Uno de los principales desafíos que se encuentran las empresas es el poder analizar todos los datos posibles para la toma de decisiones estratégicas dentro de ellas.
Gracias a este Master en Análisis y Visualización de Datos Masivos podrás descubrir la relación entre Big Data, Business Intelligence y Data Science para el análisis y la visualización de datos, así como explotar dicha información gracias a la programación estadística con R y Python, el desarrollo de cuadros de mando y Dashboards y herramientas de visualización tan importantes como Tableau, D3, PowerBI o Qlikview.
Conviértete en ese profesional que toda empresa necesita entrando en uno de los sectores laborales con mayor expansión y desarrollo. Además, contarás con un equipo de profesionales especializados en la materia.
Este Master en Análisis y Visualización de Datos Masivos está pensado para personas con gran interés en el análisis de información para tomar decisiones correctas y estratégicas dentro de las empresas. Es un sector que actualmente tiene más oferta que demanda y el futuro es muy prometedor por lo que es ideal también para estudiantes recién graduados.
Objetivos
– Descubrir la relación entre Big Data, Business Intelligence y Data Science para el análisis y la visualización de datos.
– Entender la importancia de la Arquitectura Big Data en el análisis de datos.
– Aprender a explotar los datos y visualizar los resultados gracias a la programación estadística con Python y R.
– Desarrollar cuadros de mando y Dashboards.
– Utilizar las principales herramientas en la visualización de datos como Tableau, D3, PowerBI o Qlikview.
Salidas Profesionales
Mediante la realización del Master en Análisis y Visualización de Datos Masivos entrarás en un mundo laboral en constante crecimiento y con mayor oferta que demanda. Te permitirá estar capacitado para ejercer cargos directivos tan importantes como analista de datos, Arquitecto de soluciones Big Data o Experto en análisis empresarial. Fórmate en un campo laboral con gran futuro.
La era de las grandes cantidades de información: historia del big data
La importancia de almacenar y extraer información
Big Data enfocado a los negocios
Open Data
Información pública
IoT (Internet of Things - Internet de las cosas)
Diagnóstico inicial
Diseño del proyecto
Proceso de implementación
Monitorización y control del proyecto
Responsable y recursos disponibles
Calendarización
Alcance y valoración económica del proyecto
Definiendo el concepto de Business Intelligence y sociedad de la información
Arquitectura de una solución de Business Intelligence
Business Intelligence en los departamentos de la empresa
Conceptos de Plan Director, Plan Estratégico y Plan de Operativa Anual
Sistemas operacionales y Procesos ETL en un sistema de BI
Ventajas y Factores de Riesgos del Business Intelligence
Cuadros de Mando Integrales (CMI)
Sistemas de Soporte a la Decisión (DSS)
Sistemas de Información Ejecutiva (EIS)
¿Qué es Data Science?
Historia del Data Science
¿Qué función tiene un Científico de datos?
Data Science vs Big Data. Principales diferencias
Hadoop
Pig
Hive
Sqoop
Flume
Spark Core
Spark 2.0
Fundamentos de Streaming Processing
Spark Streaming
Kafka
Pulsar y Apache Apex
Implementación de un sistema real-time
Hbase
Cassandra
MongoDB
NeoJ
Redis
Berkeley DB
Lucene + Solr
Arquitectura Lambda
Arquitectura Kappa
Apache Flink e implementaciones prácticas
Druid
ElasticSearch
Logstash
Kibana
Amazon Web Services
Google Cloud Platform
Administración e Instalación de clusters: Cloudera y Hortonworks
Optimización y monitorización de servicios
Seguridad: Apache Knox, Ranger y Sentry
Herramientas de visualización: Tableau y CartoDB
Librerías de Visualización: D, Leaflet, Cytoscape
¿Qué es la ciencia de datos?
Herramientas necesarias para el científico de datos
Data Science & Cloud Computing
Aspectos legales en Protección de Datos
Introducción
El modelo relacional
Lenguaje de consulta SQL
MySQL: Una base de datos relacional
Obtención y limpieza de los datos (ETL)
Inferencia estadística
Modelos de regresión
Pruebas de hipótesis
Inteligencia Analítica de negocios
La teoría de grafos y el análisis de redes sociales
Presentación de resultados
¿Qué es una base de datos NoSQL?
Bases de datos Relaciones Vs Bases de datos NoSQL
Tipo de Bases de datos NoSQL: Teorema de CAP
Sistemas de Bases de datos NoSQL
¿Qué es MongoDB?
Funcionamiento y uso de MongoDB
Primeros pasos con MongoDB: Instalación y shell de comandos
Creando nuestra primera Base de Datos NoSQL: Modelo e Inserción de Datos
Actualización de datos en MongoDB: Sentencias set y update
Trabajando con índices en MongoDB para optimización de datos
Consulta de datos en MongoDB
¿Qué es Hadoop? Relación con Big Data
Instalación y configuración de insfraestructura y ecosistema Hadoop
Sistema de archivos HDFS
MapReduce con Hadoop
Apache Hive
Apache Hue
Apache Spark
¿Qué es Weka?
Técnicas de Data Mining en Weka
Interfaces de Weka
Selección de atributos
Una aproximación a Pentaho
Soluciones que ofrece Pentaho
MongoDB & Pentaho
Hadoop & Pentaho
Weka & Pentaho
Introducción a la minería de datos y el aprendizaje automático
Proceso KDD
Modelos y Técnicas de Data Mining
Áreas de aplicación
Minería de textos y Web Mining
Data mining y marketing
Aproximación al concepto de DataMart
Bases de datos OLTP
Bases de Datos OLAP
MOLAP, ROLAP & HOLAP
Herramientas para el desarrollo de cubos OLAP
Visión General: ¿Por qué DataWarehouse?
Estructura y Construcción
Fases de implantación
Características
Data Warehouse en la nube
Tipos de herramientas para BI
Productos comerciales para BI
Productos Open Source para BI
Beneficios de las herramientas de BI
Definición de KPIs
KPI, CSF y metas
Principales KPIS
Ejemplos de KPIS
Supuesto práctico: Cálculo de KPI con Excel
Introducción a los cuadros de mando y dashboard
Estrategias para la creación de un cuadro de mando
Dashboard en Excel o Google Analytics
Aplicaciones gratuitas
Aplicaciones propietarias
Introducción a Python
¿Qué necesitas?
Librerías para el análisis de datos en Python
MongoDB, Hadoop y Python: Dream Team del Big Data
Introducción a R
¿Qué necesitas?
Tipos de datos
Estadística Descriptiva y Predictiva con R
Integración de R en Hadoop
¿Qué es la visualización de datos?
Importancia y herramientas de la visualización de datos
Visualización de datos: Principios básicos
¿Qué es Tableau? Usos y aplicaciones
Tableau Server: Arquitectura y Componentes
Instalación Tableau
Espacio de trabajo y navegación
Conexiones de datos en Tableau
Tipos de filtros en Tableau
Ordenación de datos, grupos, jerarquías y conjuntos
Tablas y gráficos en Tableau
Fundamentos D3
Instalación D3
Funcionamiento D3
SVG
Tipos de datos en D3
Diagrama de barras con D3
Diagrama de dispersión con D3
Visualización de datos
Tipologías de gráficos
Fuentes de datos
Creación de informes
Instalación y arquitectura
Carga de datos
Informes
Transformación y modelo de datos
Análisis de datos
Introducción a Power BI
Instalación de Power BI
Modelado de datos
Visualización de datos
Dashboards
Uso compartido de datos
CartoDB
¿Qué es CARTO?
Carga y uso de datos. Tipos de análisis
Programación de un visor con la librería CARTO.js
Uso de ejemplos y ayudas de la documentación de la API
Titulación
Titulación de Máster de Formación Permanente en Análisis y Visualización de Datos Masivos con 1500 horas y 60 ECTS expedida por UTAMED – Universidad Tecnológica Atlántico Mediterráneo.
Ir al contenido 
Optimized by Seraphinite Accelerator