La explosión de la información asociada a la digitalización ha situado en un primer plano la importancia de los datos haciendo que las empresas demanden, cada vez más, perfiles profesionales dotados de las capacidades necesarias para entender y extraer todo su valor.
Este master en data science, codesarrollado con la multinacional tecnológica Indra, está dirigido a profesionales de diversos campos que deseen adquirir estas competencias desde una perspectiva orientada a perfiles analistas y de gestión. En él se abordan los conceptos, técnicas y herramientas más relevantes en data science, business analytics y big data para analizar y extraer todo el valor de los datos.
Se parte de los fundamentos de la ciencia de datos, aprendiendo lo necesario para ser capaces de procesar, analizar e interpretar todo tipo de fuentes de información, hasta llegar a la analítica avanzada que incluye el uso de técnicas de inteligencia artificial, en especial las que tienen que ver con machine learning y deep learning. Se ven asimismo las tecnologías y herramientas más relevantes del panorama big data actual, siempre desde una perspectiva práctica que permita entender su utilidad y cuáles son las principales aplicaciones que se les están dando actualmente en el mundo empresarial.
Los aspectos más técnicos del programa se complementan con otros orientados a la gestión ya que, sólo entendiendo en profundidad el cambio de paradigma asociado al big data, sus posibilidades y sus retos, es posible liderar los proyectos basados en datos que hoy en día necesitan las empresas. En esta misma línea, el máster acerca al alumno a la realidad empresarial incluyendo clases de expertos en activo que trabajan aplicando estas técnicas en diferentes sectores
OBJETIVOS DEL Máster en Data Science y Business Analytics para profesionales
Al final del máster el alumno será capaz de:
- Extraer, procesar y analizar todo tipo de fuentes de información aplicando las técnicas de la ciencia de datos y las principales herramientas utilizadas actualmente en las empresas.
- Dominar las técnicas de la inteligencia de negocio tradicional y ampliarlas con las nuevas posibilidades ofrecidas por el big data y la inteligencia artificial.
- Detectar causas, patrones y tendencias mediante analítica predictiva basada en técnicas de machine learning.
- Diseñar experimentos y tests A/B para comprobar hipótesis y tomar decisiones basadas en datos.
- Generar informes y cuadros de mando efectivos.
- Gestionar proyectos basados en big data y ciencia de datos manteniendo una interlocución adecuada con todos los perfiles del equipo.
- Elaborar propuestas así como impulsar y liderar iniciativas basadas en analítica avanzada en distintas áreas de negocio.
- Entender, crear y desarrollar nuevos modelos de negocio basados en el valor del dato.
- Gestionar adecuadamente el gobierno del dato con objeto de garantizar la calidad y aplicar correctamente los diferentes requisitos regulatorios (RGPD) y éticos.
- Adquirir visión y experiencia de los principales campos de aplicación y casos de uso que se están abordando en diversas áreas como marketing y CRM, banca y finanzas, operaciones, internet de las cosas (IoT), people analytics, etc.
PROGRAMA DEL Máster en Data Science y Business Analytics para profesionales
Las herramientas del científico de datos
- Fundamentos de Python
- Librerías para ciencia de datos: Numpy, Pandas, etc.
- Procesamiento de datos y visualización con Python
- Fundamentos de R
- Paquetes de R
- Procesamiento de datos y visualización con R
- Otras herramientas
Impacto y valor del big data
- Introducción al mundo big data
- Inteligencia de negocio vs. big data
- Características del big data
- Principales aplicaciones e impacto por sectores
- El valor del dato
- Impacto sobre la organización
- La empresa data-driven
- Nuevos perfiles
Estadística para científicos de datos
- Análisis estadístico de datos.
- Análisis multivariante. Regresión
- Inferencia estadística
- Series temporales
- Diseño de experimentos. Tests A/B
La ciencia de datos. Técnicas de análisis, minería y visualización
- El ciclo de vida del dato
- Extracción, transformación y carga de datos
- Calidad del dato
- Modelos analíticos
- Desarrollo y despliegue de modelos
- Evaluación de modelos. Métricas
- Herramientas y técnicas efectivas de visualización
Inteligencia de negocio y visualización
- Introducción a la inteligencia de negocio
- Tutorial SQL
- Diseño de bases de datos
- El almacén de datos (Data Warehouse)
- Herramientas y procesos de extracción, transformación y carga (ETL)
- Diseño de informes y cuadros de mando
Tecnología big data y soluciones en la nube
- El ecosistema Hadoop
- Spark. Fundamentos y aplicaciones
- Bases de datos NoSQL. MongoDB, Cassandra, grafos.
- La plataforma de Cloudera
- La plataforma de Databricks
- Soluciones en la nube.
- Amazon AWS
- Microsoft Azure
- Google Cloud Platform
Aprendizaje automático
- Herramientas para machine learning
- Tutorial de BigML
- Técnicas y aplicaciones del aprendizaje supervisado: clasificación, regresión, etc.
- Técnicas y aplicaciones del aprendizaje no supervisado: clustering, reducción de dimensiones, etc.
- Soluciones en la nube para machine learning
- Modalidades y técnicas de deep learning. Tensorflow
Inteligencia artificial para la empresa
- Introducción a la inteligencia artificial: historia, ramas y aplicaciones prácticas
- Aplicaciones del deep learning
- Técnicas y aplicaciones del procesamiento de lenguaje natural (PLN)
- Técnicas y herramientas para la toma de decisiones
- Otros campos relevantes de la inteligencia artificial: aprendizaje por refuerzo, etc.
- Tendencias en IA
El Big Data en la empresa
- Peculiaridades de los proyectos basados en datos
- Metodologías ágiles. Scrum
- Aspectos regulatorios (RGPD)
- Aspectos éticos
- Gobierno del dato
- Estudio de casos
Aplicaciones por sectores. Masterclasses, estudio de casos y talleres prácticos
- Marketing y CRM
- Banca y finanzas
- Operaciones y logística
- Industria 4.0, internet de las cosas (IoT), smart cities
- Ciencia e ingeniería
- People Analytics
- Otros
