Master Data Science y Análisis de Datos

Ofrecido por: INESEM

Disponible

Categoría: Tags: ,

Titulación Propia Universitaria expedida por la Universidad Antonio de Nebrija con 60 créditos ECTS.

El constante crecimiento de la información que se analiza en las empresas día a día y el desarrollo tan grande las tecnologías, hacen que conceptos como Data Science, Big Data, Analisis de datos estén cada vez mas presentes, sobre todo en el ámbito empresarial, haciendo que el papel de analista de datos ó data scientist sea cada vez más demandado y tenga una importancia muy grande en las empresas.
Con la realización de este máster podrás optar a trabajar en grandes empresas que tramiten grandes cantidades de datos diariamente y podrás realizar la planificación, análisis y extracción de conclusiones de estos datos para la mejora de las decisiones, a veces vitalmente importantes, que toma la empresa para la mejora de sus productos /ventas/herramientas y que pueden llegar a tomar el valor diferencial con la competencia.

  • Aprender en qué consiste el Data Science y el Big Data.
  • Saber manejar grandes volúmenes de información e interpretarla.
  • Capacitar para la conversión de datos en productos o servicios.
  • Desarrollar dashboards para la presentación de información.
  • Conocer y aprender lenguajes de programación estadística.

Con la realización de este máster podrás optar a los siguientes puestos:

  • Data Scientist
  • Analista de datos
  • Business Intelligence Administrator
  • Gestor de infraestructuras de Big Data
  • Business Analyst

Y en general cualquier puesto que necesite el análisis de grandes cantidades de datos para la toma de decisiones.

Duracion : 1500 horas
Precio : 1970 EUR
Modalidad : Online

TEMARIO DEL CURSO

MÓDULO 1. CONCEPTOS PREVIOS EN BIG DATA Y DATA SCIENCE

UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL BIG DATA
¿Qué es Big Data?
La era de las grandes cantidades de información: historia del big data
La importancia de almacenar y extraer información
Big Data enfocado a los negocios
Open Data
Información pública
IoT (Internet of Things – Internet de las cosas)
UNIDAD DIDÁCTICA 2. FASES DE UN PROYECTO DE BIG DATA
Diagnóstico inicial
Diseño del proyecto
Proceso de implementación
Monitorización y control del proyecto
Responsable y recursos disponibles
Calendarización
Alcance y valoración económica del proyecto
UNIDAD DIDÁCTICA 3. INTRODUCCIÓN AL DATA SCIENCE
¿Qué es Data Science?
Historia del Data Science
¿Qué función tiene un Científico de datos?
Data Science vs Big Data. Principales diferencias

MÓDULO 2. ARQUITECTURA BIG DATA

UNIDAD DIDÁCTICA 1. BATCH PROCESSING.
Hadoop
Pig
Hive
Sqoop
Flume
Spark Core
Spark 2.0
UNIDAD DIDÁCTICA 2. STREAMING PROCESSING.
Fundamentos de Streaming Processing
Spark Streaming
Kafka
Pulsar y Apache Apex
Implementación de un sistema real-time
UNIDAD DIDÁCTICA 3. SISTEMAS NOSQL.
Hbase
Cassandra
MongoDB
NeoJ
Redis
Berkeley DB
UNIDAD DIDÁCTICA 4. INTERACTIVE QUERY.
Lucene + Solr
UNIDAD DIDÁCTICA 5. SISTEMAS DE COMPUTACIÓN HÍBRIDOS.
Arquitectura Lambda
Arquitectura Kappa
Apache Flink e implementaciones prácticas
Druid
ElasticSearch
Logstash
Kibana
UNIDAD DIDÁCTICA 6. CLOUD COMPUTING.
Amazon Web Services
Google Cloud Platform
UNIDAD DIDÁCTICA 7. ADMINISTRACIÓN DE SISTEMAS BIG.
Administración e Instalación de clusters: Cloudera y Hortonworks
Optimización y monitorización de servicios
Seguridad: Apache Knox, Ranger y Sentry
UNIDAD DIDÁCTICA 8. VISUALIZACIÓN DE DATOS.
Herramientas de visualización: Tableau y CartoDB
Librerías de Visualización: D, Leaflet, Cytoscape

MÓDULO 3. EXPLOTACIÓN Y ANÁLISIS DE BIG DATA EN DATA SCIENCE

UNIDAD DIDÁCTICA 1. BASES DE DATOS NOSQL Y EL ALMACENAMIENTO ESCALABLE
¿Qué es una base de datos NoSQL?
Bases de datos Relaciones Vs Bases de datos NoSQL
Tipo de Bases de datos NoSQL: Teorema de CAP
Sistemas de Bases de datos NoSQL
UNIDAD DIDÁCTICA 2. INTRODUCCIÓN A UN SISTEMA DE BASES DE DATOS NOSQL: MONGODB
¿Qué es MongoDB?
Funcionamiento y uso de MongoDB
Primeros pasos con MongoDB: Instalación y shell de comandos
Creando nuestra primera Base de Datos NoSQL: Modelo e Inserción de Datos
Actualización de datos en MongoDB: Sentencias set y update
Trabajando con índices en MongoDB para optimización de datos
Consulta de datos en MongoDB
UNIDAD DIDÁCTICA 3. ECOSISTEMA HADOOP
¿Qué es Hadoop? Relación con Big Data
Instalación y configuración de insfraestructura y ecosistema Hadoop
Sistema de archivos HDFS
MapReduce con Hadoop
Apache Hive
Apache Hue
Apache Spark
UNIDAD DIDÁCTICA 4. WEKA Y DATA MINING
¿Qué es Weka?
Técnicas de Data Mining en Weka
Interfaces de Weka
Selección de atributos
UNIDAD DIDÁCTICA 5. PENTAHO UNA SOLUCIÓN OPEN SOURCE PARA BUSINESS INTELLIGENCE
Una aproximación a Pentaho
Soluciones que ofrece Pentaho
MongoDB & Pentaho
Hadoop & Pentaho
Weka & Pentaho

MÓDULO 4. ANALÍTICA WEB Y BIG DATA

UNIDAD DIDÁCTICA 1. ¿QUÉ ES LA ANALÍTICA WEB?
Introducción
La Analítica Web: Un reto cultural
¿Qué puede hacer la analítica web por ti o tu empresa?
Glosario de Analítica Web
UNIDAD DIDÁCTICA 2. ANALÍTICA WEB BÁSICA: INTRODUCCIÓN
La analítica web en la actualidad
Definiendo la analítica web
El salto a la analítica web moderna
UNIDAD DIDÁCTICA 3. ANALIZAR LA INFORMACIÓN CUANTITATIVA
Identificar los factores críticos
Otros factores que convienen medir
Las macro y microconversiones
Medir el valor económico
Sitios sin comercio: valores a medir
Medición de sitios BB
UNIDAD DIDÁCTICA 4. ANALIZAR LA INFORMACIÓN CUALITATIVA
Introducción
La usabilidad Web
Pruebas Online y a Distancia
Las encuestas
UNIDAD DIDÁCTICA 5. DEFINICIÓN DE KPIS
Definición de KPIs
KPI, CSF y metas
Principales KPIS
Ejemplos de KPIS
Supuesto práctico: Cálculo de KPI con Excel
UNIDAD DIDÁCTICA 6. CI: INTELIGENCIA COMPETITIVA
Introducción
Recopilar datos de Inteligencia Competitiva
Análisis del tráfico de sitios web
Búsquedas
UNIDAD DIDÁCTICA 7. ANALÍTICA WEB 2.0. MÓVILES Y VÍDEOS
Introducción
La nueva web social y como medir datos
Las aplicaciones
Analizar el comportamiento desde el móvil
Analizar el rendimiento de los vídeos
UNIDAD DIDÁCTICA 8. ANALÍTICA WEB 2.0. REDES SOCIALES
Análisis de Blogs
Coste y beneficios de escribir en un blog
Nuestro impacto en Twitter
Métricas para Twitter
UNIDAD DIDÁCTICA 9. PROBLEMAS Y SOLUCIONES DE LA ANALÍTICA WEB
La calidad de los datos
Obtener datos válidos
¿En qué basarnos para la toma de decisiones?
Beneficios de análisis multicanal
UNIDAD DIDÁCTICA 10. MÁS ALLÁ DE LOS DATOS
Segmentación en base al comportamiento
Predicción y minería de datos
Rumbo a la analítica inteligente
UNIDAD DIDÁCTICA 11. DEL BIG DATA AL LINKED OPEN DATA
Concepto de web semántica
Linked Data Vs Big Data
Lenguaje de consulta SPARQL

MÓDULO 5. DATA SCIENCE

UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA CIENCIA DE DATOS
¿Qué es la ciencia de datos?
Herramientas necesarias para el científico de datos
Data Science & Cloud Computing
Aspectos legales en Protección de Datos
UNIDAD DIDÁCTICA 2. BASES DE DATOS RELACIONALES
Introducción
El modelo relacional
Lenguaje de consulta SQL
MySQL: Una base de datos relacional
UNIDAD DIDÁCTICA 3. PRE-PROCESAMIENTO & PROCESAMIENTO DE DATOS
Obtención y limpieza de los datos (ETL)
Inferencia estadística
Modelos de regresión
Pruebas de hipótesis
UNIDAD DIDÁCTICA 4. ANÁLISIS DE LOS DATOS
Inteligencia Analítica de negocios
La teoría de grafos y el análisis de redes sociales
Presentación de resultados

MÓDULO 6. INTRODUCCIÓN A LA PROGRAMACIÓN ESTADÍSTICA

UNIDAD DIDÁCTICA 1. PYTHON Y EL ANÁLISIS DE DATOS
Introducción a Python
¿Qué necesitas?
Librerías para el análisis de datos en Python
MongoDB, Hadoop y Python: Dream Team del Big Data
UNIDAD DIDÁCTICA 2. R COMO HERRAMIENTA PARA BIG DATA
Introducción a R
¿Qué necesitas?
Tipos de datos
Estadística Descriptiva y Predictiva con R
Integración de R en Hadoop

MÓDULO 7. CUADRO DE MANDO Y DASHBOARD

UNIDAD DIDÁCTICA 1. DEFINICIÓN DE KPIS
Definición de KPIs
KPI, CSF y metas
Principales KPIS
Ejemplos de KPIS
Supuesto práctico: Cálculo de KPI con Excel
UNIDAD DIDÁCTICA 2. CONCEPTO Y CREACIÓN DE CUADROS DE MANDO
Introducción a los cuadros de mando y dashboard
Estrategias para la creación de un cuadro de mando
Dashboard en Excel o Google Analytics
UNIDAD DIDÁCTICA 3.HERRAMIENTAS PARA LA CREACIÓN DE CUADROS DE MANDO
Aplicaciones gratuitas
Aplicaciones propietarias

MÓDULO 8. DATA WAREHOUSE CON HERRAMIENTAS BI (BUSINESS INTELLIGENCE)

UNIDAD DIDÁCTICA 1. PRESENTACIÓN
Nociones básicas
Concepto de DataWareHouse
UNIDAD DIDÁCTICA 2. DATA WAREHOUSE
Aplicación
Elementos
Data Warehouse en la nube
UNIDAD DIDÁCTICA 3. DATAMART
Datamart
DataMart: Componentes
UNIDAD DIDÁCTICA 4. BASE DE DATOS CENTRAL
Base de datos central
UNIDAD DIDÁCTICA 5. IMPLEMENTACIÓN DE CUBOS 75
Creación de Cubos
Transformación, extracción y carga
UNIDAD DIDÁCTICA 6. SISTEMAS OLAP
Discoverer Administrador
MOLAP, ROLAP & HOLAP
Sistema de Soporte a la Desición (DSS)
Sistemas de Información Ejecutiva (EIS)
Cliente y Servidor
Discoverer Desktop
UNIDAD DIDÁCTICA 7. MINERÍA DE DATOS
Minería de datos
¿Qué podemos hacer con data Mining?
¿Qué usos puede tener el data Mining?
Metodología de la minería de datos
Algunas técnicas estadísticas utilizadas en data mining
Árboles de decisión
Reglas de inducción
Redes Bayesanas
Algoritmos Genéticos
UNIDAD DIDÁCTICA 8. CICLO DATA MINING
Ciclo data mining
Minería de Textos y Web Mining
Data mining y marketing

MÓDULO 9. PROYECTO FINAL

Main Menu