Solicitud de información

Máster en Big Data, Data Science & Analítica de Datos (Formación Permanente)

Presentación

Actualmente nos encontramos en la era de la información digital. Esto significa que diariamente se generan cantidades incontables de información. Para poder gestionarla, analizarla y almacenarla se necesitan herramientas muy potentes.

La tecnología Big Data juega un papel muy importante en esta era. Es una disciplina que agrupa todas las actividades relacionadas con los sistemas que manipulan grandes conjuntos de datos que es lo que permite a las grandes empresas optimizar la toma de decisiones y obtener resultados de una manera más inteligente.

Debido a ello desde hace unos años, las empresas piden expertos profesionales en Big Data que puedan gestionar e implementar sistemas que permitan obtener estos datos, tratarlos y aplicarlos en beneficio de las instituciones.

La profesión de Big Data es una de las profesiones del futuro y se ha convertido en uno de los perfiles profesionales más demandados en este momento. Multitud de empresas de diferentes sectores buscan especialistas en Big Data y análisis de datos.

El Máster en Big Data, Data Science & Analítica de datos, proporciona al alumno una formación integral que le permite diseñar y gestionar proyectos de Big Data y a sacar la máxima rentabilidad al tratamiento de datos masivos. Capacita al alumno para poder liderar proyectos tecnológicos y tomar decisiones de forma eficiente dentro de un sector muy dinámico y con una gran proyección profesional.

Con este máster el alumno manejará todo el ciclo de vida del dato: desde la ingesta en una arquitectura de big data (incluyendo arquitecturas cloud), su transformación y su modelado a diferentes modelos en función de la casuística que se quiera representar, hasta todo lo relativo a analítica avanzada (con machine learning, aplicando diferentes algoritmos y modelos preventivos o predictivos) y la visualización de esos modelos con herramientas de visualización (como por ejemplo Power BI, etc.).

Dirigido a

El Máster está enfocado a aquellas personas que quieran adquirir o fortalecer las capacidades técnicas y analíticas necesarias para una carrera de éxito en Analítica, Data Science y Big Data.

Dirigido a profesionales con base tecnológica que quieran desarrollar una carrera en la industria de la analítica y el Big Data ayudando a los departamentos cuantitativos o analíticos en la toma de decisiones de negocio.

Para poder acceder al Máster se valorará conocimientos y experiencia en al menos 1 lenguaje de programación y haber programado en al menos 1 entorno de desarrollo.

  • Preferiblemente conocimientos de programación en HTML, CSS y/o Javascript.

Objetivos

El objetivo general de este máster es capacitar a los participantes para que adquieran competencias en Data Science, Data Engineer, Data Analytics y Big Data a nivel de diseño de arquitecturas, gestión de datos y analítica avanzada con técnicas de Machine Learning.

Objetivos Específicos

El Máster en Big Data, Data Science & Analítica de datos prepara al alumno para:

  • Conocer el impacto estratégico y económico del Big Data y la toma de decisiones basada en los datos, así como su aplicación de manera ágil.
  • Transmitir conocimientos específicos y las herramientas más avanzadas para resolver problemas en las áreas empresariales y científicas.
  • Desarrollar las habilidades necesarias para dirigir las actividades del área en una organización.
  • Entender las posibilidades que ofrecen los datos como palanca estratégica y aceleradora para la empresa, en sus diversos formatos y fuentes como Internet, aplicaciones y sensores.
  • Generar y mantener actividades de investigación, desarrollo y consultoría en el área de Minería de Datos.
  • Montar, extraer, transformar y cargar un gran volumen de datos que la empresa almacena en información estructurada y coherente para extraer conocimiento de los datos.
  • Aplicar, analizar y convertir la información obtenida en el conocimiento que ayuda en la toma de decisiones estratégicas y operativas.
  • Aplicar la tecnología y las herramientas de BI y visualización de datos para el descubrimiento de insights estratégicos y cómo traducirlos y presentarlos (storytelling) a las diferentes unidades de negocio.
  • Almacenar y administrar datos de Big Data y crear proyectos de análisis.
  • Presentar conceptos de inteligencia empresarial y técnicas relacionadas, como almacenamiento de datos, minería de datos y transacciones de procesos en línea y en la nube.
  • Explorar procesos, contenidos y contextos relacionados con las técnicas de decisión en cualquier negocio.
  • Encontrar cómo el Big Data & Data Science puede ayudar a mejorar los procesos, predecir mejor y mejorar la inteligencia empresarial.
  • Extraer información relevante para la empresa a partir de la aplicación de técnicas de Data Science y podrá realizar un web scraping eficiente.
  • Obtener los conocimientos profundos y avanzados necesarios para el análisis de los datos a través de programación en R y Python.
  • Adquirir la capacidad de trabajar en casos reales aplicando técnicas de Data Science.
  • Adquirir la capacidad de elegir la herramienta más adecuada y eficiente dependiendo del tipo de problema que se necesite solucionar.
  • Obtener los conocimientos prácticos para poder solucionar problemas reales utilizando plataformas como SQL, Mongo, Hadoop o Spark.
  • Desarrollar las habilidades para trabajar con los principales métodos de análisis bivariables y multivariables y aplicar los principales estimadores univariantes.
  • Aprender a desarrollar los algoritmos como Redes Neuronales, Deep Learning y algoritmos avanzados de Machine Learning.
  • Usar herramientas de control (github...).
  • Configurar de entornos cloud (AWS, Azure).
  • Mejorar en la eficiencia del tiempo con metodologías como Agile o Scrum.
  • Aprender a escoger cuál es la metodología idónea para un proyecto a la empresa.
  • Construir narrativas visuales que representen los análisis aplicados sobre la información disponible.
  • Liderar proyectos relacionados con los datos para la innovación empresarial.
En colaboración con

Actualmente nos encontramos en la era de la información digital. Esto significa que diariamente se generan cantidades incontables de información. Para poder gestionarla, analizarla y almacenarla se necesitan herramientas muy potentes.

La tecnología Big Data juega un papel muy importante en esta era. Es una disciplina que agrupa todas las actividades relacionadas con los sistemas que manipulan grandes conjuntos de datos que es lo que permite a las grandes empresas optimizar la toma de decisiones y obtener resultados de una manera más inteligente.

Debido a ello desde hace unos años, las empresas piden expertos profesionales en Big Data que puedan gestionar e implementar sistemas que permitan obtener estos datos, tratarlos y aplicarlos en beneficio de las instituciones.

La profesión de Big Data es una de las profesiones del futuro y se ha convertido en uno de los perfiles profesionales más demandados en este momento. Multitud de empresas de diferentes sectores buscan especialistas en Big Data y análisis de datos.

El Máster en Big Data, Data Science & Analítica de datos, proporciona al alumno una formación integral que le permite diseñar y gestionar proyectos de Big Data y a sacar la máxima rentabilidad al tratamiento de datos masivos. Capacita al alumno para poder liderar proyectos tecnológicos y tomar decisiones de forma eficiente dentro de un sector muy dinámico y con una gran proyección profesional.

Con este máster el alumno manejará todo el ciclo de vida del dato: desde la ingesta en una arquitectura de big data (incluyendo arquitecturas cloud), su transformación y su modelado a diferentes modelos en función de la casuística que se quiera representar, hasta todo lo relativo a analítica avanzada (con machine learning, aplicando diferentes algoritmos y modelos preventivos o predictivos) y la visualización de esos modelos con herramientas de visualización (como por ejemplo Power BI, etc.).

Dirigido a

El Máster está enfocado a aquellas personas que quieran adquirir o fortalecer las capacidades técnicas y analíticas necesarias para una carrera de éxito en Analítica, Data Science y Big Data.

Dirigido a profesionales con base tecnológica que quieran desarrollar una carrera en la industria de la analítica y el Big Data ayudando a los departamentos cuantitativos o analíticos en la toma de decisiones de negocio.

Para poder acceder al Máster se valorará conocimientos y experiencia en al menos 1 lenguaje de programación y haber programado en al menos 1 entorno de desarrollo.

  • Preferiblemente conocimientos de programación en HTML, CSS y/o Javascript.

Objetivos

El objetivo general de este máster es capacitar a los participantes para que adquieran competencias en Data Science, Data Engineer, Data Analytics y Big Data a nivel de diseño de arquitecturas, gestión de datos y analítica avanzada con técnicas de Machine Learning.

Objetivos Específicos

El Máster en Big Data, Data Science & Analítica de datos prepara al alumno para:

  • Conocer el impacto estratégico y económico del Big Data y la toma de decisiones basada en los datos, así como su aplicación de manera ágil.
  • Transmitir conocimientos específicos y las herramientas más avanzadas para resolver problemas en las áreas empresariales y científicas.
  • Desarrollar las habilidades necesarias para dirigir las actividades del área en una organización.
  • Entender las posibilidades que ofrecen los datos como palanca estratégica y aceleradora para la empresa, en sus diversos formatos y fuentes como Internet, aplicaciones y sensores.
  • Generar y mantener actividades de investigación, desarrollo y consultoría en el área de Minería de Datos.
  • Montar, extraer, transformar y cargar un gran volumen de datos que la empresa almacena en información estructurada y coherente para extraer conocimiento de los datos.
  • Aplicar, analizar y convertir la información obtenida en el conocimiento que ayuda en la toma de decisiones estratégicas y operativas.
  • Aplicar la tecnología y las herramientas de BI y visualización de datos para el descubrimiento de insights estratégicos y cómo traducirlos y presentarlos (storytelling) a las diferentes unidades de negocio.
  • Almacenar y administrar datos de Big Data y crear proyectos de análisis.
  • Presentar conceptos de inteligencia empresarial y técnicas relacionadas, como almacenamiento de datos, minería de datos y transacciones de procesos en línea y en la nube.
  • Explorar procesos, contenidos y contextos relacionados con las técnicas de decisión en cualquier negocio.
  • Encontrar cómo el Big Data & Data Science puede ayudar a mejorar los procesos, predecir mejor y mejorar la inteligencia empresarial.
  • Extraer información relevante para la empresa a partir de la aplicación de técnicas de Data Science y podrá realizar un web scraping eficiente.
  • Obtener los conocimientos profundos y avanzados necesarios para el análisis de los datos a través de programación en R y Python.
  • Adquirir la capacidad de trabajar en casos reales aplicando técnicas de Data Science.
  • Adquirir la capacidad de elegir la herramienta más adecuada y eficiente dependiendo del tipo de problema que se necesite solucionar.
  • Obtener los conocimientos prácticos para poder solucionar problemas reales utilizando plataformas como SQL, Mongo, Hadoop o Spark.
  • Desarrollar las habilidades para trabajar con los principales métodos de análisis bivariables y multivariables y aplicar los principales estimadores univariantes.
  • Aprender a desarrollar los algoritmos como Redes Neuronales, Deep Learning y algoritmos avanzados de Machine Learning.
  • Usar herramientas de control (github...).
  • Configurar de entornos cloud (AWS, Azure).
  • Mejorar en la eficiencia del tiempo con metodologías como Agile o Scrum.
  • Aprender a escoger cuál es la metodología idónea para un proyecto a la empresa.
  • Construir narrativas visuales que representen los análisis aplicados sobre la información disponible.
  • Liderar proyectos relacionados con los datos para la innovación empresarial.
  • Programa

    Programa

    1. Módulo 1. Introducción a Big Data & Analytics - 4 ECTS

    1.1 ¿Qué es Big Data & Analytics?
    1.2 ¿Para qué sirven?
    1.3 ¿Qué problemas resuelven?
    1.4 Del Big Data al Business Analytcs
    1.5 Escenarios y retos

    2. Módulo 2. Tecnologías Big Data - 7 ECTS

    2.1 Introducción al Big Data
    2.2 Arquitectura básica de un sistema Big Data
    2.3 Infraestructuras y componentes del Big Data
    2.4 Almacenaje y gestión de la información
    2.5 Cálculo distribuido
    2.6 Procesamiento batch y streaming
    2.7 Servicios en cloud: Microsoft Azure, Amazon Web Service, Google Cloud Platform)
    2.8 Tecnologías Big Data: R, Python, Hadoop, Map Reduce, Spark Cloudera

    3. Módulo 3. Introducción a la Ciencia de Datos - 7 ECTS

    3.1. ¿Qué es la ciencia de datos?
    3.2 El proceso de la ciencia de datos: Exploración de datos y estadísticas descriptivas
    3.3 Node.js
    3.4 Fundamentos estadísticos
    3.4 Minería de datos
    3.5 Introducción a las principales librerías
    3.6 Bases de datos relacionales
    3.7 Herramientas de análisis y visualización
    3.8 ¿Cómo relacionar la ciencia de datos con el Big Data?

    4. Módulo 4. Estudio y Modelado del Dato - 6 ECTS

    4.1. ¿Qué es el modelado de datos?
    4.2 Bases de datos: Sql y NoSql
    4.3 Diferentes técnicas de análisis y modelado de datos
    4.4. Herramientas de modelado de datos: SQL
    4.5 Calidad de datos: Data Quality
    4.6 DataWareHouse, DataMarts
    4.7 Open Data Store

    5. Módulo 5. Analítica Avanzada - 6 ECTS

    5.1 ¿Qué es la analítica avanzada de los datos?
    5.2 Evolución del Business intelligence a la analítica avanzada
    5.3 Estrategías de analítica avanzada: Analítica descriptiva, Analítica predictiva y Analítica Prescriptiva
    5.4 Herramientas: R Studio, Python, Google Colab
    5.5 Android Cloud Storage & Android Access Framework
    5.6 Python: introducción a Python
    5.7 Monitorización y control. Control de versiones

    6. Módulo 6. Inteligencia Artificial - 6 ECTS

    6.1. Introducción a la inteligencia artificial
    6.2 Machine Learning: Aprendizaje
    6.3 Machine Learning: Modelos (Algoritmos)
    6.4 Métodos de interpretación de Machine Learning: (ML)
    6.5 Aplicaciones de la Inteligencia Artificial (IA): Minería de datos
    6.6 Procesamiento del lenguaje natural (NLP)

    7. Módulo 7. Inteligencia Artificial Avanzada - 7 ECTS

    7.1 Introducción a la inteligencia artificial avanzada
    7.2 Redes neuronales
    7.3 Deep learning
    7.4 Python:: ML y DL en Python
    7.5 La IA y la resolución de problemas
    7.6 Machine learning en imágenes y videos

    Modelos de análisis de sentimientos (computación sobre texto, redes sociales, etc.)

    8. Módulo 8. Aplicación de la IA al negocio - 7 ECTS

    8.1. Fases de un proyecto de IA
    8.1.1. Modelado y Elección de los algoritmos
    8.1.2. Implementación del modelo: metodología para garantizar una solución viable
    8.1.3. Mantenimiento y actualización. Uso del modelo y requerimientos de implementación. Monitorizar el rendimiento y la efectividad de los modelos implementados
    8.1.4. Gobierno del dato en la IA
    8.1.5. Metodología agile y metodología scrum

    La plataforma Kaggle: ¿Qué es? Algunos de sus proyectos

    Ejemplo caso de uso de negocio

    9. TFM - 10 ECTS

    Profesores

    • Javier Aranda Arribas. Docente.
      Grado en ciencias matemáticas con más de 20 años de experiencia como Team Leader en Business Intelligence, Data scienc y consultor en Big Data, dirigiendo equipos y con un componente técnico muy fuerte. Muy resolutivo apoyando al equipo en debilidades y dando soluciones para resolver problemas.
    • Juan Carlos Beato Merinero. Docente.
      Consultor senior BI con más de 20 años de experiencia años de experiencia en análisis de información, soluciones de Business Intelligence con ETL e informes y de Big Data con ingestas en Data Lake.
    • Amador Codina Isoma. Docente.
      Diplomado en Gestión de Sistemas Informáticos con más de 20 años de experiencia como Team Leader en Business Intelligence, dirigiendo equipos y con un componente técnico muy fuerte con gran experiencia en tratamiento de datos.
    • Ramón Colom Rocabert. Docente.
      Consultor senior BI en ETL y Reporting con más de 20 años de Experiencia en análisis de información y soluciones de Business Intelligence. Es perfil muy técnico con alta experiencia en el diseño y construcción de modelos multidimensionales de BI, procesos de carga con PL/SQL, Talend, SAS y SSIS e informes con Microstrategy, Pentaho y PowerBI principalmente.
    • Francisco Villadoniga Pereira. Docente.
      Ingeniero Técnico en Informática de Gestión por la Universidad de Coruña. Tiene más de 20 años de experiencia en el ámbito de tecnologías de información, comunicaciones, y principalmente en el área de soluciones de Business Intelligence y Big Data.
  • Metodología y materiales

    Sistema de enseñanza y metodología de estudio

    Videos, sesiones en vivo, Contenido PDF, actividades, microactividades, test autoevaluación, videotutoriales, ponencias, enlaces a recursos externos, tutorías y foro.

    Material didáctico

    Nuestro método de enseñanza en Modalidad Online ofrece una metodología completa y específica cuyo objetivo es que el alumno adquiera las habilidades necesarias y reciba una formación flexible y de calidad, adaptada a las nuevas necesidades.

    Para alcanzarlo el alumno cuenta con los siguientes recursos:

    • Campus Virtual: Acceso a un entorno personal de aprendizaje ilimitado, 24 horas al día, los 7 días a la semana. Que te dará flexibilidad para compaginar tu formación con el resto de tus responsabilidades profesionales y personales.
    • Contenido teórico - práctico modular: material de rigor y de actualidad elaborado por docentes expertos que han seguido una pauta adaptada a este tipo de formación, garantizando así la correcta impartición en esta modalidad formativa.
    • Contenido de consulta: proporcionado por el docente para la profundización en los diversos temas.
    • Actividades: aprendizaje experiencial. Resolución de casos prácticos reales para aplicar los conocimientos adquiridos.
    • Masterclass y videotutoriales: Material audiovisual que complementa la formación.
    • Tutor experto: seguimiento personalizado del aprendizaje de cada alumno y que servirá de guía para que logren sus objetivos.
    • Foros y Comunidad: los espacios de comunicación posibilitan y favorecen la participación activa y la interacción entre los alumnos y con los tutores.
    • Trabajo Final de máster: el alumno podrá desarrollar y poner en práctica lo aprendido durante el curso.
  • Calendario y precios

    Duración, plazos de matrícula y fechas de inicio

    Duración: 12 meses.

    Plazos de matrícula: Hasta 10 días después del comienzo.

    Fecha inicio: 22 de noviembre.

    Precios y formas de pago

    Precio 5.900€.

    Financiación hasta en 12 pagos.

    Posibilidad de descuentos y ayudas al estudio de hasta el 25% según perfil profesional y académico del estudiante.

    Rellena el formulario para más información.