Descripción
El sector de la gestión digital de datos está experimentando un cambio muy vertiginoso, y no solo en el aspecto empresarial o tecnológico en sí mismo, sino porque hoy día gestionar una empresa en este ámbito de actividad requiere entender el entorno estratégico y las claves de la rápida evolución. Para ello, es imprescindible que los profesionales estén formados y sean capaces de gestionar correctamente las herramientas.
El Máster en Big Data y Business Analytics, en modalidad presencial o semipresencial, ofrece una formación especializada de alto nivel, que le permitirá hacer frente a situaciones reales de las empresas del sector del transporte de viajeros y de movilidad en general.
Un programa que potencia las habilidades directivas y personales del alumno, con una metodología innovadora que va más allá de la adquisición de conocimientos.
La estructura del Máster en Big Data y Business Analytics en Málaga se conforma de las siguientes áreas, a las que hay que añadir las horas dedicadas a formación en habilidades y competencias:
ÁREA 1: Fundamentos tecnológicos para el tratamiendo de datos.
- Manejo de máquinas virtuales y terminal de comandos.
- Fundamentos de programación con 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.
ÁREA 2: Modelos y aprendizaje estadísticos.
- Lenguaje R y tratamiento de datos.
- Análisis exploratorio de datos.
- Probabilidad e Inferencia estadística.
- Modelos lineales y aprendizaje estadístico.
- Regresión logística, modelos restringidos de ridge y lasso y gradiente descendiente.
- GLMS y series temporales.
ÁREA 3: Aprendizaje automático aplicado.
- Introducción al aprendizaje automático.
- Modelos supervisados.
- Modelos no supervisados.
- Ingeniería de características y selección de modelos.
- Modelos conexionistas.
- Reglas de asociación y market basket analysis.
ÁREA 4: Minería de texto y procesamiento del lenguaje natural (PLN).
- Introducción histórica y tecnológica.
- Herramientas pln I: NLTK.
- Herramientas de PLN II: Brat y Gate.
- Text mining I: clustering.
- Text mining II: sentimiento y temas.
- Otras aplicaciones y técnicas de PLN.
ÁREA 5: Business Inteligence y visualización.
- Introducción al Business Inteligence.
- Almacenes de datos y bases de datos analíticas.
- Herramientas de extracción, transformación y carga.
- Aplicaciones de Business Intelegence.
- Fundamentos de visualización de datos.
- Herramientas de visualización.
ÁREA 6: Infraestructura de 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
ÁREA 7: 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.
ÁREA 8: 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.
ÁREA 9: 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 (el rating de empresas).
- Caso de estudio en analítica de clientes: Location Analytics.
- Caso de estudio de técnicas de recuperación de información.
ÁREA 10: Trabajo fin de máster.
Competencias para las que te prepara el curso
Después de la realización de este programa el participante será capaz de:
- 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 pro
gramación estadística.
- Aplicar técnicas de aprendizaje automático y de minería de texto a la extracción de valor de los datos y a la construc
ción de modelos predictivos.
- Comprender de manera práctica las principales tecnologías de paralelización de datos, para procesamiento
batch o streaming, y conocer cuándo utilizar unas u otras.
