ESIC University

Programa Superior en Big Data (PSBD)

ESIC University
Este curso no está actualmente activo en nuestra Web
  • Imparte:
  • Modalidad:
    Presencial en Madrid
  • Precio:
    Información no disponible
  • Comienzo:
    Información no disponible
  • Lugar:
    Avda. de Valdenigrales, s/n
    Madrid 28223
    España
  • Horario:
    Viernes de 17 a 22 hora y sábados de 9 a 14 horas
  • Duración:
    120 Horas

Presentación

Aprende las técnicas de análisis en entornos Big Data para tomar decisiones de negocio

Vivimos en un mundo “Big Data”. Este término está relacionado con la tecnología para manejar inmensas cantidades de datos, recogidas en diferentes formatos y a partir de una gran variedad de orígenes cada segundo. Estos datos hablan de nosotros, de nuestra vida diaria y son recogidos tanto de fuentes nuevas como tradicionales, constituyendo una gran oportunidad de mejorar el conocimiento de los clientes.

Uno de los principales factores de éxito en las empresas de hoy es convertir esos grandes volúmenes de datos, siempre cambiantes y de orígenes diversos, en información válida para la toma de decisiones. En este curso de big data aprenderás, desde un punto de vista práctico y realista, a abordar y resolver problemáticas analíticas desde entornos big data, dando respuestas a través de soluciones tecnológicas tanto en tiempo real como en diferido. Recorreremos contigo el camino desde el área de análisis de cliente, CRM o B.I. tradicionales hacia los nuevos retos en proyectos Big Data.

¿Quieres convertirte en un experto en Big Data?

Dirigido

Directores y Responsables de Marketing.
Responsables de ecommerce.
Director Desarrollo de Negocio.
Diseño estrategias e innovación en negocio.
Responsables de área CRM, BI, Datawarehouse.
Responsables de área CX.
Responsables áreas Digital y Multicanalidad.
Analistas de datos - OLAP, Datamining o Negocio.
Analistas CX.
Consultores CRM.
Consultores BI tradicional.
Profesionales construcción Datawarehouse.
Responsables de base de datos de clientes.

Objetivos

Detecta, plantea y aborda problemáticas con big data.
Conoce las principales herramientas en big data y las plataformas tecnológicas que puedes usar.
Diseña la arquitectura big data adaptada a tus necesidades.
Visualiza y analiza información en big data, conoce los tipos de información y sus posibles aprovechamientos.
Descubre las principales técnicas y herramientas analíticas.
Aprende a construir un data lake.
Conoce las diferencias entre datamining y machine learning.

Programa

MÓDULO 1: Entendiendo big data
1. ¿Qué es Big Data?

Introducción.
Evolución histórica de almacenamiento y proceso de la información.
Definición de big data.
Ejemplos de uso en big data.
Del big data al small data.
Presentación de la plataforma big data para prácticas.
Planteamiento de objetivos de proyecto fin de curso.
2. Cómo detectar, plantear y abordar oportunidades de negocio con big data.

Big data en diferentes áreas de negocio: marketing, conocimiento del cliente, riesgo, fraude, customer experience.
Tipos de datos y disponibilidad.
Fortalezas y debilidades de los nuevos tipos de datos generados on-line, móviles y redes sociales.
Implementar una arquitectura de datos para ayudar en la toma de decisiones.
Conjugar datos de comportamiento con datos referidos al cliente (internos y externos).
Privacidad de datos. Aspectos legales.
3. Almacenamiento y procesamiento de la información en big data.

Virtualización y cloud computing.
Volumen. Almacenamiento.
Variedad. Tipos de datos a almacenar.
Velocidad: procesamiento paralelo. Hadoop.
Map reduce.
Hive. SPARK.
Motores de búsqueda. ElasticSearch.
4. Valor de Negocio. Transformación en conocimiento.

Extraer información de los datos estructurados y no estructurados.
Sistemas de anonimización.
Transformación de datos en conocimiento.
Valor del cliente vs Comportamiento del cliente.
5. Aplicaciones de negocio en telecomunicaciones y banca. Casos prácticos (I)

Visión comercial big data en sectores telecomunicación y banca.
Casos prácticos de monetización del big data en estos sectores.

MÓDULO 2: Tecnología y métodos analíticos en big data
6. Arquitectura de soluciones en Big Data.

Procesos Batch.
Procesos en Real Time.
Escalabilidad.
Disponibilidad.
Fiabilidad.
7. Plataformas Big Data I . Introducción a Hive, Spark, Search Machines

Plataforma ejemplo (determinación pendiente).
Hive – Hbase – Impala.
Introducción Spark.
Search Machines.
8. Plataformas Big Data II y III. Introducción lenguajes Python, PIG

Introducción a Lenguajes.
Python.
PIG.
9. Técnicas y Herramientas para construcción de un Data Lake

Del EDW al Data Lake.
Bad Data vs Great Data.
Big Data and Dataquality.
10. Técnicas para visualización y análisis en Big Data: Datamining vs Machine Learning

Datamining vs machine learning. Desmitificación estadística / data mining / big data / data Science. Tendencias y consolidación. Modelo de madurez en analytics.
Data Science. Introducción al método científico. Rigor, validez y fiabilidad. Diseños de investigación. Los procesos de análisis en Data Science.Reporte y uso de los insights.
Principales técnicas analíticas en Big Data. Mapa de técnicas para análisis descriptivo, predictivo, prescriptivo, causal y mecanístico. Selección y combinación de técnicas.
11. Técnicas para visualización y análisis en Big Data: Machine Learning. Casos prácticos y tendencias actuales.

Introducción al Aprendizaje Automático (Machine Learning). Introducción al aprendizaje. Aprendizaje supervisado y no supervisado. Principales técnicas en Aprendizaje Automático. Casos reales y ejemplos.
Tendencias actuales en Aprendizaje Automático. Introducción a Ensemble learning. Bagging, Boosting, Stacking.
Nuevas tendencias en data science y big data analytics. Cognitive Computing. Introducción a PLN. Watson Analytics. ML as a Service Azure ML. Amazon Machine Learning, Google Prediction API
12. Técnicas Analíticas con Spark y Modelado predictivo 3

Técnicas analíticas: Spark. Monoides, Monadas y Computación distribuida. RDD y Dataframes. Análisis de datos.Notebooks con Spark.
Modelado Predictivo: Introducción al modelado estadístico. Comprensión y visualización de datos. Predicción con regresión lineal. Clasificación de patrones con regresión logística. Otras técnicas estadísticas.

MÓDULO 3: Aplicaciones de negocio con big data
13. Aplicaciones de Negocio. Casos prácticos (II-III): Big Data en sector Media y Analítica Web.

Big Data en Media. Empleo de Big Data en el sector Media con el objetivo de mejorar la experiencia de cliente: Necesidad de Negocio. Planteamiento de la solución. Construcción de Data Lake. Analítica en Big Data, conocimiento del cliente. Operatividad en entorno Big Data. Venta programática.
Analítica web. Caso práctico de empleo de analítica en web para mejorar el conocimiento y comportamiento del cliente: Adquisición, comportamiento,conversión.
14. Aplicaciones de Negocio. Casos prácticos (IV-V): Big Analytic en Call Center y Construcción de un Data Lake en Telecomunicaciones

Big Analytic. Uso de técnicas bayesianas en casos prácticos: Optimización de las operaciones del Call Center. Mejorar la organización, dimensionamiento, gestión de contratos, detección de fallos en la operación, etc. Generar una nueva fuente de ingresos.
Usos IoT: Previsiones de Saltos de Alarma Medio Horarios.
Big Data en Telecomunicaciones: Construcción de un Data Lake. Generación de indicadores de riesgo de clientes. Análisis del comportamiento de las comunicaciones. Implementación de reglas de decisión en tiempo real.

Cursos relacionados que SÍ están activos

Publicidad

Ver otros masters de...