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 en Deep Learning y Big Data
Garantizadas
Abierta
Online
1500 H
BECA
20 %
Precio: 1795 EUR
AHORA: 1436 EUR
Hasta el 30/05/2023
¡Puedes fraccionar tus pagos cómodamente!
Cuota
1436 €
200 €/primer mes
Resto de plazos: 1236 €/mes
Presentación
La evolución de la inteligencia artificial ha permitido el desarrollo del Machine Learning. Esta disciplina científica junto con el Big Data permite a las empresas analizar el comportamiento de sus clientes y ofrecerles un servicio más personalizo; lo que marca la diferencia entre la competencia. Con el Master en Deep Learning y Big Data serás un experto en análisis de datos y sistemas inteligentes accediendo así a unos de los mercados laborales más demandados.
plan de estudios
Para qué te prepara
El Master en Deep Learning y Big Data otorga las herramientas necesarias para extraer información de valor que ayude a la actualización tecnológica de cualquier empresa. Serás capaz de gestionar grandes volúmenes de información y, gracias a la inteligencia artificial y el deep learning, crearás sistemas inteligentes de gestión de información. Además, aprenderás a securizar toda la información gestionada mediante estas tecnologías.
Objetivos
- Utilizar las principales herramientas de Big Data.
- Construir sistemas inteligentes de gestión de información.
- Programar soluciones de machine learning y deep learning
- Creación de redes neuronales de una capa y multicapa.
- Crear chatbots inteligentes gracias al uso del PLN.
- Mantener la ciberseguridad de la información gestionada por todas estas tecnologías.
A quién va dirigido
El Master en Deep Learning y Big Data está dirigido para profesionales interesados en aprender a utilizar la inteligencia artificial y el deep learning en la actualización tecnológica de cualquier sistema de gestión de información. También se orienta a estudiantes que busquen incorporarse a uno de los sectores profesionales más demandados por las empresas.
Salidas Profesionales
Gracias a la realización de este Master en Deep Learning y Big Data podrás desarrollar tu carrera profesional en uno de los sectores que presenta mayor crecimiento y acceder a puestos de alta demanda y bien remunerados como Big Data Scientist, Responsable de inteligencia artificial, AI Developer, Research Scientist on Deep Learning, Data Engineer o líder de proyectos big data.
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)
- Definición y relevancia de la selección de las fuentes de datos
- Naturaleza de las fuentes de datos Big Data
- Definición, Beneficios y Características
- Ejemplo de uso de Open 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
- Definiendo el concepto de Business Intelligence y sociedad de la información
- Arquitectura de una solución de Business Intelligence
- Business Intelligence en los departamentos de la empresa
- Conceptos de Plan Director, Plan Estratégico y Plan de Operativa Anual
- Sistemas operacionales y Procesos ETL en un sistema de BI
- Ventajas y Factores de Riesgos del Business Intelligence
- Cuadros de Mando Integrales (CMI)
- Sistemas de Soporte a la Decisión (DSS)
- Sistemas de Información Ejecutiva (EIS)
- Apoyo del Big Data en el proceso de toma de decisiones
- Toma de decisiones operativas
- Marketing estratégico y Big Data
- Nuevas tendencias en management
- Concepto de web semántica
- Linked Data Vs Big Data
- Lenguaje de consulta SPARQL
- Contexto Internet de las Cosas (IoT)
- ¿Qué es IoT?
- Elementos que componen el ecosistema IoT
- Arquitectura IoT
- Dispositivos y elementos empleados
- Ejemplos de uso
- Retos y líneas de trabajo futuras
- 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
- Introducción a la minería de datos y el aprendizaje automático
- Proceso KDD
- Modelos y Técnicas de Data Mining
- Áreas de aplicación
- Minería de textos y Web Mining
- Data mining y marketing
- Aproximación al concepto de DataMart
- Bases de datos OLTP
- Bases de Datos OLAP
- MOLAP, ROLAP & HOLAP
- Herramientas para el desarrollo de cubos OLAP
- Visión General. ¿Por qué DataWarehouse?
- Estructura y Construcción
- Fases de implantación
- Características
- Data Warehouse en la nube
- Tipos de herramientas para BI
- Productos comerciales para BI
- Productos Open Source para BI
- Beneficios de las herramientas de BI
- ¿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 a la inteligencia artificial
- Historia
- La importancia de la IA
- Tipos de inteligencia artificial
- Algoritmos aplicados a la inteligencia artificial
- Relación entre inteligencia artificial y big data
- IA y Big Data combinados
- El papel del Big Data en IA
- Tecnologías de IA que se están utilizando con Big Data
- Sistemas expertos
- Estructura de un sistema experto
- Inferencia: Tipos
- Fases de construcción de un sistema
- Rendimiento y mejoras
- Dominios de aplicación
- Creación de un sistema experto en C#
- Añadir incertidumbre y probabilidades
- Futuro de la inteligencia artificial
- Impacto de la IA en la industria
- El impacto económico y social global de la IA y su futuro
- Introducción
- Clasificación de algoritmos de aprendizaje automático
- Ejemplos de aprendizaje automático
- Diferencias entre el aprendizaje automático y el aprendizaje profundo
- Tipos de algoritmos de aprendizaje automático
- El futuro del aprendizaje automático
- Introducción
- Algoritmos
- Introducción
- Filtrado colaborativo
- Clusterización
- Sistemas de recomendación híbridos
- Clasificadores
- Algoritmos
- Componentes
- Aprendizaje
- Introducción
- El proceso de paso de DSS a IDSS
- Casos de aplicación
- Aprendizaje profundo
- Entorno de Deep Learning con Python
- Aprendizaje automático y profundo
- Redes neuronales
- Redes profundas y redes poco profundas
- Perceptrón de una capa y multicapa
- Ejemplo de perceptrón
- Tipos de redes profundas
- Trabajar con TensorFlow y Python
- Entrada y salida de datos
- Entrenar una red neuronal
- Gráficos computacionales
- Implementación de una red profunda
- El algoritmo de propagación directa
- Redes neuronales profundas multicapa
- ¿Qué es PLN?
- ¿Qué incluye el PLN?
- Ejemplos de uso de PLN
- Futuro del PLN
- Introducción a Python
- ¿Qué necesitas?
- Librerías para el análisis de datos en Python
- PLN en Python con la librería NLTK
- Otras herramientas para PLN
- Principios del análisis sintáctico
- Gramática libre de contexto
- Analizadores sintácticos (Parsers)
- Aspectos introductorios del análisis semántico
- Lenguaje semántico para PLN
- Análisis pragmático
- Aspectos introductorios
- Pasos en la extracción de información
- Ejemplo PLN
- Ejemplo PLN con entrada de texto en inglés
- Introducción a la Inteligencia artificial
- El Test de Turing
- Agentes Inteligentes
- Aplicaciones de la inteligencia artificial
- Aspectos introductorios
- ¿Qué es un chatbot?
- ¿Cómo funciona un chatbot?
- VoiceBots
- Desafios para los Chatbots
- Chatbots y el papel de la Inteligencia Artificial (IA)
- Usos y beneficios de los chatbots
- Diferencia entre bots, chatbots e IA
- Áreas de aplicación de Chatbots
- Desarrollo de un chatbot con ChatterBot y Python
- Desarrollo de un chatbot para Facebook Messenger con Chatfuel
- Concepto de seguridad TIC
- Tipos de seguridad TIC
- Aplicaciones seguras en Cloud
- Plataformas de administración de la movilidad empresarial (EMM)
- Redes WiFi seguras
- Caso de uso: Seguridad TIC en un sistema de gestión documental
- Buenas prácticas de seguridad móvil
- Protección de ataques en entornos de red móv
- Inteligencia Artificial
- Tipos de inteligencia artificial
- Impacto de la Inteligencia Artificial en la ciberseguridad
- Contexto Internet de las Cosas (IoT)
- ¿Qué es IoT?
- Elementos que componen el ecosistema IoT
- Arquitectura IoT
- Dispositivos y elementos empleados
- Ejemplos de uso
- Retos y líneas de trabajo futuras
- Vulnerabilidades de IoT
- Necesidades de seguridad específicas de IoT
- Industria 4.0
- Necesidades en ciberseguridad en la Industria 4.0
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.
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.
25%
Beca Alumni
Como premio a la fidelidad y confianza de los alumnos en el método INESEM, ofrecemos una beca del 25% 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 Recomienda
La beca recomienda 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%.
15%
Beca Grupo
Formarse en grupo siempre es más inspirador. Si te matriculas con tres o más personas en cualquier curso de nuestro catálogo, recibirás una beca del 15%.
20%
Beca Discapacidad
¡Qué importante promover la educación inclusiva! Ofrecemos una beca del 20% para aquellas personas con una discapacidad del 33% o superior, siendo necesario presentar la documentación necesaria.
20%
Beca Familia numerosa
Entendemos el arduo trabajo que supone brindar una buena educación a sus hijos/as. Por lo tanto, ofrecemos una beca del 20% para las familias con tres o más descendientes. Es necesario ratificar esta condición.
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
Titulación Expedida y Avalada por el Instituto Europeo de Estudios Empresariales “Enseñanza no oficial y no conducente a la obtención de un título con carácter oficial o certificado de profesionalidad.”
![Titulacion de INESEM]( "Titulacion de INESEM")
Titulación:
INESEM Business School se ocupa también de la gestión de la Apostilla de la Haya, previa demanda del estudiante. Este sello garantiza la autenticidad de la firma del título en los 113 países suscritos al Convenio de la Haya sin necesidad de otra autenticación. El coste de esta gestión es de 30 euros. Si deseas más información contacta con nosotros en el 958 050 205 y resolveremos todas tus dudas.
claustro
Claustro de profesores:
Rafael Marín
Ingeniero técnico en Informática de Sistemas por la Universidad de Granada (UGR).
Apasionado de la informática y de las nuevas
Daniel Rodriguez
Licenciado en Ingeniería Técnica en Informática de Sistemas. Cuenta con más de 10 años de experiencia en el desarrollo y soporte de la aplicación
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
Leer más
Isaías Aranda Cano
Grado Superior en Administración de Sistemas Informáticos. Especialista en ciberseguridad y en el diseño, implementación y gestión de servicios en
Leer más
Daniel Cabrera
Licenciado en Ciencias Físicas y con Máster en Implantación, Gestión y Auditoría de Sistemas de Seguridad de Información ISO 27001-27002. />
Administrador de sistemas durante más de 15 años, gestor de plataformas de alta capacidad, escalabilidad y rendimiento. Siempre a la última en todo lo relacionado con tecnologías Cloud, DevOps, SER, etc.
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.
Leer más
TAMBIÉN PODRÍA INTERESARTE...
Otras Acciones Formativas relacionadas
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
