Máster en Big Data Aplicado a la Biotecnología

Modalidad Live Streaming

Información: Alumno y profesor interactúan en directo a través de una plataforma de videoconferencia. Posteriormente, las grabaciones de las clases se publican en el campus virtual junto al resto de recursos.

Fecha de inicio y fin: 14 de febrero 2023 – 27 de Julio del 2023

Horarios disponibles: Martes y jueves de 18:30h a 21:00h (zona horaria UCT+1, Madrid)

Modalidad Online

Información: Los alumnos tienen acceso a las grabaciones de las clases y a los recursos. Pueden resolver dudas en cualquier momento vía email, llamada o videollamada.

Fecha de inicio: Inicio flexible

Duración: 6 meses

Horarios: Flexibles 

Cualquier profesional que desee impulsar su carrera en el sector de la biotecnología a través la transformación de datos brutos extraídos de cualquier tipo de fuente en información valiosa para la toma de decisiones. Este programa es adecuado para las personas que no tienen conocimientos de programación ya que se centra en usar las herramientas existentes para realizar los procesos de extracción, análisis y visualización.

Contenido del programa

 

MÓDULO I. FUNDAMENTOS BÁSICOS

El primer módulo consiste en una introducción global para entender la importancia actual de los procesos de Big Data y sus etapas y arquitectura para conseguir unos resultados concluyentes.

  • Gestión clásica de las empresas
  • El valor de los datos
  • Aparición del Big Data
    • Definición
    • Características
    • Evolución de los datos
    • Big Data y Business Intelligence
    • Herramientas
  • Perfiles en la industria Big Data 
    • Data Architect
    • Data Engineering
    • Business Intelligence
    • Business Analytics
    • Data Scientist
  • Introducción a la Inteligencia de Negocio o Business Intelligence
  • Datos, información y conocimiento
  • Herramientas estadísticas en el uso de la Inteligencia de Negocios
    • Muestra y Población
    • Estadística Descriptiva
    • Normalización o Estandarización
  • Introducción al Data Science
  • Categorías
  • Introducción a la Inteligencia Artificial 
  • Introducción al Machine Learning

MÓDULO II. HERRAMIENTAS PARA EL BIG DATA 

Se aprenderá a usar las herramientas más populares para los procesos relacionados con el Big Data. Tanto para análisis relativamente sencillos (Excel) como para casos complejos que requieran de herramientas más especializadas.

  • Funciones avanzadas
  • Tablas dinámicas
    • Producto BI
  • Macros

.

  • Fundamentos de Power BI
  • Representación gráfica

.

  • Introducción a las herramientas
  • Funcionalidades básicas
  • Funciones avanzadas
  • Ejercicios prácticos

MÓDULO III. EXTRACCIÓN Y PREPARACIÓN DE LOS DATOS

El primer paso para cualquier proceso relacionado con Big Data es extraer y preparar los datos. En los siguientes temas se estudiará en detalle las diferentes maneras de hacerlo y cómo exprimir al máximo cualquier fuente de datos.

  • Tipos de datos
    • Cualitativos/cuantitativos
    • Continuos/discretos
    • String
    • Integer
    • Float
    • Date
    • Boolean
    • Otros
  • Fuentes de datos
    • ERP
    • CRM
    • LOB
    • Ficheros Office
    • Web Services
    • Otros
  • Introducción
  • Errores en la información
  • Etapas en el proceso de Data Quality
  • Bases de datos
    • Introducción a las bases de datos relacionales y no relacionales
      • Modelos de entidad relación (ER)
      • Documentos
    • Bases de datos relacionales
    • Bases de datos no relacionales
  • Data Lake
  • Data Warehouse
    • Fundamentos y propiedades de un Data Warehouse
    • Implementación de un Data Warehouse
  • Extracción y transformación de los datos
  • Extracción
  • Limpieza
    • Depurar
    • Corregir
    • Estandarizar
    • Relacionar
    • Consolidar
  • Transformación
  • Integración
  • Carga y Actualización de los datos

MÓDULO IV. PROCESOS DE ANÁLISIS DE LOS DATOS

Una vez se han agrupado y preparado todos los datos extraídos de las fuentes de información disponibles es el momento de utilizar las herramientas adecuadas para aplicar diferentes técnicas de análisis cuantitativo y estadístico que nos permitirán transformar una gran cantidad de datos en información interpretable y valiosa.

  • Fundamentos básicos y estadísticos para el análisis de datos
    • Probabilidad e Inferencia estadística.
    • Análisis cualitativo y cuantitativo
    • Métodos de análisis
      • Análisis Factorial Lineal
      • Análisis No Lineal
  • Correlación y regresión lineal y múltiple
  • Herramientas de análisis
  • Herramientas avanzadas para el análisis cuantitativo

  • Herramientas avanzadas para el análisis estadístico

  • Herramientas para desarrollo de modelos predictivos

  • Otras herramientas de análisis

  • Programación de procesos de análisis personalizados

Minería de Datos

    • Introducción
    • Herramientas de Data Mining
      • Árboles de decisión
      • Clustering
      • Regresión
      • Extracción de reglas de asociación
      • Modelos estadísticos
      • Redes Bayesianas
      • Redes Neuronales
    • Prácticas de Minería de Datos

.

  • Sistemas de procesamiento Online
    • OLAP
      • Drill down
      • Drill up
      • Tipos de servidores OLAP
    • OLTP

MÓDULO V. VISUALIZACIÓN

Para poder transmitir los resultados de los análisis a terceros de manera clara y efectiva se necesita utilizar unas herramientas determinadas que permitan representar de manera gráfica los resultados en cuestión y desarrollar informes profesionales.

  • Visualización con Power BI
  • Tablas y y texto
  • Gráficos
  • Visualización avanzada
  • Qué es un cuadro de mando
  • Cuadros de Mando Integrales (CMI)
  • Cuadros de Mando Operativos (CMO)
  • Definición de un informe
  • Rendimiento de Negocio y Operaciones
    • Métricas empresariales
      • Ingresos de ventas
      • Margen de Beneficio Neto
  • Definición
  • Estructura narrativa
  • Creación de Informes de Business Intelligence
  • Consejos
  • Elaboración de storytelling. 

MÓDULO VI. APLICACIÓN DEL BIG DATA EN EL SECTOR DE LA BIOTECNOLOGÍA

Se estudiará cómo aplicar todo lo aprendido en el campo específico de la biotecnología. Se analizarán los principales casos de uso, se evaluará cuáles son los mejores procesos a implementar en función de los diferentes escenarios que un profesional de la biotecnología podría encontrarse y se trabajará desde una perspectiva práctica a través de ejercicios y ejemplos reales.

  • Necesidades de análisis en el sector de la biotecnología
  • Escenarios de aplicación
  • Herramientas de análisis de datos complementarias para el profesional de la biotecnología
  • Procesos personalizados
  • Mejores prácticas del sector
  • Casos de uso
  • Ejemplos reales
  • Ejercicios y casos prácticos

MÓDULO VII. REGULACIÓN Y LEYES DE PROTECCIÓN DE DATOS

Para poder realizar los análisis a través del uso del Big Data es muy importante conocer todas las normativas que regulen la captación, gestión y uso de los datos con el objetivo de poder diseñar los procesos y realizar los estudios de manera efectiva respetando las leyes vigentes.

  • Ciclo de vida de los datos
  • Recogida y obtención del dato
  • Tratamiento
  • Ejercicio de derechos
  • Conservación y borrado
  • Ley Orgánica de Protección de Datos de Carácter Personal (LOPD)
  • Agencia Española de Protección de Datos (AEPD)

MÓDULO VIII. EJERCICOS PRÁCTICOS DE APLICACIÓN DEL BIG DATA EN EL SECTOR DE LA BIOTECNOLOGÍA

El objetivo de éste módulo es que el estudiante obtenga más experiencia en casos reales propios de su sector en los que aplicando el Big Data sea capaz de resolver un problema concreto u obtener una información importante para la toma de decisiones. En estos casos prácticos o Business Cases se les facilitará a los alumnos un enunciado en el que se describirá la situación de una empresa y se les pedirá que den respuesta a una necesidad propia del sector de la biotecnología a través del desarrollo de un estudio basado en análisis avanzado de datos en el que tendrán que aplicar todas las etapas propias de un proceso de Big Data. A partir de una fuente de datos determinada (datos brutos) deberán hacer los análisis correspondientes y desarrollar un informe o presentación para cada caso. A partir de las conclusiones obtenidas deberán indicar cuál es la mejor decisión estratégica para afrontar los retos planteados inicialmente.

MÓDULO IX. TRABAJO FIN DE MÁSTER

El objetivo de este último módulo es que los alumnos, una vez más, pongan en práctica, todos los conocimientos adquiridos en el transcurso del máster en un caso práctico más amplio y transversal que los casos prácticos del tema anterior. De esta forma, a través de un proyecto más exigente, los estudiantes consolidarán la experiencia final necesaria para poder afrontar con éxito los proyectos de Big Data más complejos que puedan requerirse en el sector de la biotecnología.

.

Docentes

Daniel Villaverde Garrido

Data Analytics and Visualization Specialist en Oracle

Ennio Pastore

Senior Data Architect at Amazon Web Services (AWS)

Alex Munárriz Barbero

Data Science Project Manager en DESIGUAL

Bogdan Andrei Baltes

Data Scientist @ BBVA | Computer Science and Engineering Graduate

 

Pablo López Galindo

Data Scientist | Data Science Manager en BBVA Next Technologies

 

Carlos Alcaraz Martínez

Data Scientist & ML Engineer @ Vodafone

 

Marta Romero

Senior Data Engineer en Telefónica

 

Francisco Llaneza Gonzalez

Head of AI en Fintonic

Pablo Romero García

Operaciones y soporte de servicios de red en Telefónica 

 

Vicente Pérez Soloviev

Investigador de Quantum Machine Learning en la UPM

Bernat Aguadé Estivill

CEO y CMO en Blockchain Qualifications

Juan Valles

Big Data Product Owner at Orange

 

*Incluir el prefijo telefónico del país
Puede encontrar estos términos y condiciones haciendo clic al acceso situado en el pie de página.