Actualmente, en muchos sectores, 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 en Big Data y Data Science tendrás la posibilidad de trabajar en proyectos donde se busca la mejor solución sin dejar de lado la escalabilidad de los datos.
Además, contarás con un equipo de profesionales especializados en la materia. Además, gracias a las prácticas garantizadas, podrás acceder a un mercado laboral en plena expansión.
El Master en Big Data y Data Science puede aplicarse a muchos sectores y perfiles, por lo que es dirigido para aquellas personas que quieran conocer en qué consiste el Big Data, cómo 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 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 técnicas 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 Analytics.
– Crear visualizaciones de datos profesionales y poder compartir informes mediante Power BI.
Salidas Profesionales
Gracias a la realización de este Master en Big Data y Data Science podrás desarrollar proyectos de Big Data y te permitirá trabajar en puestos especializados 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 o Data Scientist.
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)
Definición y relevancia de la selección de las fuentes de datos
Naturaleza de las fuentes de datos Big Data
Definición, Beneficios y Características
Ejemplo de uso de Open Data
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 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)
Apoyo del Big Data en el proceso de toma de decisiones
Toma de decisiones operativas
Marketing estratégico y Big Data
Nuevas tendencias en management
Ejercicios Prácticos
Concepto de Web Semántica
Linked Data Vs. Big Data
Lenguaje de consulta SPARQL
Contexto Internet de las Cosas (IoT)
¿Qué es IoT?
Elementos que componen el ecosistema IoT
Arquitectura IoT
Dispositivos y elementos empleados
Ejemplos de uso
Retos y líneas de trabajo futuras
¿Qué es el Data Storytelling?
Elementos clave del Data Storytelling
¿Por qué es importante el Data Storytelling?
¿Cómo hacer Data Storytelling?
¿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
¿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 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 R
¿Qué necesitas?
Tipos de datos
Estadística Descriptiva y Predictiva con R
Integración de R en Hadoop
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
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
Tipos de problemas
Implicaciones de los datos, dominios, técnicas en las fases del proceso
Casos de uso
Clasificación o Arboles de decisión o Naive Bayes
Clustering o K-means o EM
Asociacion o A priori
¿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
Introducción a la inteligencia artificial
Historia
La importancia de la IA
Algoritmos aplicados a la inteligencia artificial
Relación entre inteligencia artificial y big data
IA y Big Data combinados
El papel del Big Data en IA
Tecnologías de IA que se están utilizando con Big Data
Sistemas expertos
Estructura de un sistema experto
Inferencia: Tipos
Fases de construcción de un sistema
Rendimiento y mejoras
Dominios de aplicación
Creación de un sistema experto en C#
Añadir incertidumbre y probabilidades
Introducción
Clasificación de algoritmos de aprendizaje automático
Ejemplos de aprendizaje automático
Diferencias entre el aprendizaje automático y el aprendizaje profundo
Tipos de algoritmos de aprendizaje automático
El futuro del aprendizaje automático
Introducción
Algoritmos
Introducción
Filtrado colaborativo
Clusterización
Sistemas de recomendación híbridos
Clasificadores
Algoritmos
Componentes
Aprendizaje
Introducción
El proceso de paso de DSS a IDSS
Casos de aplicación
Aprendizaje profundo
Entorno de Deep Learning con Python
Aprendizaje automático y profundo
Redes neuronales
Redes profundas y redes poco profundas
Perceptrón de una capa y multicapa
Ejemplo de perceptrón
Tipos de redes profundas
Trabajar con TensorFlow y Python
Entrada y salida de datos
Entrenar una red neuronal
Gráficos computacionales
Implementación de una red profunda
El algoritmo de propagación directa
Redes neuronales profundas multicapa
¿Qué es PLN?
¿Qué incluye el PLN?
Ejemplos de uso de PLN
Futuro del PLN
PLN en Python con la librería NLTK
Otras herramientas para PLN
Principios del análisis sintáctico
Gramática libre de contexto
Analizadores sintácticos (Parsers)
Aspectos introductorios del análisis semántico
Lenguaje semántico para PLN
Análisis pragmático
Aspectos introductorios
Pasos en la extracción de información
Ejemplo PLN
Ejemplo PLN con entrada de texto en inglés
Aspectos introductorios
¿Qué es un chatbot?
¿Cómo funciona un chatbot?
VoiceBots
Desafios para los Chatbots
Chatbots y el papel de la Inteligencia Artificial (IA)
Usos y beneficios de los chatbots
Diferencia entre bots, chatbots e IA
Áreas de aplicación de Chatbots
Desarrollo de un chatbot con ChatterBot y Python
Desarrollo de un chatbot para Facebook Messenger con Chatfuel
¿Qué es Power BI?
Funciones de Power BI
Versiones de Power BI
Roles de Power BI
Planificación de proyectos con Power BI
Instalación y puesta en marcha
Conexión de datos a Power BI
Filtrado de datos
Vista de datos
Introducción al modelado de datos
Creación de medidas
Creación y relación entre tablas
Creación de columnas y medidas calculadas
Dinamizar columnas
Fórmulas de consulta
Creación de gráficas
Tablas dinámicas
Segmentación de datos
Uso de objetos visuales
Formas y cuadros de texto
Imágenes
Matrices y tablas
Cómo crear un velocímetro
Mapas
Slicers
Cómo modificar colores
Uso del Dashboard
Compartir Dashboards
Añadir Widgets
Cómo crear reportes
Ajustes del panel
Preguntas y respuestas del Dashboard
Exportar datos de Power BI a Excel
Exportar Dashboards
Crear paquetes de contenido
Presentación de informes
Cómo públicar y compartir informes
Introducción a Power BI mobile
¿Qué es la analítica web?
Establecimiento de objetivos y KPIs
Métricas principales y avanzadas
Objetivos y ventajas de medir
Plan de medición
Introducción a Google Analytics 4
Interfaz
Métricas y dimensiones
Informes básicos
Filtros
Segmentos
Eventos
Informes personalizados
Comportamiento de los usuarios e interpretación de datos
Introducción a GTM
Implementación con GTM
Medición con GTM
Uso de Debug/Preview Mode
La atribución
Multicanalidad
Customer Journey
Principales modelos de atribución
Modelos de atribución personalizados
Planificación del Dashboard
Características del Dashboard
Introducción a Data Studio
Conectores
Tipos de gráficos
Personalización de informes
Elementos de control
Dimensiones y métricas
Campos Calculados
Compartir informes
Introducción al SEO
Historia de los motores de búsqueda
Componentes de un motor de búsqueda
Organización de resultados en un motor de búsqueda
La importancia del contenido
El concepto de autoridad en Internet
Campaña SEO
Introducción al SEM
Principales conceptos en SEM
Sistema de pujas y Calidad del anuncio
Primer contacto con Google Ads
Creación de anuncios con calidad
Indicadores clave de rendimiento en SEM
Análisis del tráfico en redes sociales
Fijar objetivos en redes sociales
Facebook
Twitter
Youtube
LinkedIn
Tik tok
Instagram
Usabilidad
Mapas de calor
Grabaciones de sesiones de usuario
Ordenación de tarjetas
Test A/B
Test multivariante
KPI, indicadores clave de rendimiento
Cambios a realizar para optimizar una página web
Hotjar
Microsoft Power BI
Google Search Console
Matomo
Awstats
Chartbeat
Adobe Analytics
¿Qué son las cookies?
Tipos de cookies
GDPR
Herramientas para manejar el consentimiento de cookies
Titulación
Titulación de Máster de Formación Permanente en Big Data y Data Science con 1500 horas y 60 ECTS expedida por UTAMED – Universidad Tecnológica Atlántico Mediterráneo.
Ir al contenido 
Optimized by Seraphinite Accelerator