INESEM Master en Big Data y Business Intelligence. Data Science 1500h.

La creciente cantidad de datos y el desarrollo del Internet de las Cosas (IoT), hacen cada vez más presentes los conceptos de Big Data y Business Intelligence en los entornos empresariales, donde el científico de datos tiene un papel fundamental. Con esta acción formativa podrá ponerse a la vanguardia en el uso de las nuevas tecnologías y métodos de análisis de datos que le permitirán desarrollar las habilidades analíticas necesarias para extraer y evaluar los datos de una manera eficaz, permitiéndole un soporte de ayuda en la toma de decisiones estratégicas y optimizando costes. En INESEM podrás trabajar en un Entorno Personal de Aprendizaje donde el alumno es el protagonista, avalado por un amplio grupo de tutores especialistas en el sector. 

TEMARIO 

• MÓDULO 1. BIG DATA INTRODUCTIONUNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL BIG DATA
  • UNIDAD DIDÁCTICA 2. FUENTES DE DATOS
  • UNIDAD DIDÁCTICA 3. OPEN DATA
  • UNIDAD DIDÁCTICA 4. FASES DE UN PROYECTO DE BIG DATA
  • UNIDAD DIDÁCTICA 5. BUSINESS INTELLIGENCE Y LA SOCIEDAD DE LA INFORMACIÓN
  • UNIDAD DIDÁCTICA 6. PRINCIPALES PRODUCTOS DE BUSINESS INTELLIGENCE
  • UNIDAD DIDÁCTICA 7. BIG DATA Y MARKETING
  • UNIDAD DIDÁCTICA 8. DEL BIG DATA AL LINKED OPEN DATA
  • UNIDAD DIDÁCTICA 9. INTERNET DE LAS COSAS
• MÓDULO 2. HERRAMIENTAS Y ANÁLISIS BIG DATA
  • UNIDAD DIDÁCTICA 1. BASES DE DATOS NOSQL Y EL ALMACENAMIENTO ESCALABLE
  • UNIDAD DIDÁCTICA 2. INTRODUCCIÓN A UN SISTEMA DE BASES DE DATOS NOSQL. MONGODB
  • UNIDAD DIDÁCTICA 3. ECOSISTEMA HADOOP
  • UNIDAD DIDÁCTICA 4. WEKA Y DATA MINING
  • UNIDAD DIDÁCTICA 5. PENTAHO
• MÓDULO 3. BUSINESS INTELLIGENCE Y HERRAMIENTAS DE VISUALIZACIÓN
  • UNIDAD DIDÁCTICA 1. MINERÍA DE DATOS O DATA MINING Y EL APRENDIZAJE AUTOMÁTICO
  • UNIDAD DIDÁCTICA 2. DATAMART. CONCEPTO DE BASE DE DATOS DEPARTAMENTAL
  • UNIDAD DIDÁCTICA 3. DATAWAREHOUSE O ALMACÉN DE DATOS CORPORATIVOS
  • UNIDAD DIDÁCTICA 4. INTELIGENCIA DE NEGOCIO Y HERRAMIENTAS DE ANALÍTICA
  • UNIDAD DIDÁCTICA 5. INTRODUCCIÓN A LA VISUALIZACIÓN DE DATOS
  • UNIDAD DIDÁCTICA 6. TABLEAU
  • UNIDAD DIDÁCTICA 7. D3 (DATA DRIVEN DOCUMENTS
  • UNIDAD DIDÁCTICA 8. GOOGLE DATA
  • UNIDAD DIDÁCTICA 9. QLIKVIEW
  • UNIDAD DIDÁCTICA 10. POWERBI
  • UNIDAD DIDÁCTICA 11. CARTO
• MÓDULO 4. DATA SCIENCE Y PROGRAMACIÓN ESTADÍSTICA CON PYTHON Y R
  • UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA CIENCIA DE DATOS
  • UNIDAD DIDÁCTICA 2. BASES DE DATOS RELACIONALES
  • UNIDAD DIDÁCTICA 3. PYTHON Y EL ANÁLISIS DE DATOS
  • UNIDAD DIDÁCTICA 4. R COMO HERRAMIENTA PARA BIG DATA
  • UNIDAD DIDÁCTICA 5. PRE-PROCESAMIENTO & PROCESAMIENTO DE DATOS
  • UNIDAD DIDÁCTICA 6. ANÁLISIS DE LOS DATOS
• MÓDULO 5. ANALÍTICA Y PUBLICIDAD WEB: GOOGLE ANALYTICS Y GOOGLE ADS
  • UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA ANALÍTICA WEB
  • UNIDAD DIDÁCTICA 2. ESTABLECIMIENTO DE OBJETIVOS Y KPIS DE UN SITIO WEB
  • UNIDAD DIDÁCTICA 3. CUADROS DE MANDO
  • UNIDAD DIDÁCTICA 4. INTRODUCCIÓN A GOOGLE ANALYTICS
  • UNIDAD DIDÁCTICA 5. INTERFACE Y NAVEGACIÓN
  • UNIDAD DIDÁCTICA 6. INFORMES
  • UNIDAD DIDÁCTICA 7. CAMPAÑAS Y CONVERSIONES
  • UNIDAD DIDÁCTICA 8. INTRODUCCIÓN A GOOGLE ADS
  • UNIDAD DIDÁCTICA 9. PUBLICIDAD EN BÚSQUEDAS
  • UNIDAD DIDÁCTICA 10. PUBLICIDAD EN DISPLAY
  • UNIDAD DIDÁCTICA 11. PUBLICIDAD PARA MÓVILES
  • UNIDAD DIDÁCTICA 12. PUBLICIDAD EN SHOPPING
• MÓDULO 6. INTELIGENCIA ARTIFICIAL (IA), MACHINE LEARNING (ML) Y DEEP LEARNING (DL)
  • UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL
  • UNIDAD DIDÁCTICA 2. TIPOS DE INTELIGENCIA ARTIFICIAL
  • UNIDAD DIDÁCTICA 3. ALGORITMOS APLICADOS A LA INTELIGENCIA ARTIFICIAL
  • UNIDAD DIDÁCTICA 4. RELACIÓN ENTRE INTELIGENCIA ARTIFICIAL Y BIG DATA
  • UNIDAD DIDÁCTICA 5. SISTEMAS EXPERTOS
  • UNIDAD DIDÁCTICA 6. FUTURO DE LA INTELIGENCIA ARTIFICIAL
  • UNIDAD DIDÁCTICA 7. INTRODUCCIÓN AL MACHINE LEARNING
  • UNIDAD DIDÁCTICA 8. EXTRACCIÓN DE ESTRUCTURA DE LOS DATOS: CLUSTERING
  • UNIDAD DIDÁCTICA 9. SISTEMAS DE RECOMENDACIÓN
  • UNIDAD DIDÁCTICA 10. CLASIFICACIÓN
  • UNIDAD DIDÁCTICA 11. REDES NEURONALES Y DEEP LEARNING
  • UNIDAD DIDÁCTICA 12. SISTEMAS DE ELECCIÓN
  • UNIDAD DIDÁCTICA 13. DEEP LEARNING CON PYTHON, KERAS Y TENSORFLOW
  • UNIDAD DIDÁCTICA 14. SISTEMAS NEURONALES
  • UNIDAD DIDÁCTICA 15. REDES DE UNA SOLA CAPA
  • UNIDAD DIDÁCTICA 16. REDES MULTICAPA
  • UNIDAD DIDÁCTICA 17. ESTRATEGIAS DE APRENDIZAJE
• MÓDULO 7. PLN, CHATBOTS E INTELIGENCIA ARTIFICIAL
  • UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL PLN
  • UNIDAD DIDÁCTICA 2. PLN EN PYTHON
  • UNIDAD DIDÁCTICA 3. COMPUTACIÓN DE LA SINTAXIS PARA EL PLN
  • UNIDAD DIDÁCTICA 4. COMPUTACIÓN DE LA SEMÁNTICA PARA EL PLN
  • UNIDAD DIDÁCTICA 5. RECUPERACIÓN Y EXTRACCIÓN DE LA INFORMACIÓN
  • UNIDAD DIDÁCTICA 6. ¿QUÉ ES UN CHATBOT
  • UNIDAD DIDÁCTICA 7. RELACIÓN ENTRE IA Y CHATBOTS
  • UNIDAD DIDÁCTICA 8. ÁMBITOS DE APLICACIÓN CHATBOTS
• MÓDULO 8. PROYECTO FIN DE MÁSTER

SALIDAS LABORALES

• Analista de datos 
• Auditor en Sistemas Big Data
• Experto en Inteligencia de Negocio
• Arquitecto de soluciones Big Data 
• Gestor de Infraestructuras para Big Data 
• E-commerce & Social Media 

PARA QUÉ TE PREPARA

Con el Máster en Business Intelligence & Big Data en la especialidad de ciencias de datos, te formarás en las principales técnicas y herramientas de análisis de datos y Business Intelligence para la toma de decisiones empresariales. Aprenderás a explotar los datos masivos y visualizar los resultados mediante la programación en Python y R. Serás capaz de aplicar inteligencia competitiva para toma de decisiones estratégicas y optimización de campañas de marketing.

 A QUIÉN VA DIRIGIDO

El Máster en Business Intelligence & Big Data. Data Science está dirigido a los profesionales de cualquier sector que quieran adquirir o afianzar conocimientos en torno a las tecnologías de análisis y explotación de datos. Se trata de una acción formativa idónea para ampliar oportunidades profesionales en un sector cada vez más demandado. 

OBJETIVOS 

• Conocer las principales herramientas de Business Intelligence para la toma de decisiones estratégicas 
• Conocer e identificar las distintas fases de un proyecto de Big Data 
• Aprender a explotar los datos y visualizar los resultados mediante técnicas de Data Science y programación estadística con Python y R. 
• Crear y gestionar una base de datos en MongoDB y procesar los datos con Hadoop 
• Aplicar correctamente las principales técnicas de Data Mining 
• Comprender el uso de la analítica web para Big Data y su aplicación mediante la herramienta Google Analytics