Beca del 50%

Máster en Big Data y Business Analytics

Pago al contado desde 2.245€ 4.490€

Becado por 

Doble acreditación 

 

miniatura de video explicativo

Conviértete en un experto

¿POR QUÉ REALIZAR ESTE MÁSTER?

SQL, Python y R, Hadoop, Spark, Data Mining, Machine Learning, Deep Learning,... ¿Te suenan estos conceptos? El Big Data es la profesión del presente y del futuro y con el Máster de Big Data y Business Analytics aprenderás todo lo necesario para desarrollarte en un sector en el que no existe el desempleo.

Qué te ofrecemos

NUESTROS VALORES

Profesores expertos

Más de 500 profesionales de referencia internacional

Doble titulación

Acreditación Universitaria y Titulación de Structuralia

Smart learning

Entorno digital exclusivo para garantizar el aprendizaje

Student-centred learning

El 92% de los alumnos recomiendan su experiencia

Excelencia académica

Las instituciones de mayor prestigio avalan nuestros programas

Quién impartirá las clases

Profesores

Sandra Navarro

DIRECTORA

Business & Marketing Intelligence, Big Data & Digital Transformation, Advanced Analytics, Training. Dentro de su carrera profesional ha liderado equipos en proyectos de Inteligencia de Negocio.

Nerea Sevilla

Experta Big Data

Desarrollo de carrera profesional como experto en la ciencia de datos como generador de valor y conocimiento de negocio. En la actualidad como Responsable de Proyectos de Business Intelligence y BigData dentro de Lanbide

Alberto Barbado

Científico de datos

Alberto es científico de datos en la unidad Big Data de LUCA dentro de Telefónica. Su trabajo incluye liderar las propuestas de analítica avanzada e IA dentro de algunos de los productos de software de Big Data

María Guitiérrez

Experta en negocios digitales

Ceo y fundadora en HIWOOK. Co-líder en Foro Intraemprendimiento y nuevos negocios Digitales.

Programa del curso

60 ECTS

MÓDULO 1: INTRODUCCIÓN AL BIG DATA

1.       Objetivos
2.       Contexto
3.       De los datos a las decisiones estratégicas
4.       Bases de datos relacionales
5.       Data Management
6.       Bussines Intelligence
7.       Big Data
8.       Corporate Performance Management
9.       Analytics
10.   Ámbitos de Analytics
11.   Internet of Things
12.   La digitalización de las empresas
13.   Gestión de Proyectos
14.   Protección de datos
15.   Conclusiones
16.   ¿Y ahora qué?

MÓDULO 2: TABLEAU

  1. Introducción
  2. Primeros pasos
  3. Análisis visual
  4. Cálculos
  5. Series de tiempo
  6. Mapas
  7. Combinación de fuentes
  8. Técnicas de visualización
  9. Cuadros de mando
  10. Depuración y normalización de datos

MÓDULO 3: BASES DE DATOS RELACIONALES: SQL. DATAWAREHOUSE

  1. Introducción
  2. Base de datos
  3. Mysql
  4. Manipulación de bases de datos
  5. Tipos de datos
  6. Normalización
  7. Manipulación de tablas
  8. Comandos SQL
  9. Funciones SQL
  10. Datawarehouse

MÓDULO 4: PYTHON Y R

  1. Python
  2. R

MÓDULO 5: BASES DE DATOS NOSQL Y HDFS (BIG DATA)

Introducción y Persistencia políglota

  1. Introducción
  2. Persistencia políglota

Modelos de datos

  1.  Modelo de datos

Conceptos y diseño de bases de datos distribuidas

  1. Bases de datos distribuidas
  2. Diseño de bases de datos distribuidas

Modelo Acid y Bases de datos analíticas NoSQL

  1. Modelo ACID
  2. Bases de datos analíticas NoSQL

MÓDULO 6: ARQUITECTURAS BIG DATA: HADOOP Y SPARK

  1. Introducción al big data. El porqué de su existencia
  2. Business intelligence vs big data
  3. Perfiles profesionales del big data
  4. Ciclo de vida del big data
  5. Diseños tecnológicos en big data
  6. Hadoop
  7. Apache spark
  8. Spark sobre hadoop
  9. Panorámica de herramientas de big data 70
  10. Instalación y configuración

MÓDULO 7: DATA MINING, MACHINE LEARNING Y DEEP LEARNING

  1. Introducción
  2. Aprendizaje Supervisado
  3. Aprendizaje no supervisado
  4. Deep learning

MÓDULO 8: DATA MANAGEMENT

  1. Introducción
  2. Gobierno de datos
  3. Arquitectura de datos
  4. Seguridad de datos
  5. Integración de datos
  6. Datos maestros y de referencia
  7. Datawarehousing y Bussines Intelligence
  8. Gestión de metadatos
  9. Calidad de datos

MÓDULO 9: PREPARACIÓN DE DATOS DE AUTOSERVICIO. EXCEL, TALEND Y TRIFACTA

Unidad 1. Preparación de datos.

  1. Introducción
  2. Soluciones de autoservicio – self-service
  3. Técnicas para tratamiento de datos.
  4. Gestión de la calidad de datos.
  5. Tipos de problemas con los datos
  6. Enlaces de interés unidad 1.

Unidad 2. Excel

  1. Limpieza de datos con excel
  2. Conjunto de datos (dataset)
  3. Funciones. Parte i
  4. Funciones. Parte ii
  5. Funciones. Parte iii
  6. Enlaces de interés unidad 2.

Unidad 3. Talend data preparation

  1. Instrucciones para la instalación.
  2. Data cleasing con talend data preparation
  3. Funciones básicas de limpieza.
  4. Normalización de datos.
  5. Enriquecimiento de datos.
  6. Enlaces de interés unidad 3.

Unidad 4. Trifacta wrangler

  1. Instrucciones para el registro
  2. Data cleasing con trifacta
  3. Funciones básicas de limpieza.
  4. Normalización de datos.
  5. Enriquecimiento de datos.
  6. Enlaces de interés unidad 4