Máster en Big Data - IMF & UCAV

El programa está dirigido a profesionales y recién graduados de diferentes perfiles que quieran orientar o reorientar su carrera profesional a alguna de las profesiones emergentes relacionadas con el análisis de datos. Los perfiles pueden ser de tres tipos:

1. Perfiles TIC: informáticos, o ingenierías afines, o profesionales que hayan desarrollado su carrera en el desarrollo de software o en la administración de sistemas de TI.
2. Perfiles cuantitativos: graduados en carreras con un componente cuantitativo fuerte, como estadística y matemáticas, que quieran ampliar sus competencias con técnicas de adquisición, almacenamiento y gestión de datos, así como adquirir nuevas capacidades analíticas.
3. Perfiles de negocio: graduados y profesionales en diferentes áreas de empresa y economía que quieran especializarse en la analítica del negocio, adquiriendo un background sólido en el manejo de lenguajes estadísticos y en la comprensión de la tecnología no solo a nivel de negocio, sino en cuanto a su aplicación técnica

• Comprender el valor de los datos y su análisis en las organizaciones y ser capaz de idear y concebir soluciones de análisis de datos.
• Conocer y saber enunciar el valor para el negocio de las principales tecnologías de procesamiento paralelo y de almacenamiento de datos escalable, así como saber explicar su uso para propósitos específicos dentro de la organización.
• Ser capaces de aplicar técnicas y métodos de análisis de datos a problemas de negocio utilizando técnicas de programación estadística.
• Aplicar técnicas de aprendizaje automático y de minería de texto a la extracción de valor de los datos y a la construcción de modelos predictivos.
• Conocer y saber aplicar herramientas de inteligencia de negocio y de visualización para apoyar la analítica y la toma de decisiones.
• Analista de datos (Big Data Analyst).
• Data Scientist (Científico de Datos).
• Profesionales de Business Intelligence.
• Chief Data Officer (CDO).
• Arquitecto en Big Data.
• Data Engineer.
• Docente en cursos Business Intelligence
• Docente en curso de Análisis de Datos
• Docente en cueso Qlik

El programa proporciona la formación base para orientarse a diferentes profesiones dentro del área del análisis y la gestión de los datos; concretamente: Digital Transformation Consultant

• Analistas de datos.
• Profesionales de Business Intelligence.
• Data Scientists.

En el caso de aquellos perfiles con experiencia previa en dirección y gestión de equipos, el programa les capacitará para puestos como el Chief Data Officer (CDO). Finalmente, a los profesionales que posean perfiles informáticos les proporcionará las bases para salidas profesionales tales como arquitecto Big Data o Data Engineer.

Máster diseñado por un comité de expertos compuesto por doctores y profesionales en activo de empresas líderes en el ámbito de la Inteligencia Artificial y el Big Data como son Indra y Minsait. Su experiencia avala la idoneidad de los estudios y las competencias que se adquieren, ya sea para la incorporación al mundo laboral o para la mejora profesional en el sector. Este equipo de expertos, además de participar en el comité de diseño de programas formativos, colabora en la tutorización e impartición de las sesiones de máster.

Fundamentos de tratamiento de datos para data science

1. Uso de máquinas virtuales y shell de comandos
2. Fundamentos de programación en Python
3. Fundamentos de bases de datos relacionales
4. Fundamentos de tecnologías de internet
5. Compartir datos, código y recursos en repositorios
6. Fundamentos de tratamiento de datos con el stack científico de Python

Business Intelligence

1. Introducción a la inteligencia de negocio
2. Almacenes de datos y bases de datos analíticas
3. Herramientas de extracción y carga
4. Aplicaciones de inteligencia de negocio
5. Análisis de datos masivos aplicados al negocio
6. Inteligencia de cliente (CRM)

Aprendizaje Automático Aplicado

1. Introducción al aprendizaje automático
2. Modelos supervisados
3. Modelos no supervisados
4. Ingeniería de características y selección de modelos
5. Modelos conexionistas
6. Reglas de asociación y market basket analysis

Minería de texto y procesamiento del lenguaje natural (PLN)

1. Introducción histórica y tecnológica
2. Herramientas PLN I: NLTK
3. Herramientas PLN II: Brat y Gate
4. Text mining
5. Otras aplicaciones y técnicas PLN

Inteligencia de negocio y visualización

1. Introducción al business intelligence
2. BI vs. reporting tradicional
3. Fundamentos tecnológicos para el tratamiento y análisis de datos
4. Fundamentos de visualización de datos
5. Visualización avanzada de datos
6. Herramientas de visualización

Infraestructura Big Data

1. Procesamiento de datos con Hadoop
2. Herramientas del ecosistema Hadoop
3. Procesamiento de datos con Spark
4. Arquitecturas de streaming
5. Componentes de arquitecturas en streaming
6. Plataformas y API en la nube

Almacenamiento e integración de datos

1. Bases de datos no convencionales
2. Modelos de base de datos basados en documentos
3. Modelos de base de datos orientados a columnas
4. Modelos de base de datos orientados a grafos
5. Modelos de bases de datos clave-valor
6. Adquisición de datos

Valor y Contexto de la Analítica Big Data

1. El business case de big data
2. Proyectos de big data
3. Aplicaciones analíticas por sectores
4. Tecnologías emergentes en analítica
5. Gestión de equipos y métodos ágiles
6. Aspectos regulatorios del tratamiento de datos

Aplicaciones Analíticas. Casos prácticos

1. Analítica escalable: Análisis con tecnologías de computación paralela y escalable
2. Analítica en redes sociales
3. Internet of things (IoT)
4. Analítica financiera (rating de empresas)
5. Analítica de clientes: location analytics
6. Técnicas de recuperación de la información

Trabajo de fin de máster (TFM)

Curso de Metodologías Ágiles

1. Qué es Scrum y cómo aplicarlo
2. El marco Scrum
3. Equipos autoorganizados
4. El papel de clientes y stakeholder
5. Gestión ágil de productos y proyectos
6. Desarrollo e integración continua
7. Cómo evolucionar hacia una organización ágil

Curso de iniciación a Python

• Introducción a Python
• Condicionales en Python
• Estructuras repetitivas en Python
• Colecciones. Listas
• Funciones de cadenas
• Colecciones. Diccionarios
• Funciones
• Manejo de ficheros
• Orientación a objetos

Curso de iniciación a R

• Introducción a R
• Vectores
• Matrices
• Listas
• Data Frames
• Estructuras de control
• Funciones

Curso de inglés

• Básico, Preintermedio, Intermedio o Avanzado
• El alumno podrá escoger uno de los cuatro niveles.