Centro Premium
Este máster ofrece a los alumnos una visión global de las tecnologías Big Data y su utilidad, así como una formación práctica en técnicas analíticas para el negocio. En este contexto surgen nuevos roles profesionales como Data Scientist lo que ha producido una reformación de las tecnologías de procesamiento de datos.
El objetivo principal de este 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.
MÓDULO I
Fundamentos Tecnológicos para el Tratamiento de Datos
Uso de Máquinas Virtuales y Shell de Comandos.
Fundamentos de programación en Python.
Fundamentos de Bases de Datos Relacionales.
Fundamentos de Tecnologías de Internet.
Compartir datos, código y recursos en repositorios.
Fundamentos de tratamiento de datos con el stack científico de Python.
Importante: este módulo es introductorio o de nivelación, destinado a la adquisición de las competencias esenciales para la programación estadística, el manejo de bases de datos y el uso de la virtualización, además de otras competencias generales que son necesarias en el resto de los módulos.
MÓDULO II
Modelos y Aprendizaje Estadístico
Tratamiento de Datos con R.
Análisis exploratorio de datos.
Inferencia estadística.
Aplicación de Modelos Lineales.
Aprendizaje estadístico.
Otros modelos estadísticos.
MÓDULO III
Aprendizaje Automático Aplicado
Introducción al Aprendizaje Automático.
Modelos Supervisados.
Modelos no Supervisados.
Ingeniería de características y selección de modelos.
Modelos Conexionistas.
Descubrimiento de asociaciones.
MÓDULO IV
Minería de Texto y Procesamiento del Lenguaje Natural (PLN)
Introducción a las técnicas de tratamiento del Lenguaje Natural.
Herramientas de PLN I.
Herramientas de PLN II.
Minería de Texto I: Clasificación.
Minería de Texto II: Agrupamiento.
Otras aplicaciones y técnicas de Pln.
MÓDULO V
Inteligencia de Negocio y Visualización
Introducción a la Inteligencia de Negocio.
Almacenes de Datos y Bases de Datos Analíticas.
Herramientas de extracción, transformación y carga.
Aplicaciones de Inteligencia de Negocio.
Fundamentos de Visualización de Datos.
Herramientas de Visualización.
MÓDULO VI
Infraestructura Big Data
Procesamiento de Datos con Hadoop.
Herramientas Hadoop.
Procesamiento de Datos con Spark.
Arquitecturas de Streaming.
Componentes de Arquitecturas de Streaming.
Plataformas y Apis en la nube.
MÓDULO VII
Almacenamiento e Integración de Datos
Bases de Datos no convencionales.
Modelos de Base de Datos basados en documentos.
Modelos de Base de Datos basados en columnas.
Modelos de Base de Datos basados en grafos.
Modelos de Base de Datos basados en clave-valor.
Adquisición de Datos.
MÓDULO VIII
Valor y Contexto de la Analítica Big Data
El Business Case de Big Data.
Proyectos de Big Data.
Aplicaciones Analíticas por sectores.
Tecnologías emergentes en Analítica.
Gestión de equipos y métodos ágiles.
Aspectos regulatorios del tratamiento de Datos.
MÓDULO IX
Aplicaciones Analíticas
Caso de estudio de Analítica Escalable.
Caso de estudio de Analítica en Redes Sociales.
Caso de estudio en Internet Of Things.
Caso de estudio en Analítica Financiera.
Caso de estudio en Analítica de Clientes.
Caso de estudio de Técnicas de Recomendación.
MÓDULO X
Trabajo Fin de Máster
Todos los alumnos que superen con éxito este Máster conseguirán las siguientes titulaciones:
Titulación Universitaria (posibilita la obtención de Doble Titulación Universidad Católica de Ávila (UCAV).– IMF)
Posibilidad de acceso con Experiencia profesional acreditada (Consultar condiciones)
Información Adicional
DURACIÓN: 60 ECTS
EVALUACIÓN: Online
PRÁCTICAS: Posibilidad de prácticas presenciales en empresas
