INESEM Business School

Master en Big Data y Data Science

INESEM Business School
Este curso no está actualmente activo en nuestra Web
  • Imparte:
  • Modalidad:
    Online
  • Precio:
    1.795 €
  • Comienzo:
    Información no disponible
  • Lugar:
    Se imparte Online
  • Duración:
    1500 Horas
  • Titulación:
    Titulación Expedida y Avalada por el Instituto Europeo de Estudios Empresariales “Enseñanza no oficial y no conducente a la obtención de un título con carácter oficial o certificado de profesionalidad.”

Presentación

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.

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.

Programa

MÓDULO 1. BIG DATA Y STORYTELLING
UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL BIG DATA
UNIDAD DIDÁCTICA 2. FUENTES DE DATOS
UNIDAD DIDÁCTICA 3. OPEN DATA
UNIDAD DIDÁCTICA 4. FASES DE UN PROYECTO DE BIG DATA
UNIDAD DIDÁCTICA 5. BUSINESS INTELLIGENCE Y LA SOCIEDAD DE LA INFORMACIÓN
UNIDAD DIDÁCTICA 6. PRINCIPALES PRODUCTOS DE BUSINESS INTELLIGENCE
UNIDAD DIDÁCTICA 7. BIG DATA Y MARKETING
UNIDAD DIDÁCTICA 8. DEL BIG DATA AL LINKED OPEN DATA
UNIDAD DIDÁCTICA 9. INTERNET DE LAS COSAS
UNIDAD DIDÁCTICA 10. STORYTELLING
MÓDULO 2. DATA SCIENCE: ALMACENAMIENTO, ANÁLISIS Y PROCESAMIENTO DE DATOS
UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA CIENCIA DE DATOS
UNIDAD DIDÁCTICA 2. BASES DE DATOS RELACIONALES
UNIDAD DIDÁCTICA 3. BASES DE DATOS NOSQL Y EL ALMACENAMIENTO ESCALABLE
UNIDAD DIDÁCTICA 4. INTRODUCCIÓN A UN SISTEMA DE BASES DE DATOS NOSQL: MONGODB
UNIDAD DIDÁCTICA 5. WEKA Y DATA MINING
UNIDAD DIDÁCTICA 6. PENTAHO
UNIDAD DIDÁCTICA 7. R COMO HERRAMIENTA PARA BIG DATA
UNIDAD DIDÁCTICA 8. PRE-PROCESAMIENTO & PROCESAMIENTO DE DATOS
UNIDAD DIDÁCTICA 9. ANÁLISIS DE LOS DATOS
MÓDULO 3. ANÁLISIS DE DATOS CON PYTHON
UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL ANÁLISIS DE DATOS
UNIDAD DIDÁCTICA 2. LIBRERÍAS PARA EL ANÁLISIS DE DATOS: NUMPY, PANDAS Y MATPLOTLIB
UNIDAD DIDÁCTICA 3. FILTRADO Y EXTRACCIÓN DE DATOS
UNIDAD DIDÁCTICA 4. PIVOT TABLES
UNIDAD DIDÁCTICA 5. GROUPBY Y FUNCIONES DE AGREGACIÓN
UNIDAD DIDÁCTICA 6. FUSIÓN DE DATAFRAMES
UNIDAD DIDÁCTICA 7. VISUALIZACIÓN DE DATOS CON MATPLOTLIB Y CON SEABORN
UNIDAD DIDÁCTICA 8. INTRODUCCIÓN AL MACHINE LEARNING
UNIDAD DIDÁCTICA 9. REGRESIÓN LINEAL Y REGRESIÓN LOGÍSTICA
UNIDAD DIDÁCTICA 10. ÁRBOL DE DECISIONES
UNIDAD DIDÁCTICA 11. NAIVE BAYES
UNIDAD DIDÁCTICA 12. SUPPORT VECTOR MACHINES (SVM)
UNIDAD DIDÁCTICA 13. KNN
UNIDAD DIDÁCTICA 14. PRINCIPAL COMPONENT ANALYSIS (PCA)
UNIDAD DIDÁCTICA 15. RANDOM FOREST
MÓDULO 4. DATA MINING, APRENDIZAJE AUTOMÁTICO Y MACHINE LEARNING
UNIDAD DIDÁCTICA 1. MINERÍA DE DATOS O DATA MINING Y EL APRENDIZAJE AUTOMÁTICO
UNIDAD DIDÁCTICA 2. EL CICLO DE DATA MINING: FASES Y TIPOS DE PROBLEMAS
UNIDAD DIDÁCTICA 3. TÉCNICAS DE DATA MINING
UNIDAD DIDÁCTICA 4. ECOSISTEMA HADOOP
UNIDAD DIDÁCTICA 5. INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL
UNIDAD DIDÁCTICA 6. ALGORITMOS APLICADOS A LA INTELIGENCIA ARTIFICIAL
UNIDAD DIDÁCTICA 7. RELACIÓN ENTRE INTELIGENCIA ARTIFICIAL Y BIG DATA
UNIDAD DIDÁCTICA 8. SISTEMAS EXPERTOS
UNIDAD DIDÁCTICA 9. INTRODUCCIÓN AL MACHINE LEARNING
UNIDAD DIDÁCTICA 10. EXTRACCIÓN DE ESTRUCTURA DE LOS DATOS: CLUSTERING
UNIDAD DIDÁCTICA 11. SISTEMAS DE RECOMENDACIÓN
UNIDAD DIDÁCTICA 12. CLASIFICACIÓN
UNIDAD DIDÁCTICA 13. REDES NEURONALES Y DEEP LEARNING
UNIDAD DIDÁCTICA 14. SISTEMAS DE ELECCIÓN
MÓDULO 5. DESARROLLO DE DEEP LEARNING
UNIDAD DIDÁCTICA 1. DEEP LEARNING CON PYTHON, KERAS Y TENSORFLOW
UNIDAD DIDÁCTICA 2. SISTEMAS NEURONALES
UNIDAD DIDÁCTICA 3. REDES DE UNA SOLA CAPA
UNIDAD DIDÁCTICA 4. REDES MULTICAPA
UNIDAD DIDÁCTICA 5. ESTRATEGIAS DE APRENDIZAJE
MÓDULO 6. PLN, CHATBOTS E INTELIGENCIA ARTIFICIAL
UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL PLN
UNIDAD DIDÁCTICA 2. PLN EN PYTHON
UNIDAD DIDÁCTICA 3. COMPUTACIÓN DE LA SINTAXIS PARA EL PLN
UNIDAD DIDÁCTICA 4. COMPUTACIÓN DE LA SEMÁNTICA PARA EL PLN
UNIDAD DIDÁCTICA 5. RECUPERACIÓN Y EXTRACCIÓN DE LA INFORMACIÓN
UNIDAD DIDÁCTICA 6. ¿QUÉ ES UN CHATBOT?
UNIDAD DIDÁCTICA 7. RELACIÓN ENTRE IA Y CHATBOTS
UNIDAD DIDÁCTICA 8. ÁMBITOS DE APLICACIÓN CHATBOTS
MÓDULO 7. POWER BI
UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A POWER BI
UNIDAD DIDÁCTICA 2. INSTALACIÓN DE POWER BI
UNIDAD DIDÁCTICA 3. MODELADO DE DATOS
UNIDAD DIDÁCTICA 4. VISUALIZACIÓN DE DATOS
UNIDAD DIDÁCTICA 5. DASHBOARDS
UNIDAD DIDÁCTICA 6. USO COMPARTIDO DE DATOS
MÓDULO 8. ANALÍTICA WEB
UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA ANALÍTICA WEB
UNIDAD DIDÁCTICA 2. GOOGLE ANALYTICS 4
UNIDAD DIDÁCTICA 3. GOOGLE TAG MANAGER
UNIDAD DIDÁCTICA 4. MODELOS DE ATRIBUCIÓN
UNIDAD DIDÁCTICA 5. CREACIÓN DE DASHBORAD CON GOOGLE DATA STUDIO
UNIDAD DIDÁCTICA 6. ANALÍTICA WEB ORIENTADA AL SEO
UNIDAD DIDÁCTICA 7. ANALÍTICA WEB ORIENTADA AL SEM
UNIDAD DIDÁCTICA 8. ANALÍTICA WEB ORIENTADA A LAS REDES SOCIALES
UNIDAD DIDÁCTICA 9. TÉCNICAS Y ESTRATEGIAS
UNIDAD DIDÁCTICA 10. OTRAS HERRAMIENTAS PARA ANALÍTICA WEB
UNIDAD DIDÁCTICA 11. COOKIES Y TECNOLOGÍAS DE SEGUIMIENTO
MÓDULO 9. PROYECTO FIN DE MÁSTER

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.

Cursos relacionados que SÍ están activos

Publicidad

Ver otros masters de...