Gracias a este Master en Big Data Deportivo conseguirás obtener un amplio abanico de conocimientos y habilidades para aprovechar el potencial de análisis de datos en el ámbito deportivo y general. A lo largo del master se adquirirán diferentes competencias en el big data, almacenamiento, análisis y procesamiento de datos haciendo uso de diferentes herramientas tecnológicas, tratamiento de la visión artificial… Además, aprenderás a aplicar técnicas de visualización de datos y focalizar todos estos conocimientos hacia el ámbito deportivo. Al finalizar el master, se estará preparado para aplicar el Big Data en la toma de decisiones, la mejora del rendimiento deportivo y la generación de ventajas competitivas en el mundo del deporte.
El Master en formación permanente en Big Data D Master en Big Data Deportivo está dirigido a profesionales del ámbito deportivo o científico y estudiantes interesados en combinar su pasión por el deporte con habilidades en el análisis de datos. Está diseñado para aquellos que deseen adquirir conocimientos avanzados en el campo del Big Data aplicado al ámbito deportivo.
Objetivos
– Comprender la relevancia del Big Data y el Business Intelligence en la toma de decisiones estratégicas.
– Utilizar bases de datos NoSQL, como MongoDB, y bases de datos SQL, como MySQL,.
– Dominar los lenguajes Python y R para Data Science.
– Aprender a realizar mediciones mediante la analítica web haciendo uso de diferentes técnicas y estrategias de análisis.
– Analizar de forma óptima los datos a nivel deportivo para la mejora de rendimiento y optimización deportiva.
– Trabajar la visión artificial con Python y OpenCV así como nociones básicas de inteligencia artificial.
Salidas Profesionales
Este Master en Big Data Deportivo te ofrece diversas salidas laborales en el ámbito deportivo de análisis y gestión de datos, como por ejemplo: analista de datos deportivos en clubes deportivos o agencias, consultor deportivo en Big Data, desarrollador de software deportivo para el análisis de datos, investigador en Big Data contribuyendo a su avance…
¿Y Thick Data? ¿Cuál es el matiz para diferenciar ambos términos?
El gran auge del big data
La importancia de almacenar y extraer información
¿Cual es el papel de las fuentes de datos?
Soluciones novedosas gracias a la selección de datos
Naturaleza de las fuentes de datos Big Data
Thick Data, el valor de lo cualitativo. Entender emociones humanas, intenciones y sentimientos
Fases en un proyecto de Big Data
Big Data enfocado a los negocios
Apoyo del Big Data en el proceso de toma de decisiones
Toma de decisiones operativas
Marketing estratégico y Big Data
Open data
Ejemplo de uso de Open Data
IoT (Internet of Things-Internet de las cosas)
Relación entre inteligencia artificial y big data
IA y Big Data combinados
El papel del Big Data en IA
Big Data en salud
Necesidad de Big Data en la asistencia sanitaria
Retos del big data en salud
Big Data y People Analytics en RRHH
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)
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
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 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 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
¿Qué es el análisis de datos?
Análisis de datos con NumPy
Pandas
Matplotlib
Cómo usar loc en Pandas
Cómo eliminar una columna en Pandas
Pivot tables en pandas
El grupo de Pandas
Python Pandas fusionando marcos de datos
Matplotlib
Seaborn
Aprendizaje automático
Regresión lineal
Regresión logística
Estructura de árbol
Algoritmo de Naive Bayes
Tipos de Naive Bayes
Máquinas de vectores soporte (Support Vector Machine-SVN)
¿Cómo funciona SVM?
Núcleos SVM
Construcción de clasificador en Scikit-learn
K-nearest Neighbors (KNN)
Implementación de Python del algoritmo KNN
Análisis de componentes principales
Algortimo de random forest
¿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
¿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
La revolución tecnológica
Medios de comunicación y marketing digital
Tecnología en la industria deportiva
La tecnología en los eventos deportivos
Analítica y biometría deportiva
Data Mining aplicado al deporte
Sistema BI aplicado al deporte
Análisis por Envoltura de Datos (DEA) aplicada al deporte
Datos deportivos y transformación del mercado
¿Qué es el Scouting?
Importancia del Scouting
Perfil del responsable de video
Elementos de hardware y software
Elementos de captación y reproducción de video
Programas para el videoanálisis de partidos
¿Qué se puede analizar de un equipo?
La táctica
Metodología de la preparación táctica
Ocupación racional del terreno
Las transiciones en el fútbol
Algunas tácticas o acciones ofensivas con balón
El posicionamiento defensivo
Fundamentos del sistema de juego
Introducción a los informes
Recogida de datos e información
Ejemplo de ficha de seguimiento a un jugador
Ejemplo de ficha de scouting de un partido
Toma de decisiones del entrenador
La táctica deportiva
La estrategia deportiva
Descripción general OpenCV
Instalación OpenCV para Python en Windows
Instalación OpenCV para Python en Linux
Anaconda y OpenCV
Manejo de archivos
Leer una imagen con OpenCV
Mostrar imagen con OpenCV
Guardar una imagen con OpenCV
Operaciones aritméticas en imágenes usando OpenCV
Funciones de dibujo
Redimensión de imágenes
Erosión de imágenes
Desenfoque de imágenes
Bordeado de imágenes
Escala de grises en imágenes
Escalado, rotación, desplazamiento y detección de bordes
Erosión y dilatación de imágenes
Umbrales simples
Umbrales adaptativos
Umbral de Otsu
Contornos de imágenes
Incrustación de imágenes
Intensidad en imágenes
Registro de imágenes
Extracción de primer plano
Operaciones morfológicas en imágenes
Pirámide de imágen
Analizar imágenes usando histogramas
Ecualización de histogramas
Template matching
Detección de campos en documentos usando Template matching
Espacios de color en OpenCV
Cambio de espacio de color
Filtrado de color
Denoising de imágenes en color
Visualizar una imagen en diferentes espacios de color
Detección de líneas
Detección de círculos
Detectar esquinas (Método Shi-Tomasi)
Detectar esquinas (método Harris)
Encontrar círculos y elipses
Detección de caras y sonrisas
Vecino más cercano (K-Nearest Neighbour)
Agrupamiento de K-medias (K-Means Clustering)
Titulación
Titulación de Máster de Formación Permanente en Big Data Deportivo con 1500 horas y 60 ECTS expedida por UTAMED – Universidad Tecnológica Atlántico Mediterráneo.
Ir al contenido 
Optimized by Seraphinite Accelerator