• EMAGISTER CUM LAUDE
Escuela Europea de Formación Continua. EEFC.

Máster Telefónica en Big Data

Escuela Europea de Formación Continua. EEFC.
Semipresencial Valladolid

Precio a consultar
¿Quieres hablar con un asesor sobre este curso?
¿Quieres hablar con un asesor sobre este curso?

Información importante

Tipología Master
Metodología Semipresencial
Lugar Valladolid
Inicio Fechas a elegir
  • Master
  • Semipresencial
  • Valladolid
  • Inicio:
    Fechas a elegir
Descripción

Al finalizar este master, los alumnos contarán con el potencial suficiente para cubrir algunos de estos perfiles especializados, siendo capaces de extraer conocimientos valiosos a partir de grandes volúmenes de datos, guiando las decisiones de negocio de diferentes compañías (“Data Driven Companies”) e instituciones, siendo éste el nuevo foco estratégico en el que muchas empresas están avanzando. Todo ello, dominando las fases del ciclo completo del Data Science, donde, partiendo de los datos en bruto y aplicando los más modernos métodos y tecnologías para el análisis de datos en gran escala se lleguen a mostrar resultados de impacto en el negocio utilizando visualizaciones muy atractivas.

Instalaciones (1) y fechas
Dónde se imparte y en qué fechas

Ubicación

Inicio

Valladolid
Ver mapa
47001

Inicio

Fechas a elegirMatrícula abierta

A tener en cuenta

· ¿Cuáles son los objetivos de este curso?

Comenzar a pensar como un Data Science, aplicando las metodologías de análisis de datos que ayuden a plantear y resolver los problemas de negocio a partir de los datos. Tomar conciencia del impacto que puede tener el Big Data en la estrategia de negocio de las compañías. Conocer aspectos básicos y avanzados de los lenguajes más utilizados por los Data Scientist: 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.

· ¿A quién va dirigido?

Titulados Superiores con perfil de empresa. Titulados técnicos o titulados en las diferentes áreas relacionadas con la tecnología Profesionales o titulados en Adminstración de Empresa o Ciencias Económicas, en estadística, Ingeniería o estudios de la rama de las Ciencias Sociales. Emprendedores, desempleados y todos aquellos que quieran formarse en una disciplina de máxima actualidad y demanda.

Preguntas & Respuestas

Plantea tus dudas y otros usuarios podrán responderte

¿Quién quieres que te responda?

Sólo publicaremos tu nombre y pregunta

Logros de este Centro

2019

¿Cómo se consigue el sello CUM LAUDE?

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 1 años en Emagister.

¿Qué aprendes en este curso?

Data mining
Datawarehouse
E-business
Metodología
Posicionamiento
Programación web
SQL
Visualización de la información
Administración
Análisis de datos
BBDD
Herramientas de análisis de datos
Nuevas tecnologías
Sistemas de información
Tecnologías de la información
Universo
Recuperación de información
Python
Programación básica
Adquisición de datos
Big Data
Almacenamiento de datos
BI
Datascience
BBDD relacionales

Temario

Módulo 1. Introducción y Metodología
[]

Introducción y Motivación
Metodología y diseño de aplicaciones de Análisis de Datos

Módulo 2. Datascience Tradicional: Almacenamiento y Adquisición de Datos

Almacenamiento y adquisición de datos: Tecnologías tradicionales de Almacenamiento de datos (BBDD relacionales, BI y Datawarehouse)
Almacenamiento y adquisición de datos: Información Online (Web, APIs…)

Módulo 3. Datascience Tradicional: Análisis de Datos y Aprendizaje Automático con R y SQL

Programación básica: Introducción a SQL y R
Análisis exploratorio con R
Limpieza y preparación de datos con R
Construcción de modelos de aprendizaje NO supervisado con R
Análisis Predictivo. Construcción de modelos de aprendizaje supervisado con R
Evaluación de modelos de aprendizaje con R
Modelos avanzados: Procesado del Lenguaje Natural (NLP) con R

Módulo 4. Datascience Tradicional: Análisis de Datos y Aprendizaje Automático con Python

Programación básica: Introducción a Python (I)
Programación básica: Introducción a Python (II)
Aplicaciones de Análisis de Datos con Python (I)
Aplicaciones de Análisis de Datos con Python (II)

Módulo 5. Datascience en escala: Administración de Hadoop

Administración y Configuración de plataforma Hadoop y herramientas Big Data

Módulo 6. Datascience en escala: Adquisición y Almacenamiento Big Data

Almacenamiento y adquisición de datos: Nuevas tecnologías de almacenamiento Big Data I (Hadoop, Flume, Sqoop…)
Almacenamiento y adquisición de datos: Nuevas tecnologías de almacenamiento Big Data II (NoSQL, Indexadores de documentos…)

Módulo 7. Datascience en escala: Análisis de Datos y Machine Learning con Big Data

Análisis exploratorio y preparación de datos: Hadoop 1.0 y 2.0 (YARN) y Map & Reduce
Análisis exploratorio y preparación de datos. Herramientas del ecosistema Hadoop (HUE, Hive, Pig…)
Análisis exploratorio y preparación de datos con Spark
Construcción de modelos de aprendizaje automático en escala: RSpark, Spark Mlib, H2O…

Módulo 8. Datascience en escala: Universo Big Data

Recuperación de la Información y Sistemas de Recomendación
Principales actores en el universo Big Data. Clasificación y posicionamiento de herramientas

Móudlo 9. Visualización de Datos y Comunicación

La importancia de la visualización de datos
Tecnologías de visualización de datos (CartoDB/Tableau)
D3.js
Creación de Informes y visualizaciones atractivas con R y Python

Módulo 10. Business Analytics. Master Classes

Máster Class: Introducción al Bussines Analytics
Máster Class: Casos prácticos de aplicación del Business Analytics
Máster Class: Últimas tendencias en Analítica Avanzada

Módulo 11. Proyecto Final Guiado

Introducción a la realización de Proyectos de Big Data
Pautas esenciales para la organización del proyecto
Preparación del Proyecto Final
Realización del Proyecto Fin de Máster
Presentación de Proyectos