INESEM Master en Big Data y Data Science 1500 Horas

Actualmente, en muchos ámbitos multisectoriales, la creciente cantidad de datos y el auge del Internet de las cosas (IoT) presentan la necesidad de analizar y procesar toda esta información para la mejora y adecuación de las estrategias de negocio de las empresas. Además, todas las empresas buscan la reducción de sus costes y mediante la aplicación de las técnicas adecuadas de Big Data este objetivo puede cumplirse. Con este Máster podrás conocer y comprender todos los detalles y objetivos de un proyecto de Big Data y te otorgará la posibilidad de trabajar en proyectos donde se busca la mejor solución sin dejar de lado la escalabilidad de los datos y la seguridad de éstos. Podrás extraer la información de una forma óptima y podrás tomar decisiones estratégicas dentro de las empresas. 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 INTRODUCTION
  • UNIDAD 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. 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 3. ANÁLISIS DE BIG DATA Y HERRAMIENTAS PARA EXPLOTACIÓN
  • 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 UNA SOLUCIÓN OPEN SOURCE PARA BUSINESS INTELLIGENCE
  • UNIDAD DIDÁCTICA 6. ANALIZAR LA INFORMACIÓN CUALITATIVA
  • UNIDAD DIDÁCTICA 7. CI: INTELIGENCIA COMPETITIVA
• MÓDULO 4. ANALÍTICA WEB: GOOGLE ANALYTICS
  • UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A GOOGLE ANALYTICS
  • UNIDAD DIDÁCTICA 2. INTERFACE Y NAVEGACIÓN
  • UNIDAD DIDÁCTICA 3. INFORMES
  • UNIDAD DIDÁCTICA 4. CAMPAÑAS Y CONVERSIONES
• MÓDULO 5. CUADRO DE MANDO Y DASHBOARD
  • UNIDAD DIDÁCTICA 1. DEFINICIÓN DE KPIS
  • UNIDAD DIDÁCTICA 2. CONCEPTO Y CREACIÓN DE CUADROS DE MANDO
  • UNIDAD DIDÁCTICA 3. HERRAMIENTAS PARA LA CREACIÓN DE CUADROS DE MANDO
• MÓDULO 6. INTRODUCCIÓN A LA PROGRAMACIÓN ESTADÍSTICA
  • UNIDAD DIDÁCTICA 1. PYTHON Y EL ANÁLISIS DE DATOS
  • UNIDAD DIDÁCTICA 2. R COMO HERRAMIENTA PARA BIG DATA
• MÓDULO 7. DATA SCIENCE
  • UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA CIENCIA DE DATOS
  • UNIDAD DIDÁCTICA 2. BASES DE DATOS RELACIONALES
  • UNIDAD DIDÁCTICA 3. PRE-PROCESAMIENTO & PROCESAMIENTO DE DATOS
  • UNIDAD DIDÁCTICA 4. ANÁLISIS DE LOS DATOS
• MÓDULO 8. 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 9. PROYECTO FIN DE MASTER

SALIDAS LABORALES

 Mediante la realización de este Master en Big Data y Data Science podrás desarrollar proyectos de Big Data, y te permitirá trabajar en puestos como:

• Consultor/auditor de sistemas Big Data 
• Analista de datos 
• Arquitecto en soluciones Big Data 
• Experto en estrategias de desarrollo mediante Big Data 
• Programador de aplicaciones en Python y R 

PARA QUÉ TE PREPARA

 Con este Master en Big Data y Data Science podrás analizar grandes volúmenes de datos y poder aplicarlos a cualquier sector para poder adecuar el desarrollo empresarial de cualquier organización, haciendo posible la adaptación y mejora al mercado y su consecuente. También podrás explotar todo el volumen de datos a través de programación en R y en Python. Aprenderás a aplicar todos los conocimientos en Big Data para el Cloud Computing con Linux y Azure.

A QUIÉN VA DIRIGIDO

El Master en Big Data y Data Science puede aplicarse a muchos sectores y perfiles, por lo que es ideal para aquellas personas que quieran conocer en qué consiste el Big Data, como pueden aplicarlo en distintos ámbitos con el objetivo de mejorar su carrera profesional y con qué herramientas se puede llevar a cabo dichos análisis de procesamiento de grandes volúmenes de datos.

 OBJETIVOS 

• Aprender los principios del Big Data y el desarrollo de las fases de un proyecto de Big Data.
• Conocer las herramientas existentes y su uso para analizar y explotar datos masivos.
• Explotar datos y visualizar resultados a través de técnica de Data Science. 
• Comprender y utilizar la programación estadística con R y Python. 
• Conocer en qué consiste el Data Mining y aplicarlo correctamente. 
• Saber utilizar las analíticas web para Big Data y aplicarlas mediante Google Analytic
• Aplicar los conocimientos de Big Data para el Cloud Computing con Linux y Azure