INESEM.ES logo

Master Data Science y Análisis de Datos

En un entorno digitalizado en el que ingentes cantidades de información llegan a las empresas, es fundamental el tratamiento y la minería de datos. Esto contribuye a la búsqueda de profesionales con un perfil analítico y conocimientos profundos en Data Science. Especialízate con este Master Análisis de Datos y Data Science para adentrarte en un sector tecnológico en alza y expectativas muy favorables de empleo.

Titulacion de Antonio de Nebrija
  • Online
  • 1500 h.
  • 60 ECTS
  • Abierta
  • 1970€
  • garantizadas
 
¿Quieres más info?
Información básica sobre Protección de Datos. Pinche aquí
Responsable INSTITUTO EUROPEO DE ESTUDIOS EMPRESARIALES, S.A. Finalidad Información académica y comercial de nuestros servicios de enseñanza Legitimación Consentimiento del interesado Destinatarios Encargados del tratamiento para cumplir con las finalidades Derechos Acceder, rectificar y suprimir los datos, así como otros derechos, como se explica en la información adicional

Información adicional Pulsa aquí

* El campo es obligatorio
Contacta por whatsapp
+34 958 050 205
L-J 9-18:30 h V 9-15 h

Programa del Master Data Science y Análisis de Datos

 
 
Para qué te prepara

El Master Análisis de Datos y Data Science Universitario con 60ECTS te prepara para tomar decisiones fundadas en el análisis de Big Data, Analítica Web y Data Science. Conocerás en profundidad la arquitectura del Big Data mediante técnicas como el Batch Processing o el Cloud Computing. Serás capaz de procesar datos con Hadoop y de utilizar técnicas de minería de datos. Dominarás las herramientas de Business Intelligence como los Sistemas OLAP para el análisis de datos.

 
Objetivos
  • Llevar a cabo el procesamiento de datos relacionales con el lenguaje de consulta SQL.
  • Analizar las bases de datos con Sistemas NOSQL (MongoBD) o Sistemas de Computación híbridos.
  • Utilizar técnicas de Data Mining y el software libre Pentaho para Business Intelligence.
  • Gestionar la información obtenida en la web y estudiar las principales KPIs.
  • Conocer el concepto de Linked Open Data y el lenguaje de consulta SPARQL.
  • Conocer las estrategias de creación de Dashboards y cuadros de mando en Excel o Google Analytics.
  • Desarrollar bases de datos DataMart a partir del Data Warehouse de las empresas.
 
A quién va dirigido

El presente Master Análisis de Datos y Data Science se dirige a los titulados universitarios de las ramas de Matemáticas, Estadística, Informática, Marketing y Comunicación. Principalmente se enfoca a aquellos que busquen una formación universitaria y deseen especializarse en el Data Science, adquiriendo 60 créditos ECTS y alcanzando un grado de especialización elevado.

 
Salidas Profesionales

Este Master Análisis de Datos y Data Science expedido por la Universidad de Nebrija te ofrece numerosas salidas profesionales en el ámbito del análisis de datos y la toma de decisiones: Analista de Datos, Arquitecto de Datos, Estadístico, Analista de Negocio, Data Engineer, Consultor Big Data, Programador SQL. Podrás ejercer la novedosa figura de Chief Data Officer (CDO), muy demandada en la actualidad.

MÓDULO 1. CONCEPTOS PREVIOS EN BIG DATA Y DATA SCIENCE
UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL BIG DATA
  1. ¿Qué es Big Data?
  2. La era de las grandes cantidades de información: historia del big data
  3. La importancia de almacenar y extraer información
  4. Big Data enfocado a los negocios
  5. Open Data
  6. Información pública
  7. IoT (Internet of Things - Internet de las cosas)
UNIDAD DIDÁCTICA 2. FASES DE UN PROYECTO DE BIG DATA
  1. Diagnóstico inicial
  2. Diseño del proyecto
  3. Proceso de implementación
  4. Monitorización y control del proyecto
  5. Responsable y recursos disponibles
  6. Calendarización
  7. Alcance y valoración económica del proyecto
UNIDAD DIDÁCTICA 3. INTRODUCCIÓN AL DATA SCIENCE
  1. ¿Qué es Data Science?
  2. Historia del Data Science
  3. ¿Qué función tiene un Científico de datos?
  4. Data Science vs Big Data. Principales diferencias
MÓDULO 2. ARQUITECTURA BIG DATA
UNIDAD DIDÁCTICA 1. BATCH PROCESSING.
  1. Hadoop
  2. Pig
  3. Hive
  4. Sqoop
  5. Flume
  6. Spark Core
  7. Spark 2.0
UNIDAD DIDÁCTICA 2. STREAMING PROCESSING.
  1. Fundamentos de Streaming Processing
  2. Spark Streaming
  3. Kafka
  4. Pulsar y Apache Apex
  5. Implementación de un sistema real-time
UNIDAD DIDÁCTICA 3. SISTEMAS NOSQL.
  1. Hbase
  2. Cassandra
  3. MongoDB
  4. NeoJ
  5. Redis
  6. Berkeley DB
UNIDAD DIDÁCTICA 4. INTERACTIVE QUERY.
  1. Lucene + Solr
UNIDAD DIDÁCTICA 5. SISTEMAS DE COMPUTACIÓN HÍBRIDOS.
  1. Arquitectura Lambda
  2. Arquitectura Kappa
  3. Apache Flink e implementaciones prácticas
  4. Druid
  5. ElasticSearch
  6. Logstash
  7. Kibana
UNIDAD DIDÁCTICA 6. CLOUD COMPUTING.
  1. Amazon Web Services
  2. Google Cloud Platform
UNIDAD DIDÁCTICA 7. ADMINISTRACIÓN DE SISTEMAS BIG.
  1. Administración e Instalación de clusters: Cloudera y Hortonworks
  2. Optimización y monitorización de servicios
  3. Seguridad: Apache Knox, Ranger y Sentry
UNIDAD DIDÁCTICA 8. VISUALIZACIÓN DE DATOS.
  1. Herramientas de visualización: Tableau y CartoDB
  2. 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
  1. ¿Qué es una base de datos NoSQL?
  2. Bases de datos Relaciones Vs Bases de datos NoSQL
  3. Tipo de Bases de datos NoSQL: Teorema de CAP
  4. Sistemas de Bases de datos NoSQL
UNIDAD DIDÁCTICA 2. INTRODUCCIÓN A UN SISTEMA DE BASES DE DATOS NOSQL: MONGODB
  1. ¿Qué es MongoDB?
  2. Funcionamiento y uso de MongoDB
  3. Primeros pasos con MongoDB: Instalación y shell de comandos
  4. Creando nuestra primera Base de Datos NoSQL: Modelo e Inserción de Datos
  5. Actualización de datos en MongoDB: Sentencias set y update
  6. Trabajando con índices en MongoDB para optimización de datos
  7. Consulta de datos en MongoDB
UNIDAD DIDÁCTICA 3. PROCESAMIENTO DISTRIBUIDO DE DATOS CON HADOOP
  1. ¿Qué es Hadoop?
  2. El sistema de archivos HDFS
  3. Algunos comandos de referencia
  4. Procesamiento MapReduce con Hadoop
  5. El de los clusters en Hadoop
UNIDAD DIDÁCTICA 4. WEKA Y DATA MINING
  1. ¿Qué es Weka?
  2. Técnicas de Data Mining en Weka
  3. Interfaces de Weka
  4. Selección de atributos
UNIDAD DIDÁCTICA 5. PENTAHO UNA SOLUCIÓN OPEN SOURCE PARA BUSINESS INTELLIGENCE
  1. Una aproximación a Pentaho
  2. Soluciones que ofrece Pentaho
  3. MongoDB & Pentaho
  4. Hadoop & Pentaho
  5. Weka & Pentaho
MÓDULO 4. ANALÍTICA WEB Y BIG DATA
UNIDAD DIDÁCTICA 1. ¿QUÉ ES LA ANALÍTICA WEB?
  1. Introducción
  2. La Analítica Web: Un reto cultural
  3. ¿Qué puede hacer la analítica web por ti o tu empresa?
  4. Glosario de Analítica Web
UNIDAD DIDÁCTICA 2. ANALÍTICA WEB BÁSICA: INTRODUCCIÓN
  1. La analítica web en la actualidad
  2. Definiendo la analítica web
  3. El salto a la analítica web moderna
UNIDAD DIDÁCTICA 3. ANALIZAR LA INFORMACIÓN CUANTITATIVA
  1. Identificar los factores críticos
  2. Otros factores que convienen medir
  3. Las macro y microconversiones
  4. Medir el valor económico
  5. Sitios sin comercio: valores a medir
  6. Medición de sitios BB
UNIDAD DIDÁCTICA 4. ANALIZAR LA INFORMACIÓN CUALITATIVA
  1. Introducción
  2. La usabilidad Web
  3. Pruebas Online y a Distancia
  4. Las encuestas
UNIDAD DIDÁCTICA 5. DEFINICIÓN DE KPIS
  1. Definición de KPIs
  2. KPI, CSF y metas
  3. Principales KPIS
  4. Ejemplos de KPIS
  5. Supuesto práctico: Cálculo de KPI con Excel
UNIDAD DIDÁCTICA 6. CI: INTELIGENCIA COMPETITIVA
  1. Introducción
  2. Recopilar datos de Inteligencia Competitiva
  3. Análisis del tráfico de sitios web
  4. Búsquedas
UNIDAD DIDÁCTICA 7. ANALÍTICA WEB 2.0. MÓVILES Y VÍDEOS
  1. Introducción
  2. La nueva web social y como medir datos
  3. Las aplicaciones
  4. Analizar el comportamiento desde el móvil
  5. Analizar el rendimiento de los vídeos
UNIDAD DIDÁCTICA 8. ANALÍTICA WEB 2.0. REDES SOCIALES
  1. Análisis de Blogs
  2. Coste y beneficios de escribir en un blog
  3. Nuestro impacto en Twitter
  4. Métricas para Twitter
UNIDAD DIDÁCTICA 9. PROBLEMAS Y SOLUCIONES DE LA ANALÍTICA WEB
  1. La calidad de los datos
  2. Obtener datos válidos
  3. ¿En qué basarnos para la toma de decisiones?
  4. Beneficios de análisis multicanal
UNIDAD DIDÁCTICA 10. MÁS ALLÁ DE LOS DATOS
  1. Segmentación en base al comportamiento
  2. Predicción y minería de datos
  3. Rumbo a la analítica inteligente
UNIDAD DIDÁCTICA 11. DEL BIG DATA AL LINKED OPEN DATA
  1. Concepto de web semántica
  2. Linked Data Vs Big Data
  3. Lenguaje de consulta SPARQL
MÓDULO 5. DATA SCIENCE
UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA CIENCIA DE DATOS
  1. ¿Qué es la ciencia de datos?
  2. Herramientas necesarias para el científico de datos
  3. Data Science & Cloud Computing
  4. Aspectos legales en Protección de Datos
UNIDAD DIDÁCTICA 2. BASES DE DATOS RELACIONALES
  1. Introducción
  2. El modelo relacional
  3. Lenguaje de consulta SQL
  4. MySQL: Una base de datos relacional
UNIDAD DIDÁCTICA 3. PRE-PROCESAMIENTO & PROCESAMIENTO DE DATOS
  1. Obtención y limpieza de los datos (ETL)
  2. Inferencia estadística
  3. Modelos de regresión
  4. Pruebas de hipótesis
UNIDAD DIDÁCTICA 4. ANÁLISIS DE LOS DATOS
  1. Inteligencia Analítica de negocios
  2. La teoría de grafos y el análisis de redes sociales
  3. Presentación de resultados
MÓDULO 6. INTRODUCCIÓN A LA PROGRAMACIÓN ESTADÍSTICA
UNIDAD DIDÁCTICA 1. PYTHON Y EL ANÁLISIS DE DATOS
  1. Introducción a Python
  2. ¿Qué necesitas?
  3. Librerías para el análisis de datos en Python
  4. MongoDB, Hadoop y Python: Dream Team del Big Data
UNIDAD DIDÁCTICA 2. R COMO HERRAMIENTA PARA BIG DATA
  1. Introducción a R
  2. ¿Qué necesitas?
  3. Tipos de datos
  4. Estadística Descriptiva y Predictiva con R
  5. Integración de R en Hadoop
MÓDULO 7. CUADRO DE MANDO Y DASHBOARD
UNIDAD DIDÁCTICA 1. DEFINICIÓN DE KPIS
  1. Definición de KPIs
  2. KPI, CSF y metas
  3. Principales KPIS
  4. Ejemplos de KPIS
  5. Supuesto práctico: Cálculo de KPI con Excel
UNIDAD DIDÁCTICA 2. CONCEPTO Y CREACIÓN DE CUADROS DE MANDO
  1. Introducción a los cuadros de mando y dashboard
  2. Estrategias para la creación de un cuadro de mando
  3. Dashboard en Excel o Google Analytics
UNIDAD DIDÁCTICA 3.HERRAMIENTAS PARA LA CREACIÓN DE CUADROS DE MANDO
  1. Aplicaciones gratuitas
  2. Aplicaciones propietarias
MÓDULO 8. DATA WAREHOUSE CON HERRAMIENTAS BI (BUSINESS INTELLIGENCE)
UNIDAD DIDÁCTICA 1. PRESENTACIÓN
  1. Nociones básicas
  2. Concepto de DataWareHouse
UNIDAD DIDÁCTICA 2. DATA WAREHOUSE
  1. Aplicación
  2. Elementos
  3. Data Warehouse en la nube
UNIDAD DIDÁCTICA 3. DATAMART
  1. Datamart
  2. DataMart: Componentes
UNIDAD DIDÁCTICA 4. BASE DE DATOS CENTRAL
  1. Base de datos central
UNIDAD DIDÁCTICA 5. IMPLEMENTACIÓN DE CUBOS 75
  1. Creación de Cubos
  2. Transformación, extracción y carga
UNIDAD DIDÁCTICA 6. SISTEMAS OLAP
  1. Discoverer Administrador
  2. MOLAP, ROLAP & HOLAP
  3. Sistema de Soporte a la Desición (DSS)
  4. Sistemas de Información Ejecutiva (EIS)
  5. Cliente y Servidor
  6. Discoverer Desktop
UNIDAD DIDÁCTICA 7. MINERÍA DE DATOS
  1. Minería de datos
  2. ¿Qué podemos hacer con data Mining?
  3. ¿Qué usos puede tener el data Mining?
  4. Metodología de la minería de datos
  5. Algunas técnicas estadísticas utilizadas en data mining
  6. Árboles de decisión
  7. Reglas de inducción
  8. Redes Bayesanas
  9. Algoritmos Genéticos
UNIDAD DIDÁCTICA 8. CICLO DATA MINING
  1. Ciclo data mining
  2. Minería de Textos y Web Mining
  3. Data mining y marketing
MÓDULO 9. PROYECTO FINAL
Con nuestra metodología de aprendizaje online, el alumno comienza su andadura en INESEM Business School a través de un campus virtual diseñado exclusivamente para desarrollar el itinerario formativo con el objetivo de mejorar su perfil profesional. El alumno debe avanzar de manera autónoma a lo largo de las diferentes unidades didácticas así como realizar las actividades y autoevaluaciones correspondientes.La carga de horas de la acción formativa comprende las diferentes actividades que el alumno realiza a lo largo de su itinerario. Las horas de teleformación realizadas en el Campus Virtual se complementan con el trabajo autónomo del alumno, la comunicación con el docente, las actividades y lecturas complementarias y la labor de investigación y creación asociada a los proyectos. Para obtener la titulación el alumno debe aprobar todas la autoevaluaciones y exámenes y visualizar al menos el 75% de los contenidos de la plataforma. El Proyecto Fin de Máster se realiza tras finalizar el contenido teórico-práctico en el Campus. Por último, es necesario notificar la finalización del Máster desde la plataforma para comenzar la expedición del título.

Claustro de Profesores Especializado que realizará un seguimiento personalizado al alumno.

Campus virtual con acceso ilimitado y acceso desde cualquier dispositivo.

Materiales didácticos que servirán de apoyo al alumno durante su formación.

Material adicional proporcionado por los profesores para profundizar en cuestiones indicadas por el alumno.

Centro de atención al estudiante (CAE). Asesoramiento al alumno antes, durante y después de su formación con un teléfono directo con el claustro docente 958 050 242.

INESEM Emplea. Programa destinado a mejorar la empleabilidad de nuestros alumnos mediante orientación profesional de carrera y gestión de empleo y prácticas profesionales.

Comunidad formada por todos los alumnos de INESEM Business School para debatir y compartir conocimiento.

Revista Digital INESEM. Punto de encuentro de profesionales y alumnos con el que podrás comenzar tu aprendizaje colaborativo.

Master class INESEM. Aprende con los mejores profesionales enseñando en abierto. Únete, aprende y disfruta.

Becas y financiación del Master Data Science y Análisis de Datos

beca desempleo

20%

Para los que atraviesen un periodo de inactividad laboral y decidan que es el momento idóneo para invertir en la mejora de sus posibilidades futuras.

beca antiguos alumnos

10%

Como premio a la fidelidad y confianza de los alumnos en el método INESEM, ofrecemos una beca a todos aquellos que hayan cursado alguna de nuestras acciones formativas.

beca emprende

15%

Una beca en consonancia con nuestra apuesta por el fomento del emprendimiento y capacitación de los profesionales que se hayan aventurado en su propia iniciativa empresarial.

Financiación 100% sin intereses

* Becas aplicables sólamente tras la recepción de la documentación necesaria en el Departamento de Asesoramiento Académico. Más información en el 958 050 205 o vía email en formacion@inesem.es
* Becas no acumulables entre sí.
* Becas aplicables a acciones formativas publicadas en inesem.es
Matriculación en: Master Data Science y Análisis de Datos
Comprobando...
Información básica sobre Protección de Datos. Pinche aquí
Responsable INSTITUTO EUROPEO DE ESTUDIOS EMPRESARIALES, S.A. Finalidad Información académica y comercial de nuestros servicios de enseñanza Legitimación Consentimiento del interesado Destinatarios Encargados del tratamiento para cumplir con las finalidades Derechos Acceder, rectificar y suprimir los datos, así como otros derechos, como se explica en la información adicional

Información adicional Pulsa aquí

Pedido con obligación de pago
1970€
* El campo es obligatorio

INESEM EMPLEA

Completa tu formación con nuestro Servicio de Orientación Profesional y nuestro Programa de Entrenamiento por Competencias

  • ORIENTACIÓN

  • PRÁCTICAS

  • EMPLEO

Artículos relacionados con el Master Data Science y Análisis de Datos

¡Mantente actualizado! Nuestros profesores analizan la actualidad y las últimas tendencias de todas nuestras áreas de formación
Revista Digital
Obtener posts relacionados
Más de 5000 alumnos han confiado en nosotros

¿Empresa o empleado? Bonificamos tu formación

  •  
  •  
  •  
  •  
  • Gestionamos el crédito formativo de tu empresa
  • Asesoramiento para aplicar correctamente la bonificación
  • Trámites administrativos para uso de formación bonificada
  • Diseño de planes formativos adaptados a tus necesidades


Contacta con nosotros y nuestros asesores te informarán sin compromiso
PEDIR INFORMACIÓN