Descripción

Para qué te prepara

Con el Master en Business Intelligence y Big Data. Data Science aprenderás las principales herramientas de Big Data y Business Intelligence como Weka, Talend o Hadoop. Gestionarás bases de datos SQL y NoSQL, programarás en lenguajes como Python y R, crearás visualizaciones de datos con Power BI o Tableau y aplicarás técnicas de Inteligencia artificial, Machine learning y visión artificial. Además, usarás Google Analytics para la analítica web.

Objetivos

  • Emplear técnicas y herramientas Big Data y Business Intelligence para tomar decisiones estratégicas y de marketing.
  • Almacenar y gestionar datos utilizando bases de datos tanto relacionales (SQL) como no relacionales (NoSQL).
  • Explotar los datos y visualizar resultados mediante técnicas de Data Science y programación con Python y R.
  • Comprender el uso de la analítica web para Big Data y su aplicación mediante Google Analytics 4.
  • Utilizar los principales algoritmos de Inteligencia artificial, Machine learning y Deep Learning para Big Data.
  • Entender el procesamiento de lenguaje natural (PLN) y cómo aplicar la inteligencia artificial para crear chatbots.
  • Crear y programar sistemas de visión artificial mediante Python y OpenCV.

A quién va dirigido

Este Master en Big Data y Business Intelligence. Data Science está dirigido a técnicos informáticos, analistas de datos o personal con conocimientos de estadística, marketing, negocio y emprendimiento que busquen una especialización en Ciencia de datos. También es perfecta para estudiantes interesados en estas temáticas y con grandes salidas laborales.

Salidas Profesionales

Actualmente, existe tal demanda laboral de personal especializado en Big Data y Data Science que las empresas están en búsqueda de estos perfiles. Con este Master en Big Data y Business Intelligence. Data Science optarás a puestos como Analista de datos, Data Scientist, Business Analyst, Arquitecto Big Data, IA Developer, Machine Learning Engineer o E-commerce & Social Media.

Plan de estudios

MÓDULO 1: Big Data & Business Intelligence Fundamentals

Unidad Didáctica 1: La Revolución de los Datos Masivos

  • Big Data: Definición, características y aplicaciones.
  • Thick Data: Diferencias y complementariedad con Big Data.
  • Almacenamiento y Extracción de Información: Importancia y técnicas.
  • Fuentes de Datos: Tipos y su papel en Big Data.
  • Soluciones Novedosas: Innovaciones basadas en la selección de datos.

Unidad Didáctica 2: Toma de Decisiones Inteligentes

  • Thick Data: Valor cualitativo en la toma de decisiones.
  • Fases en un Proyecto de Big Data: Desde la recopilación hasta el análisis.
  • Big Data en Negocios: Aplicaciones y beneficios.
  • Apoyo en la Toma de Decisiones: Operativas y estratégicas.

Unidad Didáctica 3: Crecimiento del Negocio a través de Big Data

  • Marketing Estratégico: Uso de Big Data en marketing.
  • Open Data: Ejemplos y aplicaciones.
  • IoT (Internet of Things): Integración con Big Data.

Unidad Didáctica 4: Big Data en Diferentes Sectores

  • Inteligencia Artificial y Big Data: Relación y aplicaciones.
  • Big Data en Salud: Retos y beneficios.
  • People Analytics en RRHH: Aplicaciones en recursos humanos.

Unidad Didáctica 5: Business Intelligence y la Sociedad de la Información

  • Definición y Conceptos: Business Intelligence y su impacto.
  • Arquitectura de Soluciones BI: Sistemas y procesos.
  • Ventajas y Riesgos: Evaluación del uso de BI.

Unidad Didáctica 6: Productos Principales de Business Intelligence

  • Cuadros de Mando Integrales (CMI)
  • Sistemas de Soporte a la Decisión (DSS)
  • Sistemas de Información Ejecutiva (EIS)

Unidad Didáctica 7: Minería de Datos y Aprendizaje Automático

  • Introducción al Data Mining: Técnicas y aplicaciones.
  • Proceso KDD: Conocimiento a partir de datos.
  • Modelos y Técnicas: Análisis de datos.

Unidad Didáctica 8: DataMart

  • Concepto de DataMart: Uso y beneficios.
  • Bases de Datos OLTP y OLAP: Comparación y aplicaciones.

Unidad Didáctica 9: DataWarehouse

  • Visión General: Importancia y características.
  • Fases de Implantación: Construcción y mantenimiento.

Unidad Didáctica 10: Internet de las Cosas (IoT)

  • Ecosistema IoT: Componentes y arquitectura.
  • Ejemplos de Uso y Retos: Aplicaciones y desafíos futuros.

Unidad Didáctica 11: Storytelling

  • Data Storytelling: Técnicas y importancia.
  • Elementos Clave: Cómo crear narrativas con datos.

Unidad Didáctica 12: Ecosistema Hadoop

  • Hadoop y Big Data: Relación y usos.
  • Componentes del Ecosistema Hadoop: HDFS, MapReduce, Hive, Hue, Spark.

MÓDULO 2: Talend Open Studio

Unidades Didácticas 1-7

  • Introducción a BPM y Talend: Procesos ETL y ventajas.
  • Trabajando con Talend: Lectura, ordenación y manipulación de datos.
  • Componentes Avanzados de Talend: tMap, manejo de clusters, integración con Big Data.

MÓDULO 3: Data Science

Unidades Didácticas 1-9

  • Introducción a la Ciencia de Datos: Herramientas y aspectos legales.
  • Bases de Datos Relacionales y NoSQL: Comparación y uso de MongoDB.
  • WEKA y Pentaho: Data mining y herramientas de análisis.
  • R para Big Data: Estadística y modelos predictivos.
  • Pre-procesamiento y Análisis de Datos: Técnicas de limpieza y análisis.

MÓDULO 4: Análisis de Datos con Python

Unidades Didácticas 1-15

  • Librerías para Análisis de Datos: NumPy, Pandas, Matplotlib.
  • Machine Learning: Técnicas y algoritmos (regresión, árboles de decisión, SVM, etc.).

MÓDULO 5: Visualización de Datos

Unidades Didácticas 1-6

  • Introducción y Herramientas: Tableau, D3, Looker Studio, QlikView, Power BI, CARTO.

MÓDULO 6: Visualización de Datos en R con ggplot2

Unidades Didácticas 1-16

  • ggplot2: Creación de gráficos, temas, ejes, leyendas, etc.
  • Interactividad: Gráficos interactivos y técnicas avanzadas.

MÓDULO 7: Analítica Web

Unidades Didácticas 1-11

  • Google Analytics y Tag Manager: Uso y configuración.
  • SEO y SEM: Técnicas de optimización y análisis.
  • Herramientas Adicionales: Hotjar, Power BI, Search Console.

MÓDULO 8: Inteligencia Artificial, Machine Learning y Deep Learning

Unidades Didácticas 1-17

  • Introducción a IA y ML: Tipos y algoritmos.
  • Relación con Big Data: Combinación y aplicaciones.
  • Deep Learning: Redes neuronales, TensorFlow y Keras.

MÓDULO 9: PLN, Chatbots e Inteligencia Artificial

Unidades Didácticas 1-8

  • Procesamiento del Lenguaje Natural: Herramientas y aplicaciones.
  • Chatbots: Desarrollo y uso en diferentes plataformas.

MÓDULO 10: Visión Artificial en Industria 4.0 con Python y OpenCV

Unidades Didácticas 1-8

  • Componentes de un Sistema de Visión Artificial: Cámaras, iluminación, algoritmos.
  • OpenCV: Instalación, manejo de archivos e imágenes, procesamiento avanzado.