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.

Búsqueda avanzada
Master en Big Data y Data Science
practicas
Prácticas Garantizadas
convocatoria
Convocatoria Abierta
modalidad
Online
duracion
1500 H
precio
1795 EUR 1346.25 EUR
practicas
Prácticas
Garantizadas
convocatoria
Convocatoria
Abierta
Las acciones formativas de INESEM tienen modalidad online
Modalidad
Online
Duración de las acciones formativas de INESEM
Duración
1500 H
BECA 25 %
Precio: 1795 EUR AHORA: 1346.25 EUR
Hasta el 24/11/2023
¡Puedes fraccionar tus pagos cómodamente!

Cuota

1346.25 €
200 €/primer mes
Resto de plazos: 1146.25 €/mes

Presentación

El avance de la tecnología ha propiciado la creación y el almacenamiento de grandes cantidades de datos.

Aquí 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 más demandado actualmente!

plan de estudios
Para qué te prepara

En este Master en Big Data y Data Science gestionarás datos masivos, viendo las diferentes fases a seguir para explotar todo su potencial y extraer conclusiones relevantes para las empresas. Utilizarás las herramientas más actuales en proyectos de Big Data, analizarás datos con Python y R, aplicarás algoritmos de machine learning, crearás chatbots, crearás informes con Power BI y aplicarás la analítica web con Google Analytics.

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 técnicas 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.
  • Crear visualizaciones de datos profesionales y poder compartir informes mediante Power BI.
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

Gracias a 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 o Data Scientist.

temario

  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)

  1. Definición y relevancia de la selección de las fuentes de datos
  2. Naturaleza de las fuentes de datos Big Data

  1. Definición, Beneficios y Características
  2. Ejemplo de uso de Open 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

  1. Definiendo el concepto de Business Intelligence y Sociedad de la Información
  2. Arquitectura de una solución Business Intelligence
  3. Business Intelligence en los departamentos de la empresa
  4. Conceptos de Plan Director, Plan Estratégico y Plan de Operativa Anual
  5. Sistemas Operacionales y Procesos ETL en un sistema de BI
  6. Ventajas y Factores de Riesgos del Business Intelligence

  1. Cuadros de Mando Integrales (CMI)
  2. Sistemas de Soporte a la Decisión (DSS)
  3. Sistemas de Información Ejecutiva (EIS)

  1. Apoyo del Big Data en el proceso de toma de decisiones
  2. Toma de decisiones operativas
  3. Marketing estratégico y Big Data
  4. Nuevas tendencias en management
  5. Ejercicios Prácticos

  1. Concepto de Web Semántica
  2. Linked Data Vs. Big Data
  3. Lenguaje de consulta SPARQL

  1. Contexto Internet de las Cosas (IoT)
  2. ¿Qué es IoT?
  3. Elementos que componen el ecosistema IoT
  4. Arquitectura IoT
  5. Dispositivos y elementos empleados
  6. Ejemplos de uso
  7. Retos y líneas de trabajo futuras

  1. ¿Qué es el Data Storytelling?
  2. Elementos clave del Data Storytelling
  3. ¿Por qué es importante el Data Storytelling?
  4. ¿Cómo hacer Data Storytelling?

  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

  1. Introducción
  2. El modelo relacional
  3. Lenguaje de consulta SQL
  4. MySQL Una base de datos relacional

  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

  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

  1. ¿Qué es Weka?
  2. Técnicas de Data Mining en Weka
  3. Interfaces de Weka
  4. Selección de atributos

  1. Una aproximación a PENTAHO
  2. Soluciones que ofrece PENTAHO
  3. MongoDB & PENTAHO
  4. Hadoop & PENTAHO
  5. Weka & PENTAHO

  1. Introducción a R
  2. ¿Qué necesitas?
  3. Tipos de datos
  4. Estadística Descriptiva y Predictiva con R
  5. Integración de R en Hadoop

  1. Obtención y limpieza de los datos (ETL)
  2. Inferencia estadística
  3. Modelos de regresión
  4. Pruebas de hipótesis

  1. Inteligencia Analítica de negocios
  2. La teoría de grafos y el análisis de redes sociales
  3. Presentación de resultados

  1. Introducción a la minería de datos y el aprendizaje automático
  2. Proceso KDD
  3. Modelos y Técnicas de Data Mining
  4. Áreas de aplicación
  5. Minería de textos y Web Mining
  6. Data mining y marketing

  1. Tipos de problemas
  2. Implicaciones de los datos, dominios, técnicas en las fases del proceso
  3. Casos de uso

  1. Clasificación o Arboles de decisión o Naive Bayes
  2. Clustering o K-means o EM
  3. Asociacion o A priori

  1. ¿Qué es Hadoop? Relación con Big Data
  2. Instalación y configuración de insfraestructura y ecosistema Hadoop
  3. Sistema de archivos HDFS
  4. MapReduce con Hadoop
  5. Apache Hive
  6. Apache Hue
  7. Apache Spark

  1. Introducción a la inteligencia artificial
  2. Historia
  3. La importancia de la IA

  1. Algoritmos aplicados a la inteligencia artificial

  1. Relación entre inteligencia artificial y big data
  2. IA y Big Data combinados
  3. El papel del Big Data en IA
  4. Tecnologías de IA que se están utilizando con Big Data

  1. Sistemas expertos
  2. Estructura de un sistema experto
  3. Inferencia: Tipos
  4. Fases de construcción de un sistema
  5. Rendimiento y mejoras
  6. Dominios de aplicación
  7. Creación de un sistema experto en C#
  8. Añadir incertidumbre y probabilidades

  1. Introducción
  2. Clasificación de algoritmos de aprendizaje automático
  3. Ejemplos de aprendizaje automático
  4. Diferencias entre el aprendizaje automático y el aprendizaje profundo
  5. Tipos de algoritmos de aprendizaje automático
  6. El futuro del aprendizaje automático

  1. Introducción
  2. Algoritmos

  1. Introducción
  2. Filtrado colaborativo
  3. Clusterización
  4. Sistemas de recomendación híbridos

  1. Clasificadores
  2. Algoritmos

  1. Componentes
  2. Aprendizaje

  1. Introducción
  2. El proceso de paso de DSS a IDSS
  3. Casos de aplicación

  1. Aprendizaje profundo
  2. Entorno de Deep Learning con Python
  3. Aprendizaje automático y profundo

  1. Redes neuronales
  2. Redes profundas y redes poco profundas

  1. Perceptrón de una capa y multicapa
  2. Ejemplo de perceptrón

  1. Tipos de redes profundas
  2. Trabajar con TensorFlow y Python

  1. Entrada y salida de datos
  2. Entrenar una red neuronal
  3. Gráficos computacionales
  4. Implementación de una red profunda
  5. El algoritmo de propagación directa
  6. Redes neuronales profundas multicapa

  1. ¿Qué es PLN?
  2. ¿Qué incluye el PLN?
  3. Ejemplos de uso de PLN
  4. Futuro del PLN

  1. PLN en Python con la librería NLTK
  2. Otras herramientas para PLN

  1. Principios del análisis sintáctico
  2. Gramática libre de contexto
  3. Analizadores sintácticos (Parsers)

  1. Aspectos introductorios del análisis semántico
  2. Lenguaje semántico para PLN
  3. Análisis pragmático

  1. Aspectos introductorios
  2. Pasos en la extracción de información
  3. Ejemplo PLN
  4. Ejemplo PLN con entrada de texto en inglés

  1. Aspectos introductorios
  2. ¿Qué es un chatbot?
  3. ¿Cómo funciona un chatbot?
  4. VoiceBots
  5. Desafios para los Chatbots

  1. Chatbots y el papel de la Inteligencia Artificial (IA)
  2. Usos y beneficios de los chatbots
  3. Diferencia entre bots, chatbots e IA

  1. Áreas de aplicación de Chatbots
  2. Desarrollo de un chatbot con ChatterBot y Python
  3. Desarrollo de un chatbot para Facebook Messenger con Chatfuel

  1. ¿Qué es Power BI?
  2. Funciones de Power BI
  3. Versiones de Power BI
  4. Roles de Power BI
  5. Planificación de proyectos con Power BI

  1. Instalación y puesta en marcha
  2. Conexión de datos a Power BI
  3. Filtrado de datos
  4. Vista de datos

  1. Introducción al modelado de datos
  2. Creación de medidas
  3. Creación y relación entre tablas
  4. Creación de columnas y medidas calculadas
  5. Dinamizar columnas
  6. Fórmulas de consulta

  1. Creación de gráficas
  2. Tablas dinámicas
  3. Segmentación de datos
  4. Uso de objetos visuales
  5. Formas y cuadros de texto
  6. Imágenes
  7. Matrices y tablas
  8. Cómo crear un velocímetro
  9. Mapas
  10. Slicers
  11. Cómo modificar colores

  1. Uso del Dashboard
  2. Compartir Dashboards
  3. Añadir Widgets
  4. Cómo crear reportes
  5. Ajustes del panel
  6. Preguntas y respuestas del Dashboard

  1. Exportar datos de Power BI a Excel
  2. Exportar Dashboards
  3. Crear paquetes de contenido
  4. Presentación de informes
  5. Cómo públicar y compartir informes
  6. Introducción a Power BI mobile

  1. ¿Qué es la analítica web?
  2. Establecimiento de objetivos y KPIs
  3. Métricas principales y avanzadas
  4. Objetivos y ventajas de medir
  5. Plan de medición

  1. Introducción a Google Analytics 4
  2. Interfaz
  3. Métricas y dimensiones
  4. Informes básicos
  5. Filtros
  6. Segmentos
  7. Eventos
  8. Informes personalizados
  9. Comportamiento de los usuarios e interpretación de datos

  1. Introducción a GTM
  2. Implementación con GTM
  3. Medición con GTM
  4. Uso de Debug/Preview Mode

  1. La atribución
  2. Multicanalidad
  3. Customer Journey
  4. Principales modelos de atribución
  5. Modelos de atribución personalizados

  1. Planificación del Dashboard
  2. Características del Dashboard
  3. Introducción a Data Studio
  4. Conectores
  5. Tipos de gráficos
  6. Personalización de informes
  7. Elementos de control
  8. Dimensiones y métricas
  9. Campos Calculados
  10. Compartir informes

  1. Introducción al SEO
  2. Historia de los motores de búsqueda
  3. Componentes de un motor de búsqueda
  4. Organización de resultados en un motor de búsqueda
  5. La importancia del contenido
  6. El concepto de autoridad en Internet
  7. Campaña SEO

  1. Introducción al SEM
  2. Principales conceptos en SEM
  3. Sistema de pujas y Calidad del anuncio
  4. Primer contacto con Google Ads
  5. Creación de anuncios con calidad
  6. Indicadores clave de rendimiento en SEM

  1. Análisis del tráfico en redes sociales
  2. Fijar objetivos en redes sociales
  3. Facebook
  4. Twitter
  5. Youtube
  6. LinkedIn
  7. Tik tok
  8. Instagram

  1. Usabilidad
  2. Mapas de calor
  3. Grabaciones de sesiones de usuario
  4. Ordenación de tarjetas
  5. Test A/B
  6. Test multivariante
  7. KPI, indicadores clave de rendimiento
  8. Cambios a realizar para optimizar una página web

  1. Hotjar
  2. Microsoft Power BI
  3. Google Search Console
  4. Matomo
  5. Awstats
  6. Chartbeat
  7. Adobe Analytics

  1. ¿Qué son las cookies?
  2. Tipos de cookies
  3. GDPR
  4. Herramientas para manejar el consentimiento de cookies

metodología

claustro

Claustro de Profesores Especializado

Realizará un seguimiento personalizado del aprendizaje del alumno.

campus virtual

Campus virtual

Acceso ilimitado desde cualquier dispositivo 24 horas al día los 7 días de la semana al Entorno Personal de Aprendizaje.

materiales didácticos

Materiales didácticos

Apoyo al alumno durante su formación.

material adicional

Material Adicional

Proporcionado por los profesores para profundizar en cuestiones indicadas por el alumno.

Centro de atención al estudiante (CAE)

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

INESEM emplea

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

comunidad

Comunidad

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

revista digital

Revista Digital INESEM

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

masterclass

Master Class INESEM

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

Clases online

Clases online

Podrás continuar tu formación y seguir desarrollando tu perfil profesional con horarios flexibles y desde la comodidad de tu casa.

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.

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.

Financiación 100% sin intereses

Información sobre becas 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

Información sobre becas * Becas no acumulables entre sí.

Información sobre becas * Becas aplicables a acciones formativas publicadas en inesem.es

Información sobre becas * 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.”
Titulación:
Titulacion de INESEM

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
Rafael Marín

Ingeniero técnico en Informática de Sistemas por la Universidad de Granada (UGR). 
Apasionado de la informática y de las nuevas

Leer más
Bibiana
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
Daniel
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
Juan Antonio
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
¡Puedes fraccionar tus pagos cómodamente!

Cuota

1346.25 €
200 €/primer mes
Resto de plazos: 1146.25 €/mes
SOLICITA INFORMACIÓN
Información básica sobre Protección de Datos. Haz clic aquí

Por cada matrícula realizada con INESEM donaremos 2€ en la investigación por la lucha contra el cáncer

¿EMPRESA O EMPLEADO?
Bonificamos tu formación
Infórmate
TAMBIÉN PODRÍA INTERESARTE...
Otras Acciones Formativas relacionadas
Master Oficial Universitario en Data Science + 60 Créditos ECTS
Online | 1500 H. | 3495 2621 EUR
Ver ficha curso
Master en Big Data y Business Intelligence. Data Science
Online | 1500 H. | 1795 1346 EUR
Ver ficha curso
Master Oficial Universitario en Big Data + 60 Créditos ECTS
Online | 1500 H. | 3495 2621 EUR
Ver ficha curso
Master de Formación Permanente en Business Intelligence y Big Data + 60 Créditos
Online | 1500 H. | 1970 1478 EUR
Ver ficha curso

5 RAZONES

PARA ELEGIR INESEM

Hay muchas más motivos ¿Quieres conocerlos?

Por qué matricularme en INESEM
logo
ARTÍCULOS RELACIONADOS
Cargando artículos
Ir a revista Digital
INESEM EMPLEA

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

inesem emplea inesem emplea inesem emplea
Ver más Info
Universidades colaboradoras
La universidad Antonio de Nebrija es Universidad colaboradora con INESEM Business School La universidad a Distancia de Madrid es Universidad colaboradora con INESEM Business School

Este sitio web utiliza cookies propias y de terceros para mejorar los servicios relacionados con tus preferencias, mediante el análisis de tus hábitos de navegación. En caso de que rechace las cookies, no podremos asegurarle el correcto funcionamiento de las distintas funcionalidades de nuestra página web. Puede obtener más información y cambiar su configuración en nuestra política de cookies.

Tardarás 3 minutos

El responsable del tratamiento es INST. EUROPEO DE ESTUDIOS EMPRESARIALES, S.A.U