Este master me ha servido para especializarme y profundizar en el Big Data orientado a los negocios digitales. Lo que más me ha gustado ha sido el contenido teórico y las herramientas que te facilitan. Al finalizar hice las prácticas en una empresa que ellos mismos me asignaron, lo que me ayudó mucho a poner en práctica lo aprendido y a coger experiencia.
Formación online especializada
Master en Big Data y Business Intelligence. Data Science
Prácticas Profesionales
Valoración del alumno:
Más Información
Solicita información sin compromiso
Tasa de empleabilidad del 89%
Garantizadas
Abierta
ONLINE
1500 H
1895EUR
¿Qué hace este Master único?
El análisis y explotación de datos masivos se ha convertido en el oro negro del siglo XXI, ya que un correcto uso del Big Data es sinónimo de éxito a la hora de tomar decisiones y aplicar estrategias de marketing.
Gracias a este Master en Big Data y Business Intelligence. Data Science te convertirás en especialista en análisis e interpretación de datos, siendo uno de los perfiles profesionales más cotizados actualmente en el mundo laboral.
Temario de Master en Big Data y Business Intelligence. Data Science
- ¿Qué es Big Data?
- ¿Y Thick Data? ¿Cuál es el matiz para diferenciar ambos términos?
- El gran auge del big data
- La importancia de almacenar y extraer información
- ¿Cual es el papel de las fuentes de datos?
- Soluciones novedosas gracias a la selección de datos
- Naturaleza de las fuentes de datos Big Data
- Thick Data, el valor de lo cualitativo. Entender emociones humanas, intenciones y sentimientos
- Fases en un proyecto de Big Data
- Big Data enfocado a los negocios
- Apoyo del Big Data en el proceso de toma de decisiones
- Toma de decisiones operativas
- Marketing estratégico y Big Data
- Open data
- Ejemplo de uso de Open Data
- IoT (Internet of Things-Internet de las cosas)
- Relación entre inteligencia artificial y big data
- IA y Big Data combinados
- El papel del Big Data en IA
- Big Data en salud
- Necesidad de Big Data en la asistencia sanitaria
- Retos del big data en salud
- Big Data y People Analytics en RRHH
- Definiendo el concepto de Business Intelligence y sociedad de la información
- Arquitectura de una solución 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)
- 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
- 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
- ¿Qué es el Data Storytelling?
- Elementos clave del Data Storytelling
- ¿Por qué es importante el Data Storytelling?
- ¿Cómo hacer Data Storytelling?
- ¿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 BPM?
- Efecto silo
- Ventajas flujo de trabajo
- ¿Qué es talend?
- Introducción Talend
- ¿Qué es el proceso ETL?
- Instalación Talend
- Usando Talend Studio
- Leer un archivo
- Ordenar un archivo
- Crear y usar mMetadata
- Filtrar datos usando el componente tMap
- Unir dos fuentes de datos con el componente tMap
- Configurando uniones en tMap
- Añadir filtros basados en condiciones en tMap
- Usar variables de contexto
- Crear metadatos de conexión de cluster
- Crear metadatos de conexión de cluster desde archivos de configuración
- Escribiendo y leyendo datos en HDFS
- Iniciando un trabajo en Spark
- Iniciando un trabajo en YARN
- ¿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
- ¿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 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 R
- ¿Qué necesitas?
- Tipos de datos
- Estadística Descriptiva y Predictiva con R
- Integración de R en Hadoop
- 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
- ¿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
- Visualización de datos
- Tipologías de gráficos
- Fuentes de datos
- Creación de informes
- Instalación y arquitectura
- Carga de datos
- Informes
- Transformación y modelo de datos
- Análisis de datos
- Introducción a Power BI
- Instalación de Power BI
- Modelado de datos
- Visualización de datos
- Dashboards
- Uso compartido de datos
- CartoDB
- ¿Qué es CARTO?
- Carga y uso de datos. Tipos de análisis
- Programación de un visor con la librería CARTO.js
- Uso de ejemplos y ayudas de la documentación de la API
- Introducción a Gplot
- El paquete ggplot2
- Cambiar títulos de eje
- Aumentar el espacio entre ejes y títulos de ejes
- Cambiar la estética de los títulos de Axis
- Cambiar la estética del texto del eje
- Texto del eje de rotación
- Eliminar texto de eje y marcas
- Eliminar títulos de eje
- Límite del rango del eje
- Forzar el trazado para que comience en el origen
- Ejes con la misma escala
- Usar una función para modificar etiquetas
- Añade un título
- Ajustar la posición de los títulos
- Use una fuente no tradicional en su título
- Cambiar espaciado en texto de varias líneas
- Trabajando con leyendas
- Apaga la leyenda
- Eliminar títulos de leyenda
- Cambiar la posición de la leyenda
- Cambiar la dirección de la leyenda
- Cambiar el estilo del título de la leyenda
- Cambiar título de leyenda
- Cambiar el orden de las claves de leyenda
- Cambiar etiquetas de leyenda
- Cambiar cuadros de fondo en la leyenda
- Cambiar el tamaño de los símbolos de leyenda
- Dejar una capa fuera de la leyenda
- Adición manual de elementos de leyenda
- Usar otros estilos de leyenda
- Cambiar el color de fondo del panel
- Cambiar líneas de cuadrícula
- Cambiar el espaciado de las líneas de cuadrícula
- Cambiar el color de fondo de la trama
- Trabajar con márgenes
- Trabajar con gráficos de paneles múltiples
- Crear múltiplos pequeños basados en una variable
- Permitir que los ejes deambulen libremente
- Uso facet_wrapcon dos variables
- Modificar el estilo de los textos de la tira
- Crear un panel de diferentes parcelas
- Trabajar con colores
- Especificar colores individuales
- Asignar colores a las variables
- Variables Cualitativas
- Seleccionar manualmente colores cualitativos
- Utilice paletas de colores cualitativas integradas
- Use paletas de colores cualitativos de paquetes de extensión
- Variables Cuantitativas
- La paleta de colores Viridis
- Usar paletas de colores cuantitativas de paquetes de extensión
- Modificar paletas de colores después
- Cambiar el estilo de trazado general
- Cambiar la fuente de todos los elementos de texto
- Cambiar el tamaño de todos los elementos de texto
- Cambiar el tamaño de todos los elementos de línea y rectángulo
- Crea tu propio tema
- Actualizar el tema actual
- Agregar líneas horizontales o verticales a un gráfico
- Agregar una línea dentro de un gráfico
- Agregar líneas curvas y flechas a un gráfico
- Agregue etiquetas
- Agregar anotaciones de texto
- Use Markdown y HTML Rendering para anotaciones
- Voltear una parcela
- arreglar un eje
- Invertir un eje
- Transformar un eje
- Circularizar una parcela
- Alternativas a un diagrama de caja
- Crear una representación de alfombra en un gráfico
- Crear una matriz de correlación
- Crear un gráfico de contorno
- Crear un mapa de calor
- Crear un diagrama de cresta
- Trabajar con cintas (AUC, CI, etc.)
- Predeterminado: agregar un suavizado LOESS o GAM
- Trabajar con gráficos interactivos
- ¿Qué es la analítica web?
- Establecimiento de objetivos y KPIs
- Métricas principales y avanzadas
- Objetivos y ventajas de medir
- Plan de medición
- Introducción a Google Analytics 4
- Interfaz
- Métricas y dimensiones
- Informes básicos
- Filtros
- Segmentos
- Eventos
- Informes personalizados
- Comportamiento de los usuarios e interpretación de datos
- Introducción a GTM
- Implementación con GTM
- Medición con GTM
- Uso de Debug/Preview Mode
- La atribución
- Multicanalidad
- Customer Journey
- Principales modelos de atribución
- Modelos de atribución personalizados
- Planificación del Dashboard
- Características del Dashboard
- Introducción a Data Studio
- Conectores
- Tipos de gráficos
- Personalización de informes
- Elementos de control
- Dimensiones y métricas
- Campos Calculados
- Compartir informes
- Introducción al SEO
- Historia de los motores de búsqueda
- Componentes de un motor de búsqueda
- Organización de resultados en un motor de búsqueda
- La importancia del contenido
- El concepto de autoridad en Internet
- Campaña SEO
- Introducción al SEM
- Principales conceptos en SEM
- Sistema de pujas y Calidad del anuncio
- Primer contacto con Google Ads
- Creación de anuncios con calidad
- Indicadores clave de rendimiento en SEM
- Análisis del tráfico en redes sociales
- Fijar objetivos en redes sociales
- Youtube
- Tik tok
- Usabilidad
- Mapas de calor
- Grabaciones de sesiones de usuario
- Ordenación de tarjetas
- Test A/B
- Test multivariante
- KPI, indicadores clave de rendimiento
- Cambios a realizar para optimizar una página web
- Hotjar
- Microsoft Power BI
- Google Search Console
- Matomo
- Awstats
- Chartbeat
- Adobe Analytics
- ¿Qué son las cookies?
- Tipos de cookies
- GDPR
- Herramientas para manejar el consentimiento de cookies
- 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
- 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
- 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
- La visión artificial: definiciones y aspectos principales
- Ópticas
- Iluminación
- Cámaras
- Sistemas 3D
- Sensores
- Equipos compactos
- Metodologías para la selección del hardware
- Algoritmos
- Software
- Segmentación e interpretación de imágenes
- Metodologías para la selección del software
- Aplicaciones clásicas: discriminación, detección de fallos…
- Nuevas aplicaciones: códigos OCR, trazabilidad, robótica, reconocimiento (OKAO)
- Descripción general OpenCV
- Instalación OpenCV para Python en Windows
- Instalación OpenCV para Python en Linux
- Anaconda y OpenCV
- Manejo de archivos
- Leer una imagen con OpenCV
- Mostrar imagen con OpenCV
- Guardar una imagen con OpenCV
- Operaciones aritméticas en imágenes usando OpenCV
- Funciones de dibujo
- Redimensión de imágenes
- Erosión de imágenes
- Desenfoque de imágenes
- Bordeado de imágenes
- Escala de grises en imágenes
- Escalado, rotación, desplazamiento y detección de bordes
- Erosión y dilatación de imágenes
- Umbrales simples
- Umbrales adaptativos
- Umbral de Otsu
- Contornos de imágenes
- Incrustación de imágenes
- Intensidad en imágenes
- Registro de imágenes
- Extracción de primer plano
- Operaciones morfológicas en imágenes
- Pirámide de imágen
- Analizar imágenes usando histogramas
- Ecualización de histogramas
- Template matching
- Detección de campos en documentos usando Template matching
- Espacios de color en OpenCV
- Cambio de espacio de color
- Filtrado de color
- Denoising de imágenes en color
- Visualizar una imagen en diferentes espacios de color
- Detección de líneas
- Detección de círculos
- Detectar esquinas (Método Shi-Tomasi)
- Detectar esquinas (método Harris)
- Encontrar círculos y elipses
- Detección de caras y sonrisas
- Vecino más cercano (K-Nearest Neighbour)
- Agrupamiento de K-medias (K-Means Clustering)
¿Quieres toda la información en PDF?
Salidas profesionales
Actualmente, existe tal demanda laboral de personal especializado en Big Data y Data Science que las empresas están en búsqueda de estos perfiles. Con este Master en Big Data y Business Intelligence. Data Science optarás a puestos como Analista de datos, Data Scientist, Business Analyst, Arquitecto Big Data, IA Developer, Machine Learning Engineer o E-commerce & Social Media.
Claustro Docente de INESEM
Los mejores profesionales
La clave del método INESEM
Rafael Marín
Informática y TICS
Bibiana Moreno Leyva
Informática y TICS
Daniel Rodriguez
Informática y TICS
Isaías Aranda Cano
Informática y TICS
Solicita información del Master en Big Data y Business Intelligence. Data Science
Opiniones
De los alumnos
Jesús Miguel S. C.
08 Oct 2020
Tanto el precio como las salidas profesionales jugaron un papel importante a la hora de decidirme por este master. La plataforma es muy completa e intuitiva. He aprendido multitud de de conocimientos que me servirán mucho en el futuro, incluyendo en esto las dos partes: Big Data e Inteligencia Empresarial. Mi experiencia ha sido muy positiva.
Raúl P. P.
13 Oct 2020
Me decidí por el curso por el prestigio de Inesem y por el temario. Tras realizarlo, puedo afirmar que ha sido una formación excelente para profundizar en este ámbito y considero que es una de las mejores en calidad- precio.
Cristian Leonardo R. P.
01 Nov 2020
¿A qué estás esperando?
¡Reserva tu plaza!Financiación
100%
SIN INTERESES
En INESEM queremos que confies en nosotros, por eso te ofrecemos métodos de pago cómodos y rápidos para que empieces cuanto antes tu formación.
Paypal
Tarjeta Bancaria
Dónde realizan las prácticas nuestros alumnos
A través de los convenios de prácticas que realizamos con grandes firmas de diferentes sectores, nuestros alumnos pueden realizar las prácticas profesionales en empresas para completar su formación y adquirir las competencias profesionales necesarias para acceder al mercado laboral.
INESEM en cifras
En nuestro compromiso por ofrecer programas formativos de la más alta calidad y garantizar el desarrollo académico a nuestros alumnos hemos conseguido:
Más de
15000
alumnos
matriculados
matriculados
Más de
2000
acuerdos con
empresas
empresas
Han conseguido el empleo el
86%
de nuestros
alumnos
alumnos
El
92%
de nuestro
alumnado repetiría
alumnado repetiría
