Claustro de Profesores Especializado
Realizará un seguimiento personalizado del aprendizaje del alumno.
Tendencias:
No hemos encontrado resultados relativos a la búsqueda realizada.
Puedes volver a intentarlo de nuevo realizando una nueva búsqueda.
No hemos encontrado resultados relativos a la búsqueda realizada.
Puedes volver a intentarlo de nuevo realizado una nueva búsqueda.
Master de Formación Permanente Data Science y Análisis de Datos + 60 Créditos ECTS
60 ECTS
Garantizadas
Abierta
Online
1500 H
60 ECTS
BECA
20 %
Precio: 1970 EUR
AHORA: 1576 EUR
Hasta el 31/01/2023
¡Puedes fraccionar tus pagos cómodamente!
Cuota
1576 €
350 €/primer mes
Resto de plazos: 1226 €/mes
Presentación
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.
En colaboración con:
plan de estudios
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.
temario
- ¿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)
- Diagnóstico inicial
- Diseño del proyecto
- Proceso de implementación
- Monitorización y control del proyecto
- Responsable y recursos disponibles
- Calendarización
- Alcance y valoración económica del proyecto
- ¿Qué es Data Science?
- Historia del Data Science
- ¿Qué función tiene un Científico de datos?
- Data Science vs Big Data. Principales diferencias
- Hadoop
- Pig
- Hive
- Sqoop
- Flume
- Spark Core
- Spark 2.0
- Fundamentos de Streaming Processing
- Spark Streaming
- Kafka
- Pulsar y Apache Apex
- Implementación de un sistema real-time
- Hbase
- Cassandra
- MongoDB
- NeoJ
- Redis
- Berkeley DB
- Lucene + Solr
- Arquitectura Lambda
- Arquitectura Kappa
- Apache Flink e implementaciones prácticas
- Druid
- ElasticSearch
- Logstash
- Kibana
- Amazon Web Services
- Google Cloud Platform
- Administración e Instalación de clusters: Cloudera y Hortonworks
- Optimización y monitorización de servicios
- Seguridad: Apache Knox, Ranger y Sentry
- Herramientas de visualización: Tableau y CartoDB
- Librerías de Visualización: D, Leaflet, Cytoscape
- ¿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
- ¿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
- ¿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
- ¿Qué es Weka?
- Técnicas de Data Mining en Weka
- Interfaces de Weka
- Selección de atributos
- Una aproximación a Pentaho
- Soluciones que ofrece Pentaho
- MongoDB & Pentaho
- Hadoop & Pentaho
- Weka & Pentaho
- Introducción
- La Analítica Web: Un reto cultural
- ¿Qué puede hacer la analítica web por ti o tu empresa?
- Glosario de Analítica Web
- La analítica web en la actualidad
- Definiendo la analítica web
- El salto a la analítica web moderna
- 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
- Introducción
- La usabilidad Web
- Pruebas Online y a Distancia
- Las encuestas
- Definición de KPIs
- KPI, CSF y metas
- Principales KPIS
- Ejemplos de KPIS
- Supuesto práctico: Cálculo de KPI con Excel
- Introducción
- Recopilar datos de Inteligencia Competitiva
- Análisis del tráfico de sitios web
- Búsquedas
- Introducción
- La nueva web social y como medir datos
- Las aplicaciones
- Analizar el comportamiento desde el móvil
- Analizar el rendimiento de los vídeos
- Análisis de Blogs
- Coste y beneficios de escribir en un blog
- Nuestro impacto en Twitter
- Métricas para Twitter
- La calidad de los datos
- Obtener datos válidos
- ¿En qué basarnos para la toma de decisiones?
- Beneficios de análisis multicanal
- Segmentación en base al comportamiento
- Predicción y minería de datos
- Rumbo a la analítica inteligente
- Concepto de web semántica
- Linked Data Vs Big Data
- Lenguaje de consulta SPARQL
- ¿Qué es la ciencia de datos?
- Herramientas necesarias para el científico de datos
- Data Science & Cloud Computing
- Aspectos legales en Protección de Datos
- Introducción
- El modelo relacional
- Lenguaje de consulta SQL
- MySQL: Una base de datos relacional
- Obtención y limpieza de los datos (ETL)
- Inferencia estadística
- Modelos de regresión
- Pruebas de hipótesis
- Inteligencia Analítica de negocios
- La teoría de grafos y el análisis de redes sociales
- Presentación de resultados
- Introducción a Python
- ¿Qué necesitas?
- Librerías para el análisis de datos en Python
- MongoDB, Hadoop y Python: Dream Team del Big Data
- Introducción a R
- ¿Qué necesitas?
- Tipos de datos
- Estadística Descriptiva y Predictiva con R
- Integración de R en Hadoop
- Definición de KPIs
- KPI, CSF y metas
- Principales KPIS
- Ejemplos de KPIS
- Supuesto práctico: Cálculo de KPI con Excel
- Introducción a los cuadros de mando y dashboard
- Estrategias para la creación de un cuadro de mando
- Dashboard en Excel o Google Analytics
- Aplicaciones gratuitas
- Aplicaciones propietarias
- Nociones básicas
- Concepto de DataWareHouse
- Aplicación
- Elementos
- Data Warehouse en la nube
- Datamart
- DataMart: Componentes
- Base de datos central
- Creación de Cubos
- Transformación, extracción y carga
- Discoverer Administrador
- MOLAP, ROLAP & HOLAP
- Sistema de Soporte a la Desición (DSS)
- Sistemas de Información Ejecutiva (EIS)
- Cliente y Servidor
- Discoverer Desktop
- 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
- Ciclo data mining
- Minería de Textos y Web Mining
- Data mining y marketing
metodología
Campus virtual
Acceso ilimitado desde cualquier dispositivo 24 horas al día los 7 días de la semana al Entorno Personal de Aprendizaje.
Materiales didácticos
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.
Clases online
Podrás continuar tu formación y seguir desarrollando tu perfil profesional con horarios flexibles y desde la comodidad de tu casa.
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 100% de los contenidos de la plataforma. El Proyecto Fin de Máster se realiza tras finalizar el contenido teórico-práctico en el Campus. Para aprobarlo es necesaria una nota mínima de 5. Por último, es necesario notificar la finalización del Máster desde la plataforma para comenzar la expedición del título.
becas
Becas y financiación
Hemos diseñado un Plan de Becas para facilitar aún más el acceso a nuestra formación junto con una flexibilidad económica. Alcanzar tus objetivos profesionales e impulsar tu carrera profesional será más fácil gracias a los planes de Inesem.
Si aún tienes dudas solicita ahora información para beneficiarte de nuestras becas y financiación.
20%
Beca Antiguos Alumnos
Como premio a la fidelidad y confianza de los alumnos en el método INESEM, ofrecemos una beca del 20% a todos aquellos que hayan cursado alguna de nuestras acciones formativas en el pasado.
20%
Beca Desempleo
Para los que atraviesan un periodo de inactividad laboral y decidan que es el momento idóneo para invertir en la mejora de sus posibilidades futuras.
15%
Beca Emprende
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.
15%
Beca Amigo
La beca amigo surge como agradecimiento a todos aquellos alumnos que nos recomiendan a amigos y familiares. Por tanto si vienes con un amigo o familiar podrás contar con una beca de 15%.
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
* Becas no aplicables a formación programada.
titulación
Doble Titulación:
- Titulación Propia Universitaria de Master de Formación Permanente Data Science y Análisis de Datos expedida por la Universidad Antonio de Nebrija con 60 créditos ECTS.
- Titulación propia de Master de Formación Permanente Data Science y Análisis de Datos , expedida y avalada por el Instituto Europeo de Estudios Empresariales.(INESEM) “Enseñanza no oficial y no conducente a la obtención de un título con carácter oficial o certificado de profesionalidad.”
claustro
Claustro de profesores:
Rafael Marín
Ingeniero técnico en Informática de Sistemas por la UGR. Cuenta con más de 5 años de experiencia y vocación en el ámbito de las tecnologías TIC y la programación de aplicaciones informáticas. Especializado en data science, big data y business intelligence y apasionado por la Inteligencia Artificial.
Leer más
Daniel Rodriguez
Ingeniero Técnico en Informática de Sistemas, analista programador de aplicaciones web usando la plataforma de desarrollo ASP.NET con C# así también como desarrollo de aplicaciones usando PHP. Experto en bases de datos SQL Server y MySql y conexión con aplicaciónes web mediante ORM como NHibernate y Entity Framework además del uso de ADO.net. Actualmente jefe de proyecto en Innoforma Elearning Technologies.
Leer más
Juan Antonio Cortés Ibáñez
Graduado en Ingeniería Informática por la UGR con Máster Universitario Oficial en Ciencia de Datos e Ingeniería de Computadores por la UGR.
Doctorando en tecnologías de la información por la UGR.
Cuenta con amplia experiencia en científico de datos en el Repsol Technology Lab y en el sector de la docencia.Leer más
Bibiana Moreno Leyva
CEO de EducaLMS, proyecto de innovación educativa. Técnica superior en desarrollo de aplicaciones informáticas. Cuenta con más de seis años de experiencia profesional en la coordinación de análisis de aplicaciones multiplataforma y cinco años en desarrollo de aplicaciones web con distintas infraestructuras.
Leer más
Patricia Caballero Navarro
Graduada en Enfermería por la Universidad de Granada. Máster en Cuidados de salud para la Promoción de la Autonomía de las Personas y la Atención a los Procesos del Fin de Vida por la Universidad de Granada. Máster en Integración en Cuidados y Resolución de Casos Clínicos por la Universidad de Alcalá. Cuenta con más de 16 años de experiencia como enfermera en centros residenciales para la tercera edad y en centros sociosanitarios. Actualmente trabaja como enfermera clínica en un centro médico de especialidades y como Profesora en el Departamento Sociosanitario en INESEM.
Leer más
TAMBIÉN PODRÍA INTERESARTE...
Otras Acciones Formativas relacionadas
Curso Superior en DataWarehouse y Business Intelligence
Online | 200
H. |
460
368 EUR
Curso Superior en DevOps y Cloud Computing Aplicado a Big Data
Online | 220
H. |
460
368 EUR
Curso Superior en Estadística Aplicada. Análisis de Datos y SPSS
Online | 200
H. |
460
368 EUR
¿Por qué estudiar Data Science?
El análisis de datos es una actividad que figura entre las imprescindibles dentro del ecosistema empresarial actual. El enorme volumen de datos de algunas empresas aporta a la estrategia empresarial de una información valiosa que ayuda a predecir los escenarios que se plantean derivados de la toma de decisiones empresariales. En este contexto, los profesionales encargados de esta labor cotizan al alza, por lo que, son muchas las personas que observan en estos perfiles profesionales una oportunidad laboral. El Máster en Análisis de Datos y Data Science será la cualificación profesional que ayudará a estas personas a afrontar todos los retos profesionales en esta área.
¿Para qué sirve el Análisis de Datos?
Existen multitud de aplicaciones para el análisis de datos, entre ellos, el más habitual es el ámbito empresarial. De forma más concreta, a través del análisis de datos se pueden implantar procesos productivos más efectivos, predecir los escenarios que se derivan de las decisiones empresariales o lograr la satisfacción de los clientes y de los empleados. En consonancia con un futuro panorama empresarial donde la tecnología big data forme parte de la actividad de las organizaciones, los profesionales encargados del análisis de datos adquieren una importancia vital en los organigramas empresariales. Es por ello, que el Máster en Análisis de Datos y Data Science aportará la cualificación profesional necesaria para responsabilizarse del tratamiento masivo de los datos de las grandes compañías.
5 RAZONES
PARA ELEGIR INESEM
RAZÓN
1
CLAUSTRO ESPECIALIZADO
Formado por profesores/as universitarios/as de prestigio y profesionales de contrastada experiencia
RAZÓN
2
PRÁCTICAS PROFESIONALES
Bolsa de empleo y practicas que te facilita la incorporación al mercado laboral. 90% de inserción laboral de nuestros alumnos
RAZÓN
3
CAMPUS
ONLINE
Estudia a tu ritmo en cualquier lugar y desde cualquier dispositivo
RAZÓN
4
PROGRAMA
DE BECAS
Descubre nuestro plan de becas y financia al 100% sin intereses el importe de tu matrícula
RAZÓN
5
CONTENIDOS ACTUALIZADOS
Te formarás en programas eminentemente prácticos adaptados a la realidad del mercado laboral
Hay muchas más motivos ¿Quieres conocerlos?
Por qué matricularme en INESEM
INESEM EMPLEA
Completa tu formación con nuestro Servicio de Orientación Profesional y nuestro Programa de Entrenamiento por Competencias.
Universidades colaboradoras
