facebook_pixel

Centro
Colaborador de:

UDIMA universidad a distancia de Madrid

Table of Contents

Máster en Big Data, Data Science & Analítica de Datos

flecha abajo
Master Full Stack
Inicio
Octubre 2022
METODOLOGÍA
Online
DURACIón
1 año
CRÉDITOS
60 ECTS
MATRÍCULA
Abierta
Precio
5900 €

TITULO PROPIO DE LA UNIVERSIDAD

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 en el área Data Science 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.

  • Objetivo general Capacitar a los participantes para que adquieran competencias en Data Science, 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.

1.  Modulo 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: Análitica descriptiva, Análitica predictiva y Análitica 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
7.1 Redes neuronales
7.2 Deep learning
7.3 Python:: ML y DL en Python.
7.4 La IA y la resolución de problemas
7.5 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

8. TFM 10 ECTS

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.

Nuestra metodología 100% Online se basa en el Modelo de aprendizaje dinámico interactivo, A.D.I que combina:

Campus virtual dinámico y responsive: entorno personal de aprendizaje ilimitado, 24 horas al día, los 7 días a la semana. Facilita el acceso a los alumnos desde cualquier dispositivo: ordenador, Tablet o móvil.

Recursos de aprendizaje multiformato: Materiales y recursos didácticos actuales, rigurosos y de alta calidad docente. Contenido – teórico descargable, material complementario, videotutoriales, masterclass, clases magistrales, tutorías síncronas y grabadas. Pensados para un aprendizaje completo, continuo, ágil y eficaz.

Actividades orientadas a la práctica: el alumno podrá ir comprobando el grado de asimilación de los contenidos teórico-prácticos a lo largo de todas las unidades de trabajo y además deberá resolver actividades/casos en los que tendrá que aplicar los conocimientos y poner en juego las habilidades adquiridas.

Recursos tecnológicos y aplicaciones: necesarios para el aprendizaje y la puesta en práctica de las actividades del curso. El alumno accederá a diferentes plataformas tecnológicas donde dispondrá de las aplicaciones necesarias para practicar y así poder adquirir las competencias necesarias que requiere el máster.

Tutor-Docente: El tutor-Docente adquiere un importante rol a lo largo de todo el curso, acompañando a los alumnos, explicando los procesos, los errores más comunes, ofreciendo los recursos necesarios, etc. El equipo está constituido por profesionales en activo que conocen bien la demanda y el mercado laboral, por tanto, aportarán una formación muy práctica orientada a la actividad profesional.

Coordinador de aula: que apoya al alumno para orientarle en el uso del aula y la metodología.

Sistema de evaluación continua: Aprendizaje progresivo para que el alumno no dependa solamente de un examen final. Se valora la dedicación diaria del alumno, el cuál recibe feedback a lo largo de todo el máster.

Foros y Comunidad: Espacios de comunicación activa que favorecen la participación e interacción entre todos los participantes. El grupo motiva al individuo, le ayuda a superarse a no dejarse llevar por la desmotivación, le ayuda a ser constante.

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.

Para puestos de «Data Scientist», “Analista de datos”, “Data Engineer” y «Business Intelligence», las empresas e instituciones buscan profesionales dinámicos que combinen conocimientos de Empresa, manejo de tecnologías Big Data y avanzadas aptitudes de análisis. Solo un perfil de estas características puede identificar, recoger, analizar, interpretar y transformar los datos en información relevante.

Algunas salidas profesionales de este máster son: Ingeniero de datos, Data engineer, Arquitecto de datos, Data architect, Científico de datos, Data Scientist, CDO, Chief Data Officer, Analistas de datos, Consultores de Business Intelligence.

  • Titulación Propia Universitaria expedida por el Centro de Estudios Superiores Naxer con 60 créditos ECTS.

Cursar un programa de posgrado es una de las mejores inversiones de cara al futuro profesional y personal.

En Naxer  no queremos que el pago de la matrícula sea un obstáculo y por ello disponemos de un importante programa a través del cual se concede y gestiona más de 100.000 Euros en Becas y un programa de Financiación, para que puedas hacer los pagos en cómodos plazos.

Solicita información pinchando en el botón “más información” y uno de nuestros asesores de formación te dará toda la información de becas disponibles en este momento.

Solicitar Información

Completando el formulario y haciendo clic en "enviar" usted consiente que NAXER ACADEMY S.L, como responsable, trate sus datos personales para resolver su consulta o solicitud de información por cualquier medio. Puede acceder a más información y conocer sus derechos en nuestra Política de Privacidad.

Descargar programa

Abrir Chat
Hablemos
Hola, bienvenido a Naxer. En qué podemos ayudarte?