Máster en Big Data y Business Analytics

El objetivo del máster es la profundizar en la innovadora área del Big Data y Business Analitycs, de la que cada vez más se requieren profesionales expertos en las empresas.
El alumnado aprenderá todo lo necesario para trabajar en la extracción y gestión del valor del dato, las técnicas de Data Science en R y Python. También estudiará en profundidad las tecnologías de paralelización de datos. Por último, se especializará en la técnicas de aprendizaje automático y de minería de modelos predictivos.
 

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.

 

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.

Informáticos, ingenieros o profesionales dedicados al área del software, o con una carrera desarrollada en el ámbito de la tecnología de la información.

El alumno:

• Asumirá los conocimientos necesarios para trabajar en la extracción y gestión del valor del dato, las técnicas de Data Science en R y Python.
• Profundizará en las tecnologías de paralelización de datos.
• Se especializará en la técnicas de aprendizaje automático y de minería para los modelos predictivos. 

• Con el fin de poder ofrecer soluciones que ayuden a los candidatos que lo necesiten a facilitar su matriculación en el programa, el centro ofrece condiciones de financiación flexibles en sus programas académicos, para que el alumnado pueda ajustar la forma de pago a sus necesidades. 
• Consulta el Plan Benefíciate, por si puedes obtener alguna bonificación en la matrícula de tu programa. 
• El coste del programa es bonificable a través de los seguros sociales de la empresa (Fundación Tripartita), según disponibilidad de crédito de la misma. Esta gestión la realiza ESESA IMF sin coste adicional.