Beca del 80%

Big Data Management y Business Analytics

Pago al contado desde 898€ 4.490€

Beca concedida por 

Titulación de  

Titulación de 

Con el apoyo de 

miniatura de video explicativo

En 2020, habrá un déficit de profesionales Big Data a nivel mundial

¿Por qué realizar este Master?

Los expertos en Big Data y Analytics son expertos con la capacidad de asesorar a las empresas en una mejor toma de decisiones tras recopilar, analizar e interpretar la gran cantidad de datos que generan hoy en día. Conviértete en uno de ellos.

Qué te ofrecemos

NUESTROS VALORES

Profesores expertos

Más de 500 profesionales de referencia internacional

Titulación Structuralia

La escuela de mayor reconocimiento internacional

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

DIRECTOR DEL MÁSTER

Dentro de su carrera profesional ha liderado equipos en proyectos de Inteligencia de Negocio. También se encarga de toda la parte de analítica, en la que emplea los conocimientos adquiridos para ayudar en la búsqueda de patrones y hechos relevantes que apoyen decisiones para el buen rumbo de las empresas.

Alfonso de la Rocha

PROFESOR

Alfonso es estudiante de Doctorado en Ingeniería Eléctrica y Electrónica, fue miembro del equipo técnico de la plataforma Alastria Blockchain Ecosystem, trabaja como Blockchain Technological Expert en Telefónica.

Miguel Ángel Vera

PROFESOR

Miguel Ángel es Ingeniero Informático, experto ACP, PMP, MBA e ITIL. Especializado en la gestión de proyectos en empresas como Correos, Endesa o Jazztel, cuenta con 10 años de experiencia formando a personas en instituciones como RTVE, INE o Indra.

Programa del curso

600h

INTRODUCCIÓN AL BIG DATA

MÓDULO 1

  • Objetivos
  • Contexto
  • De los datos a las decisiones estratégicas
  • Bases de datos relacionables
  • Data Management
  • Business Intelligence
  • Big Data
  • Corporate Performance Management
  • Analytics
  • Ambitos de Analytics
  • Internet of Things
  • La digitalización de las empresas
  • Gestión de proyectos
  • Protección de datos
  • Conclusiones
  • ¿Y ahora qué?

BBDD RELACIONALES: SQL. DISEÑO DE UN DATAWAREHOUSE

MÓDULO 2

  • Introducción
  • Base de datos
  • Mysql
  • Manipulación de bases de datos
  • Tipos de datos
  • Normalización
  • Manipulación de tablas
  • Comandos sql
  • Funciones sql
  • Datawarehouse

BBDD NO SQL y HDFS

MÓDULO 3

  • Introducción
  • Persistencia políglota
  • Modelos de datos
  • Bases de datos distribuidas
  • Diseño de bd distribuidas
  • Modelo acid
  • Bases de datos análiticas nosql

LENGUAJES DE PROGRAMACIÓN: PYTHON y R

MÓDULO 4

Python:

  • Elementos básicos
  • Listas
  • Tuplas
  • Diccionarios
  • Archivos
  • Funciones

R:

  • Conceptos básicos
  • Importación y exportación de datos
  • Manipulación de datos
  • Estadística

ARQUITECTURAS BIG DATA: HADOOP y SPARK

MÓDULO 5

  • Introducción al big data. El porqué de su existencia
  • Business intelligence vs big data
  • Perfiles profesionales del big data
  • Ciclo de vida del big data
  • Diseños tecnológicos en big data
  • Hadoop
  • Apache spark
  • Spark sobre hadoop
  • Panorámica de herramientas de big data 70
  • Instalación y configuración

DATA MINING, MACHINE LEARNING y DEEP LEARNING

MÓDULO 6

Introducción:

  • Introducción
  • ¿Qué son Data Mining, Machine learning y Deep learning?
  • Algunas aplicaciones de Machine Learning
  • Categorías de Machine Learning: aprendizaje supervisado, aprendizaje no supervisado, aprendizaje por refuerzo y soluciones semi-supervisadas
  • Preparación del entorno de trabajo

Aprendizaje supervisado:

  • Introducción
  • Regresión Lineal simple, múltiple y logística
  • máquinas de vectores soporte (SVM)
  • Árboles de decisión
  • knn (k-Nearest neighbors)
  • Naive bayes
  • Evaluación de modelos supervisados
  • Ejemplo completo
  • Referencias

Aprendizaje no supervisado:

  • Introducción
  • Clustering
  • Análisis de componentes principales (PCA)

Deep Learning:

  • Redes neuronales artificiales
  • Ejercicios
  • Otros modelos de Deep Learning

GESTIÓN DE PROYECTOS EN BIG DATA

MÓDULO 7

  • Introducción al agilismo
  • Manifiesto ágil. Valores y principios
  • Referencias

TABLEAU

MÓDULO 8

  • Introducción
  • Primeros pasos
  • Análisis visual
  • Cálculos
  • Series de tiempo
  • Mapas
  • Combinación de fuentes
  • Técnicas de visualización
  • Cuadros de mando
  • Depuración y normalización de datos

DATA MANAGEMENT

MÓDULO 9

  • Introducción
  • Gobierno de datos
  • Arquitectura de datos
  • Seguridad de datos
  • Integración de datos
  • Datos maestros y de referencia
  • Datawarehousing y Bussines Intelligence
  • Gestión de Metadatos
  • Calidad de datos

 

TECNOLOGÍA BLOCKCHAIN Y DTL

MÓDULO 10

  • ¿Qué es la tecnología blockchain?
  • ¿Cómo funciona el blockchain?
  • Arquitectura de una aplicación sobre tecnología blockchain
  • Distributed Ledger Technologies
  • Caso práctico. Elección de la infraestructura blockchain en un caso real
  • Limitaciones y trabajo futuro de la tecnología
  • La identidad digital soberana
  • Sistema de almacenamiento distribuido
  • Aplicaciones técnicas de los contratos inteligentes
  • Blockchain en la empresa: Gobernanza y consorcios
  • Aplicaciones reales y casos de éxito de la tecnología
  • White papers y documentación técnica

PROTECCIÓN DE DATOS EN PROYECTOS TI

MÓDULO 11

TRABAJO FIN DE MÁSTER

TFM

Descargar programa en PDF