MÓDULO I. Fundamentos Tecnológicos para el Tratamiento de Datos. 6ECTS
Ø Uso de máquinas virtuales y shell de comandos.
Ø Fundamentos de programación en Python.
Ø Fundamentos de bases de datos relacionales.
Ø Fundamentos de tecnologías de Internet.
Ø Compartir datos, código y recursos en repositorios.
Ø Fundamentos de tratamiento de datos con el stack científico de Python.
MÓDULO II. Business Intelligence
Ø Introducción a la inteligencia de negocio
Ø Almacenes de datos y bases de datos analíticas
Ø Herramientas de extracción y carga
Ø Aplicaciones de inteligencia de negocio
Ø Análisis de datos masivos aplicados al negocio
Ø Inteligencia de cliente (CRM)
MÓDULO III. Aprendizaje Automático Aplicado
Ø Introducción al aprendizaje automático
Ø Modelos supervisados
Ø Modelos no supervisados
Ø Ingeniería de características y selección de modelos
Ø Modelos conexionistas
Ø Reglas de asociación y market basket análisis
MÓDULO IV. Minería de texto y procesamiento del lenguaje natural (PLN)
Ø Introducción histórica y tecnológica
Ø Herramientas PLN 1: NLTK
Ø Herramientas PLN 2: Brat y Gate
Ø Text mining
Ø Otras aplicaciones y técnicas PLN
MÓDULO V. Inteligencia de Negocio y Visualización
Ø Introducción al business intelligence
Ø Bl vs. reporting tradicional
Ø Fundamentos tecnológicos para el tratamiento y análisis de datos
Ø Fundamentos de visualización de datos
Ø Visualización avanzada de datos
Ø Herramientas de visualización
MÓDULO VI. Infraestructura Big Data
Ø Porcesamiento de datos con Hadoop
Ø Herramientas del ecosistema Hadoop
Ø Procesamiento de datos con Spark
Ø Arquitecturas de streaming
Ø Componentes de arquitecturas en streaming
Ø Plataformas y API en la nube
MÓDULO VII. Almacenamiento e integración de datos
Ø Bases de datos no convencionales
Ø Modelos de base de datos basados en documentos
Ø Modelos de base de datos orientados a columnas
Ø Modelos de base de datos orientados a grafos
Ø Modelos de base de datos clave- valor
Ø Adquisición de datos
MÓDULO VIII. Valor y Contexto de la Analítica Big Data
Ø El business case en big data
Ø Proyectos de big data
Ø Aplicaciones analíticas por sectores
Ø Tecnologías emergentes en analítica
Ø Gestión de equipos y métodos ágiles
MÓDULO XI. Aplicaciones Analíticas. Casos prácticos
Ø Analítica escalable: Análisis con tecnologías de computación paralela y escalable
Ø Analítica en redes sociales
Ø Internet of things (IoT)
Ø Analítica financiera (rating de empresas)
Ø Analítica de clientes: location analytics
Ø Técnicas de recuperación de la información
MÓDULO X. Trabajo de fin de Master (TFM)
Este Máster incluye:
ü Curso de Iniciación a Python
ü Curso de iniciación a R
ü Curso de Metodologías Ágiles
ü Scrum
ü Curso de Inglés.
Curso impartido por expertos en activo, formación a medida, learning by doing, acceso a prácticas.
Completando este programa obtendrás triple titulación:
Ø Máster en Big Data por IMF Smart Education
Ø Máster en Big Data por Universidad Católica de Ávila
Ø Certificación Profesional por Indra
