El Máster en Big Data y Business Analytics, codesarrollado con la multinacional tecnológica Indra, proporciona una visión global de las tecnologías Big Data y su uso, así como una formación aplicada y práctica en técnicas analíticas para el negocio (Business Analytics), es decir, en la aplicación de las técnicas de Data Science a problemas de negocio.
El abaratamiento de los costes de almacenamiento de información digital y la generalización de las tecnologías de virtualización y computación en la nube han permitido un extraordinario desarrollo de las posibilidades para extraer valor de los datos en empresas e instituciones.
Este contexto ha hecho emerger nuevos roles profesionales como el del Data Scientist y ha provocado una reformulación de las tecnologías de procesamiento de datos, pues requieren una actualización y reorientación de los profesionales de las TIC y de otras áreas de negocio. Según un informe Los + Buscados de Spring Professional 2018, el perfil de Big Data Architect es el más cotizado dentro del sector IT.
Nuestros antiguos alumnos de este máster trabajan en empresas como Minsait, Indra, Everis, Telefónica, BBVA, Pragsis Bidoop (ahora parte de Accenture), EY, SDG Group, Deloitte, Banco Sabadell o Banco Santander, entre otras.
Big Data University: este programa permite obtener un doble título en bigdata por la Universidad Nebrija (España).
El programa responde a la necesidad de conocer de manera práctica y aplicada el uso de las tecnologías y los métodos de análisis de datos.
Adicionalmente, IMF ofrece el Curso de Metodologías Ágiles: Fundamentos de Scrum. Las metodologías ágiles aplicadas a la gestión de proyectos son cada vez más valoradas por las empresas y, dentro de las metodologías ágiles, probablemente la más conocida y utilizada sea Scrum. Este sistema muy apreciado por su capacidad de facilitar la agilidad y al mismo tiempo evitar riesgos a la hora de poner en marcha un proyecto en cualquier organización. Los alumnos matriculados en cualquier programa de IMF Business School pueden acceder con condiciones muy ventajosas a este curso. ¡Infórmate!
Descárgate un tema gratis ↓
POR QUÉ ESTE PROGRAMA
La comprensión del uso técnico complementa la visión de negocio, de manera que los egresados del programa serán capaces de razonar en profundidad sobre la aplicabilidad de las tecnologías, así como de aplicar técnicas y herramientas analíticas en situaciones concretas. En particular:
- Facilita adquirir un conocimiento sólido de técnicas y métodos de Data Science en R y Python, así como de su aplicación a diferentes áreas de negocio.
- Ayuda a comprender de manera práctica las principales tecnologías de paralelización de datos, para procesamiento batch o streaming (tiempo real), y conocer cuándo utilizar unas u otras.
- Enseña a reorientar o focalizar las competencias en la gestión y extracción de valor del dato, desde diferentes perspectivas y para perfiles diversos que tengan distintos conocimientos de entrada.
- Proporciona el conocimiento y experiencia práctica de profesionales que combinan un background técnico sólido con el conocimiento de los casos y la aplicabilidad de las tecnologías.
- Enseña mediante el uso de la tecnología, utilizando directamente las herramientas software que se aplican en entornos profesionales.
- Ayuda a aprender mediante el uso de casos y ejemplos prácticos y adquirir, por tanto, competencias que son directamente aplicables a la práctica profesional.
Los alumnos adquirirán competencias para trabajar, entre otras, con las siguientes tecnologías: Python, R, VirtualBox, Spark, MongoDB, Hadoop, Jupyter, Tensorflow, Qlik, Tableau, Amazon AWS, Scikit-learn
OBJETIVOS DEL Master en Big Data y Business Analytics
El objetivo principal de este master en bigdata es que el alumno aprenda del conocimiento y experiencia práctica de profesionales (autores del programa formativo de IMF) que combinan un background técnico sólido y la aplicabilidad de las tecnologías, mediante el uso de la tecnología, utilizando las herramientas software que se aplican en entornos profesionales para obtener una formación en el área de Business Analytics y Big Data de manera flexible.
- Comprender el valor de los datos y su análisis en las organizaciones y ser capaz de idear y concebir soluciones de análisis de datos.
- Conocer y saber enunciar el valor para el negocio de las principales tecnologías de procesamiento paralelo y de almacenamiento de datos escalable, así como saber explicar su uso para propósitos específicos dentro de la organización.
- Ser capaces de aplicar técnicas y métodos de análisis de datos a problemas de negocio utilizando técnicas de programación estadística.
- Aplicar técnicas de aprendizaje automático y de minería de texto a la extracción de valor de los datos y a la construcción de modelos predictivos.
- Obtener una formación general en las áreas del programa, que permitirán al alumno orientarse a una variedad de salidas profesionales.
- Obtener un conocimiento sólido de técnicas y métodos de Data Science en R y Python, así como de su aplicación a diferentes áreas de negocio.
- Comprender de manera práctica las principales tecnologías de paralelización de datos, para procesamiento batch o streaming (tiempo real), y conocer cuándo utilizar unas u otras.
- Reorientar o focalizar las competencias en la gestión y extracción de valor del dato, desde diferentes perspectivas y para perfiles diversos que tengan distintos conocimientos de entrada.
- Aprender mediante el uso de casos y ejemplos prácticos y adquirir, por tanto, competencias que son directamente aplicables a la práctica profesional.
Conceptos relacionados: big data university, master data management, business intelligence master, big data España, maestria big data, máster data science, machine learning
PROGRAMA DEL Master en Big Data y Business Analytics
Fundamentos de tratamiento de datos para Data Science
- Uso de máquinas virtuales y shell de comandos.
- Fundamentos de programación en Python.
- Fundamentos de bases de datos relacionales.
- Fundamentos de tecnologías de Internet.
- Compartir datos, código y recursos en repositorios.
- Fundamentos de tratamiento de datos con el stack científico de Python..
Importante: este módulo es introductorio o de nivelación, destinado a la adquisición de las competencias esenciales para la programación estadística, el manejo de bases de datos y el uso de la virtualización, además de otras competencias generales que son necesarias en el resto de los módulos.
Modelos y Aprendizaje Estadístico
- Lenguaje R y tratamiento de datos.
- Análisis exploratorio de datos.
- Probabilidad e Inferencia estadística.
- Modelos lineales y aprendizaje estadístico.
- Regresión logística, modelos restringidos de ridge y lasso y gradiente descendiente.
- GLMS y series temporales.
Aprendizaje Automático Aplicado (Machine Learning)
- Introducción al aprendizaje automático.
- Modelos supervisados.
- Modelos no supervisados.
- Ingeniería de características y selección de modelos.
- Modelos conexionistas (Redes neuronales y Deep Learning)
- Reglas de asociación y market basket analysis.
Minería de Texto y Procesamiento del Lenguaje Natural (PLN)
- Introducción histórica y tecnológica.
- Herramientas pln I: NLTK
- Herramientas de PLN II: Brat y Gate.
- Text mining I: clustering.
- Text mining II: sentimiento y temas.
- Otras aplicaciones y técnicas de PLN.
Inteligencia de Negocio y Visualización
- Introducción a la inteligencia de negocio.
- Almacenes de datos y bases de datos analíticas.
- Herramientas de extracción, transformación y carga.
- Aplicaciones de business inteligence.
- Fundamentos de visualización de datos.
- Herramientas de visualización.
Infraestructura Big Data
- Procesamiento de datos con Hadoop.
- Herramientas Hadoop.
- Procesamiento de datos con Spark.
- Arquitecturas de streaming.
- Componentes de arquitecturas de streaming.
- Plataformas y Apis en la nube
Almacenamiento e Integración de Datos
- Bases de datos no convencionales: Introducción a las herramientas NoSQL
- Modelos de base de datos basados en documentos: Prácticas con MongoDB
- Modelos de base de datos basados en columnas: Prácticas con Casandra
- Modelos de base de datos basados en grafos: Prácticas con Neo4j
- Modelos de base de datos basados en clave-valor: Prácticas con Redis
- Adquisición de datos: Ingesta con Flume con Kakfa
Valor y Contexto de la Analítica Big Data
- El business case de Big Data.
- Proyectos de Big Data.
- Aplicaciones analíticas por sectores.
- Tecnologías emergentes en analítica.
- Gestión de equipos y métodos ágiles.
- Aspectos regulatorios del tratamiento de datos.
Aplicaciones Analíticas. Casos prácticos
- Caso de estudio de analítica escalable.
- Caso de estudio de analítica en redes sociales.
- Caso de estudio en Internet Of Things.
- Caso de estudio en analítica financiera.
- Caso de estudio en analítica de clientes.
- Caso de estudio de técnicas de recuperación de información.
Recursos audiovisuales complementarios
- Casos de estudio:
- Analítica financiera
- Analítica de clientes: location analytics
- Analítica escalable
- Analítica en redes sociales
- Pasos necesarios para realizar un EDA (Análisis de Datos Exploratorio)
- Introducción a Pandas
- Presentación de la unidad Gestión de equipos y métodos ágiles
- Introducción a las metodologías ágiles
