9. OPTIMIZACIÓN PARA GRANDES VOLÚMENES DE DATOS
- Tema 1: Conceptos clave de optimización
- Tema 2: Complejidad y escalabilidad
- Tema 3: Modelos de programación distribuida
- Tema 4: Arquitectura hardware acelerada
- Tema 5: Métricas de eficiencia energética y financiera
- Tema 6: Índices y diseño físico
- Tema 7: Compresión y formatos columnar
- Tema 8: Particionado y colocación de datos
- Tema 9: Cachés y almacenamiento jerárquico
- Tema 10: Optimización de consultas distribuidas
- Tema 11: Scheduling y asignación de recursos
- Tema 12: Optimización de pipelines DAG
- Tema 13: Tuning de procesamiento en streaming
- Tema 14: Aceleración hardware del análisis
- Tema 15: Balanceo de carga y tolerancia a fallos
- Tema 16: Algoritmos ML a gran escala
- Tema 17: Muestreo, sketching y reducciones
- Tema 18: Approximate Query Processing (AQP)
- Tema 19: Auto-optimización de features y modelos
- Tema 20: Casos prácticos sectoriales
- Tema 21: FinOps y coste total de propiedad
- Tema 22: Observabilidad y métricas
- Tema 23: Green IT y eficiencia energética
- Tema 24: Seguridad y privacidad en pipelines optimizados
- Tema 25: Tendencias y automatización IA Ops
MÓDULO 10. BASES DE DATOS A GRAN ESCALA
- Tema 1. Origen y calidad de datos
- Tema 2. Formatos de datos y serialización
- Tema 3. Almacenamiento en archivos distribuidos
- Tema 4. ETL/ELT en ambientes Big Data
- Tema 5. Drivers y conectividad
- Tema 6. Modelos NoSQL y Teorema CAP
- Tema 7. MongoDB (Document store)
- Tema 8. Cassandra (Column-family)
- Tema 9. Neo4j (Grafos)
- Tema 10. Redis (Key-Value cache)
- Tema 11. Sharding y replicación
- Tema 12. Rendimiento y configuración
- Tema 13. Seguridad en bases de datos distribuidas
- Tema 14. Respaldo y recuperación
- Tema 15. Despliegue en contenedores y cloud
- Tema 16. Streaming y mensajería
- Tema 17. Integración SQL + NoSQL
- Tema 18. OLAP ligero y análisis directo
- Tema 19. IA y analítica embebida
- Tema 20. Monitorización y alertas
- Tema 21. People Analytics
- Tema 22. Marketing y ventas
- Tema 23. Logística y operaciones
- Tema 24. Finanzas y riesgos
- Tema 25. Gobernanza y tendencias emergentes
MÓDULO 11. APLICACIONES DEL ANÁLISIS DE BIG DATA A LOS NEGOCIOS
- Tema 1. People Analytics y retención del talento
- Tema 2. Performance y engagement con NLP
- Tema 3. Segmentación y fidelización del cliente
- Tema 4. Recomendadores y experiencia personalizada
- Tema 5. Retorno de inversión en People & Customer Analytics
- Tema 6. Forecasting de campañas y promociones
- Tema 7. Atribución omni-canal y optimización de inversión
- Tema 8. Detección de tendencias y patrones de consumo
- Tema 9. Recomendaciones y personalización en ventas
- Tema 10. Reporting estratégico de marketing
- Tema 11. Optimización del transporte y última milla
- Tema 12. Gestión inteligente de cadena de suministro
- Tema 13. IoT y sensores para eficiencia operativa
- Tema 14. Toma de decisiones para expansión de negocio
- Tema 15. Gobernanza de datos y estrategia AI futura
MÓDULO 12. INTELIGENCIA ARTIFICIAL
- Tema 1. Introducción al análisis de datos con Python
- Tema 2. Introducción al machine learning
- Tema 3. Machine learning supervisado
- Tema 4. Machine learning no supervisado
- Tema 5. Reinforcement Learning
- Tema 6. Fundamentos de Deep Learning
MÓDULO 13. VISUALIZACIÓN DE DATOS
- Tema 1. Teoría de la visualización de datos
- Tema 2. Python
- Tema 3. CARTO
- Tema 4. Power BI
- Tema 5. Google Data Studio
MÓDULO 14. TECNOLOGÍAS DE BASES DE DATOS
- Tema 1. Fundamentos de bases de datos
- Tema 2. Data technology
- Tema 3. Práctica de SQL (MySQL)
- Tema 4. Práctica de NoSQL. MONGODB
- Tema 5. Práctica de NoSQL (HBase)
- Tema 6. Bases de datos de grafos
- Tema 7. Bases de datos en cloud
¿Necesitas un coach de formación?
Te ayudará a comparar y elegir el mejor curso para ti y a financiar tu matrícula en cómodos plazos.
Máster semipresencial en Ingeniería Informática y Big Data