Claustro de Profesores Especializado
Realizará un seguimiento personalizado del aprendizaje del alumno.
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.
Comunicado COVID-19
Seguimos trabajando y atendiendo a alumnos actuales y futuros
Ampliar información
Master en Big Data y Data Science
Garantizadas
Abierta
Online
1500 H
1695EUR
¡Puedes fraccionar tus pagos cómodamente!
Cuota
1695 €
200 €/primer mes
Resto de plazos: 1495 €/mes
Presentación
El avance de la tecnología ha propiciado la creación y el almacenamiento de grandes cantidades de datos de forma continua. Es aquí donde nace una oportunidad de diferenciación para las empresas con el análisis de la información generada mediante los profesionales de Data Analyst y Data Scientist. Con el Master en Big Data y Data Science gestionarás proyectos de Big Data con el uso de herramientas y técnicas actuales. ¡Accede al mercado laboral del marketing más demandado!
plan de estudios
Para qué te prepara
Este Master en Big Data y Data Science te prepara para analizar grandes volúmenes de datos y poder aplicarlos a cualquier sector para adecuar el desarrollo empresarial de cualquier organización, haciendo posible la adaptación y mejora al mercado. También podrás explotar todo el volumen de datos a través de programación en R y en Python. Aprenderás también a aplicar todos los conocimientos en Big Data para el Cloud Computing con Linux y Azure.
Objetivos
- Aprender los principios del Big Data y el desarrollo de las fases de un proyecto de Big Data.
- Conocer las herramientas existentes y su uso para analizar y explotar datos masivos.
- Explotar datos y visualizar resultados a través de técnica de Data Science.
- Comprender y utilizar la programación estadística con R y Python.
- Conocer en qué consiste el Data Mining y aplicarlo correctamente.
- Saber utilizar las analíticas web para Big Data y aplicarlas mediante Google Analytics.
- Aplicar los conocimientos de Big Data para el Cloud Computing con Linux y Azure.
A quién va dirigido
El Master en Big Data y Data Science puede aplicarse a muchos sectores y perfiles, por lo que es dirigido para aquellas personas que quieran conocer en qué consiste el Big Data, cómo pueden aplicarlo en distintos ámbitos con el objetivo de mejorar su carrera profesional y con qué herramientas se puede llevar a cabo dichos análisis de grandes volúmenes de datos.
Salidas Profesionales
Mediante la realización de este Master en Big Data y Data Science podrás desarrollar proyectos de Big Data y te permitirá trabajar en puestos especializados como Consultor/Auditor de sistemas Big Data, Analista de datos, Arquitecto en soluciones Big Data, Experto en estrategias de desarrollo mediante Big Data, Programador de aplicaciones en Python y R.
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
- 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
- Procesos de extracción, transformación y carga de datos (ETL)
- Data Warehou
- Herramientas de Explotación
- 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 la visualización de datos?
- Importancia y herramientas de la visualización de datos
- Visualización de datos: Principios básicos
- ¿Qué es Tableau? Usos y aplicaciones
- Tableau Server: Arquitectura y Componentes
- Instalación Tableau
- Espacio de trabajo y navegación
- Conexiones de datos en Tableau
- Tipos de filtros en Tableau
- Ordenación de datos, grupos, jerarquías y conjuntos
- Tablas y gráficos en Tableau
- Fundamentos D3
- Instalación D3
- Funcionamiento D3
- SVG
- Tipos de datos en D3
- Diagrama de barras con D3
- Diagrama de dispersión con D3
- Google Data Studio
- Instalación y arquitectura
- Carga de datos
- Informes
- Transformación y modelo de datos
- Análisis de datos
- Business Intelligence en Excel
- Herramientas Powerbi
- CartoDB
- ¿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 usabilidad web
- Pruebas online y a Distancia
- Las encuestas
- Introducción
- Recopilar datos de Inteligencia Competitiva
- Análisis del tráfico de sitios web
- Búsquedas
- Introducción a la analítica web
- Funcionamiento Google Analytics
- Instalación y configuración de Google Analytics
- Configuración de las vistas mediante filtros
- Navegación por Google Analytics
- Informes de visión general
- informes completos
- Compartir informes
- Configuración paneles de control y accesos directos
- Informes de Audiencia
- Informes de Adquisición
- Informes de Comportamiento
- Campañas personalizadas
- Realizar un seguimiento de las campañas con el Creador de URLs
- Configuración y medición de objetivos
- Cómo medir campañas de Google Ads
- 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
- 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
- ¿Qué es la ciencia de datos?
- Herramientas necesarias para el científico de datos
- Data Science & Cloud Compunting
- 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 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
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.
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
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 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
Víctor Acosta Gómez
Ingeniero superior en desarrollo de aplicaciones informáticas por la Universidad de Granada. Cuenta con más de 25 años de experiencia en ciberseguridad y desarrollando proyectos de aplicaciones web e industriales de trazabilidad. Tiene amplia experiencia en formación ocupacional y profesional tanto presencial como elearning, colaborando como docentes en varias universidades.
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
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
TAMBIÉN PODRÍA INTERESARTE...
Otras Acciones Formativas relacionadas
Master en Big Data y Business Intelligence. Data Science
Online | 1500
H. |
1695 EUR
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
