En el Máster en Big Data, codesarrollado con la multinacional tecnológica Indra, proporciona una visión general de las tecnologías Big Data y su uso, así como una formación aplicada y práctica en técnicas analíticas para el negocio (Business Analytics), es decir, en la aplicación de las técnicas de Data Science a problemas de negocio. Así pues, el programa responde a la necesidad de conocer de manera práctica y aplicada el uso de las tecnologías y los métodos de análisis de datos. La comprensión del uso técnico complementa la visión de negocio, de manera que los egresados del programa serán capaces de razonar en profundidad sobre la aplicabilidad de las tecnologías, así como de aplicar técnicas y herramientas analíticas en situaciones concretas.
El programa está dirigido a profesionales y recién graduados de diferentes perfiles que quieran orientar o reorientar su carrera profesional a alguna de las profesiones emergentes relacionadas con el análisis de datos. Los perfiles pueden ser de tres tipos:
- Perfiles TIC: informáticos, o ingenierías afines, o profesionales que hayan desarrollado su carrera en el desarrollo de software o en la administración de sistemas de TI.
- Perfiles cuantitativos: graduados en carreras con un componente cuantitativo fuerte, como estadística y matemáticas, que quieran ampliar sus competencias con técnicas de adquisición, almacenamiento y gestión de datos, así como adquirir nuevas capacidades analíticas.
- Perfiles de negocio: graduados y profesionales en diferentes áreas de empresa y economía que quieran especializarse en la analítica del negocio, adquiriendo un background sólido en el manejo de lenguajes estadísticos y en la comprensión de la tecnología no solo a nivel de negocio, sino en cuanto a su aplicación técnica.
El objetivo principal del Máster es que el alumno aprenda del conocimiento y experiencia práctica de profesionales (autores del programa formativo de IMF) que combinan un background técnico sólido y la aplicabilidad de las tecnologías, mediante el uso de la tecnología, utilizando las herramientas software que se aplican en entornos profesionales para obtener una formación en el área de Business Analytics y Big Data de manera flexible.
Ø Comprender el valor de los datos y su análisis en las organizaciones y ser capaz de idear y concebir soluciones de análisis de datos.
Ø Conocer y saber enunciar el valor para el negocio de las principales tecnologías de procesamiento paralelo y de almacenamiento de datos
escalable, así como saber explicar su uso para propósitos específicos dentro de la organización.
Ø Ser capaces de aplicar técnicas y métodos de análisis de datos a problemas de negocio utilizando técnicas de programación estadística.
Ø Aplicar técnicas de aprendizaje automático y de minería de texto a la extracción de valor de los datos y a la construcción de modelos predictivos.
Ø Obtener una formación general en las áreas del programa, que permitirán al alumno orientarse a una variedad de salidas profesionales.
Ø Obtener un conocimiento sólido de técnicas y métodos de Data Science en R y Python, así como de su aplicación a diferentes áreas de negocio.
Ø Comprender de manera práctica las principales tecnologías de paralelización de datos, para procesamiento batch o streaming (tiempo real), y conocer cuándo utilizar unas u otras.
Ø Reorientar o focalizar las competencias en la gestión y extracción de valor del dato, desde diferentes perspectivas y para perfiles diversos que tengan distintos conocimientos de entrada.
Ø Aprender mediante el uso de casos y ejemplos prácticos y adquirir, por tanto, competencias que son directamente aplicables a la práctica profesional.
MÓDULO I. Fundamentos Tecnológicos para el Tratamiento de Datos. 6ECTS
Ø Uso de máquinas virtuales y shell de comandos.
Ø Fundamentos de programación en Python.
Ø Fundamentos de bases de datos relacionales.
Ø Fundamentos de tecnologías de Internet.
Ø Compartir datos, código y recursos en repositorios.
Ø Fundamentos de tratamiento de datos con el stack científico de Python.
MÓDULO II. Business Intelligence
Ø Introducción a la inteligencia de negocio
Ø Almacenes de datos y bases de datos analíticas
Ø Herramientas de extracción y carga
Ø Aplicaciones de inteligencia de negocio
Ø Análisis de datos masivos aplicados al negocio
Ø Inteligencia de cliente (CRM)
MÓDULO III. Aprendizaje Automático Aplicado
Ø Introducción al aprendizaje automático
Ø Modelos supervisados
Ø Modelos no supervisados
Ø Ingeniería de características y selección de modelos
Ø Modelos conexionistas
Ø Reglas de asociación y market basket análisis
MÓDULO IV. Minería de texto y procesamiento del lenguaje natural (PLN)
Ø Introducción histórica y tecnológica
Ø Herramientas PLN 1: NLTK
Ø Herramientas PLN 2: Brat y Gate
Ø Text mining
Ø Otras aplicaciones y técnicas PLN
MÓDULO V. Inteligencia de Negocio y Visualización
Ø Introducción al business intelligence
Ø Bl vs. reporting tradicional
Ø Fundamentos tecnológicos para el tratamiento y análisis de datos
Ø Fundamentos de visualización de datos
Ø Visualización avanzada de datos
Ø Herramientas de visualización
MÓDULO VI. Infraestructura Big Data
Ø Porcesamiento de datos con Hadoop
Ø Herramientas del ecosistema Hadoop
Ø Procesamiento de datos con Spark
Ø Arquitecturas de streaming
Ø Componentes de arquitecturas en streaming
Ø Plataformas y API en la nube
MÓDULO VII. Almacenamiento e integración de datos
Ø Bases de datos no convencionales
Ø Modelos de base de datos basados en documentos
Ø Modelos de base de datos orientados a columnas
Ø Modelos de base de datos orientados a grafos
Ø Modelos de base de datos clave- valor
Ø Adquisición de datos
MÓDULO VIII. Valor y Contexto de la Analítica Big Data
Ø El business case en big data
Ø Proyectos de big data
Ø Aplicaciones analíticas por sectores
Ø Tecnologías emergentes en analítica
Ø Gestión de equipos y métodos ágiles
MÓDULO XI. Aplicaciones Analíticas. Casos prácticos
Ø Analítica escalable: Análisis con tecnologías de computación paralela y escalable
Ø Analítica en redes sociales
Ø Internet of things (IoT)
Ø Analítica financiera (rating de empresas)
Ø Analítica de clientes: location analytics
Ø Técnicas de recuperación de la información
MÓDULO X. Trabajo de fin de Master (TFM)
Este Máster incluye:
ü Curso de Iniciación a Python
ü Curso de iniciación a R
ü Curso de Metodologías Ágiles
ü Scrum
ü Curso de Inglés.
Curso impartido por expertos en activo, formación a medida, learning by doing, acceso a prácticas.
Completando este programa obtendrás triple titulación:
Ø Máster en Big Data por IMF Smart Education
Ø Máster en Big Data por Universidad Católica de Ávila
Ø Certificación Profesional por Indra
Diferentes profesiones dentro del área del análisis y la gestión de datos, concretamente:
v Digital Transformation Consultant
v Analista de datos
v Profesionales de Business Intelligence
v Data Scientists
v En el caso de aquellos perfiles con experiencia previa en dirección y gestión de equipos, el programa les capacitará para puestos como el de Chief Data Officer (CDO)
v A los profesionales que posean perfiles informáticos les proporcionará las bases para salidas profesionales tales como arquitecto Bid Data o Data Engineer
Basada en un aprendizaje colaborativo en una innovadora plataforma virtual, con acceso a casos prácticos durante toda la formación que proporcionan acercamiento a la realidad empresarial, además de tutorías ilimitadas individuales y tutorías grupales con resolución de dudas. Masterclasses y webinars con expertos. Biblioteca virtual con todo el contenido de interés y actualizado. Debates, talleres prácticos y grupos de discusión.
Todas las materias se articulan en razón de una Unidad temática por cada crédito ECTS. Dicha Unidad atiende sus Actividades Teóricas con un texto de Claves en el que se plantean los contenidos teóricos a desarrollar, y un texto Referencial de profundización y actualización de dichos contenidos teóricos. Estos textos se trabajan con el profesor en las Sesiones Presenciales Virtuales Teóricas.
Las Actividades Prácticas de cada Unidad se construyen alrededor de casos prácticos, a partir de cuyos planteamientos el alumnado debe resolver de forma razonada argumentando las cuestiones de análisis que se le plantean. Para ello cuenta también con los correspondientes audiovisuales realizados por el profesorado, en los que se expone de forma detallada el planteamiento y sus requerimientos. Como en el caso de las teóricas, también en las prácticas el alumnado puede acceder a su autoevaluación de los casos. Las Actividades Participativas se ordenan a través de los Foros on-line de cada materia, en los que el profesorado propone un tema de discusión vinculado a los contenidos y resultados de aprendizaje, que el alumnado desarrolla aportando sus ideas y conclusiones sobre tres ítems predeterminados. Finalmente, el Trabajo Individual se concreta en Trabajos Académicos de cada materia, los cuales se realizan de forma individual, pero con el apoyo del profesor en Sesiones Presenciales Virtuales específicas, directamente sobre un aplicativo de la plataforma de e-learning.
Hasta 7 días antes de la fecha de inicio del programa. Contacte con nosotros rellenado el formulario que encontrará en la parte superior de esta página o llamando al Tel. 924234600 (Ext. 4051, 4053, 4054).
