Máster en Big Data Analytics y Data Science

Dedicación: 1 año (60 ECTS)

Idioma: español

Requisitos de acceso: Conocimientos de programación

Modalidad Live Streaming: 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.

Formatos: El programa se puede realizar en una de las dos siguientes versiones:

Formato Máster

Duración: 1 año (60 ECTS)

Descripción: Se entra en detalles, de manera minuciosa, en cada uno de los temas y se llevan a cavo múltiples casos prácticos por sección.

Fecha de inicio y fin: 24 de Octubre del 2022 – 29 de Junio del 2023

Horarios disponibles: Lunes, miércoles y jueves de 19:00h a 21:00h (zona horaria UCT+1, Madrid)

Formato Postgrado

Duración: 5 meses (30 ECTS)

Precio: Un 43% más económico que el formato máster

Información: Cada tema se sintetiza y se realiza un caso práctico por sección.

Fecha de inicio y fin: 24 de Octubre del 2022 – 27 de Febrero de 2023

Horarios disponibles: Lunes, miércoles y jueves de 19:00h a 21:00h (zona horaria UCT+1, Madrid)

Ayudas económicas:
Bonifique hasta el 100% de los costes a través de FUNDAE (debe ser coordinado desde su empresa) o solicite información sobre nuestro programa de becas

¿A quién va dirigido?

Perfiles técnicos que deseen aprender a desarrollar procesos personalizados para transformar datos en información valiosa. Este programa es adecuado para las personas que ya disponen de conocimientos previos de programación ya que se partirá de esa base para construir los modelos de análisis de datos más adecuados.

Objetivos:

Se prepara a los futuros profesionales que quieran trabajar en el campo del Big Data más complejo, en el que el uso de herramientas existentes no es suficiente y se requiere programar con el fin de crear procesos propios personalizados en las distintas fases del proyecto (extracción, análisis, visualización, reporting…)

Para ello tendrán que conocer y saber usar las principales tecnologías, focalizándose en la programación de sistemas de análisis propios capaces de satisfacer las necesidades de los análisis más complejos.

descargar programa completo

Contenido del programa

MÓDULO I. FUNDAMENTOS BÁSICOS

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

Tema 1 – La Transformación Digital

Gestión clásica de las empresas
El valor de los datos
Aparición del Big Data
o Definición
o Características
o Evolución de los datos
o Big Data y Business Intelligence
o Herramientas

Perfiles en la industria Big Data
o Data Architect
o Data Engineering
o Business Intelligence
o Business Analytics
o Data Scientist

Tema 2 – Introducción al Proceso de Data Science

Entendimiento del proyecto
Recolección de los datos
Procesamiento de los datos

Exploración de los datos
Modelado y evaluación
Puesta en marcha

Tema 3 – Inteligencia Artificial

¿Qué es la Inteligencia Artificial?
Categorías
o Inteligencia Artificial Débil o Narrow AI
o Machine Learning y Deep
Learning
o Procesamiento de Lenguaje
Natural (PNL)
o Inteligencia Artificial Fuerte o Inteligencia
Artificial General

Herramientas estadísticas en el uso de la
Inteligencia Artificial
o Muestra y Población
o Estadística Descriptiva
o Normalización o Estandarización

Tema 4 – Business Intelligence

¿Qué es la Inteligencia de Negocio o Business
Intelligence?
o Definición
o Importancia
o Uso
o Características
o Ventajas
o Salidas profesionales

Datos, información y conocimiento

Tema 5 – Proceso de Inteligencia de Negocio

Proceso de la Inteligencia de Negocio
o Extracción de los datos
o Tratamiento y preparación de datos
o Análisis
o Visualización
o Conclusiones estratégicas

Arquitectura de un Proyecto de Business
Intelligence
o Origen de los datos
o Procesos ETL
o ODS
o Data Warehouse
o Datamarts
o Explotación de la información
o Producto BI

MÓDULO II. PROGRAMACIÓN PARA DATA SCIENCE

Se estudiarán en profundidad los principales entornos y lenguajes de programación para el desarrollo de los
procesos propios del Data Scientist. También se aprenderá a usar las librerías más populares.

Tema 6 – Python

Introducción a la programación con Python
Programación con Python (medio)
Programación con Python (avanzado)

Visualización de los Datos
o Plotly
o Matplotlib

Tema 7 – Rstudio

Introducción a la programación con R
Programación con R (medio)

Programación con R (avanzado)
Shiny

Tema 8 – Machine Learning

Introducción al Aprendizaje Automático
Modelos de Machine Learning
o Modelos Supervisados
o Modelos No Supervisados
o Redes Neuronales
o Aplicaciones
o Procesamiento de Imágenes
o Procesamiento de Lenguaje
Natural
o Procesamiento de Audio
o Procesamiento de Datos

Librerías
o MLlib
o ScikitLearn
o TensorFlow
o Mlr3

MÓDULO III. EXTRACCIÓN Y PREPARACIÓN DE LOS DATOS

El primer paso para cualquier proceso relacionada 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.

Tema 9 – Origen y naturaleza de los datos

Tipos de datos
o cualitativos/cuantitativos
o continuos/discretos
o String
o Integer
o Float
o Date
o Boolean
o Otros

Fuentes de datos
o ERP
o CRM
o LOB
o Ficheros Office
o Web Services
o Otros

Tema 10 – Data Quality

Introducción
Errores en la información

Etapas en el proceso de Data Quality

Tema 11 – Almacenamiento de Datos

Bases de datos
o Introducción a las bases de datos relacionales y
no relacionales
o Modelos de entidad relación (ER)
o Documentos
o Bases de datos relacionales
o PostgreSQL y MySQL
o Programación SQL
o Bases de datos no relacionales
o MongoDB
o Programación MongoDB
o Neo4J
o Programación Cypher
o Cassandra
o Programación Cassandra

Data Lake
Data Warehouse
o Fundamentos y propiedades de un Data
Warehouse
o Implementación de un Data Warehouse
Extracción y transformación de los datos
o Creación de pipelines propios

Tema 12 – Tema 12 – Proceso ETL

Extracción
Limpieza
o Depurar
o Corregir
o Estandarizar
o Relacionar
o Consolidar

Transformación
Integración
Carga y Actualización de los datos
Herramientas
Prácticas

MÓDULO IV. Análisis de datos

Una vez se han agrupado y preparado todos los datos extraídos de las fuentes de información disponibles es el
momento de desarrollar procesos personalizados para aplicar de una manera optimizada las técnicas de análisis
propias del Data Analyst y el Data Scientist que nos permitirán transformar una gran cantidad de datos, en
información interpretable y valiosa.

Tema 13 – Análisis avanzado de Datos

Estadísticos para el análisis de datos
o Probabilidad e Inferencia estadística.
o Análisis cualitativo y cuantitativo
o Métodos de análisis
o Análisis Factorial Lineal
o Análisis No Lineal
o Correlación y regresión lineal y múltiple
Herramientas de análisis de datos

Programación de herramientas propias
Programación de modelos avanzados de análisis de
datos
Programación de modelos estadísticos
Programación de modelos predictivos
Inteligencia Artificial y Machine Learning aplicado
al análisis de datos

Tema 14 – Modelado y Minería de Datos

Sistemas de procesamiento Online
o OLAP
o Drill down
o Drill up
o Tipos de servidores OLAP
o OLTP
Minería de Datos
o Introducción
o Herramientas de Data Mining
o Árboles de decisión

o Clustering
o Regresión
o Extracción de reglas de asociación
o Modelos estadísticos
o Redes Bayesianas
o Redes Neuronales
o Prácticas de Minería de Datos

MÓDULO V. ARQUITECTURA Y COMPONENTES DEL BIG DATA

Para poder desarrollar proyectos basados en Big Data es necesario entender a la perfección los diferentes
componentes de la tecnología y su papel dentro de la arquitectura global de la solución. Este módulo se centra
en el estudio de estas cuestiones.

Tema 15 – Arquitectura Big Data

Apache Hadoop
HDFS

YARN
MapReduce

Tema 16 – Herramientas y componentes

Hive
Pig
Sqoop
Flume

Zookeeper
Impala
Mahout
Spark

Tema 17 – Fast Data

Qué es el Fast Data
Tecnología SMACK
o Spark
o Mesos
o Akka

o Cassandra

o Kafka

Prácticas flujo Fast Data

Tema 18 – Cloud Computing

Microsoft Azure
Otras plataformas
Aplicación práctica del Cloud Computing

Cloud Computing
Ecosistemas
Amazon Web Service

MÓDULO VI. 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

Tema 19 – Microsoft Power BI

Fundamentos básicos
Power BI (medio)
Power BI (avanzado)

DAX
DataFlows

Tema 20 – Representación de datos

Visualización con Power BI
Tablas y y texto

Visualización avanzada
Gráficos avanzados

Tema 21 – Cuadros de Mando

Qué es un cuadro de mando
Cuadros de Mando Integrales (CMI)
Cuadros de Mando Operativos (CMO)

Conceptualización y cálculo de KPIs
Conceptualización, construcción y distribución de
Cuadros de Mando
o Definición y creación de alertas

Tema 22 – Informes

Definición de un informe
Rendimiento de Negocio y Operaciones
o Métricas empresariales
o Ingresos de ventas
o Margen de Beneficio Neto

o Margen Bruto
o Crecimiento de Ventas
o Coste de Adquisición Cliente (CAC)
o Lealtad y Retención del Cliente
o Otras

Creación de Informes

Tema 23 – Storytelling

Definición
Estructura narrative

Consejos
Elaboración de storytelling

MÓDULO VII. Introducción al blockchain y a su aplicación en el Big Data

La tecnología blockchain está transformando muchos sectores y se está empezando a usar en el campo del Big
Data. Para poder superar a la competencia es necesario aprovechar las ventajas que ofrecen las nuevas
tecnologías como el blockchain. En este módulo se aprenderá qué es, cómo funciona y como sacar partido de sus
características.

Tema 24- Introducción a la tecnología blockchain

Introducción a la tecnología
Propuestas de valor
Funcionamiento básico
Comparación con sistemas tradicionales

Smart Contracts, Dapps y DAOs
Impacto en distintas industrias
Nuevos productos y servicios
Web descentralizada

Tema 25 – Funcionamiento de la tecnología blockchain

Criptografía básica del blockchain
Estructura de la tecnología
Firmas digitales y validaciones
Minería e incentivos
Protocolo Proof of Work
Protocolo Proof of Stake
Otros protocolos de consenso

Introducción a las bases de datos
Estructura de un programa (software)
Hardfork y Softfork
Sidechains
Smart Contracts (II)
Dapps y DAOs (II)
Simulación de una red blockchain

Tema 26 – Aplicaciones del blockchain en el campo del Big Data

Aplicación de la inmutabilidad
Aplicación de la identidad digital
Aumento de transparencia en los procesos

Introducción a las bases de datos
Estructura de un programa (software)
Hardfork y Softfork
Sidechains
Smart Contracts (II)
Dapps y DAOs (II)
Simulación de una red blockchain

MÓDULO VIII. REGULACIÓN Y LEYES DE PROTECCIÓN DE DATOS

Para poder realizar proyectos 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.

Tema 27 – Conceptos fundamentales de privacidad

Introducción
Ciclo de vida de los datos
Recogida y obtención del dato

Tratamiento
Ejercicio de derechos
Conservación y borrado

Tema 28 – Bases de las regulaciones en materia de protección de datos

Ley Orgánica de Protección de Datos de Carácter
Personal (LOPD)

Agencia Española de Protección de Datos (AEPD)

Tema 29 – Regulación Europea en materia de protección de datos

Reglamento Europeo de Protección de Datos
(RGPD)
Ley Orgánica de Protección de Datos
Personales y Garantía de los Derechos
Digitales (LOPD-GDD)

Red Iberoamericana de Protección de Datos
(RIPD)

Tema 30 – Herramientas existentes para asegurar la protección de datos

Herramientas
o PILAR
o Facilita RGPD

MÓDULO IX. PLANIFICACIÓN Y DIRECCIÓN DE PROYECTOS

Para poder liderar la planificación e implementación de los proyectos basados en Big Data en los entornos
corporativos es necesario entender los recursos que se requieren, como se organizan, qué coste tiene cada uno,
los riesgos implicados y los mecanismos de control para asegurar el correcto desarrollo y unos resultados de la
calidad exigida

Tema 31 – Planificación de proyectos empresariales

Iniciación
o Valoración económica
o Identificación de los interesados
o Requisitos preliminares
o Definición del alcance
o Acta de constitución del proyecto
Planificación
o Plan de Proyecto
o Planificación del alcance
o Estructura de Descomposición del
Trabajo (EDT)

o Planificación del tiempo
o Planificación de costes
o Planificación de calidad
o Planificación de riesgos

Ejecución
o PMBOCK
Control y Seguimiento
Cierre del proyecto

Tema 32 – Metodología Agile en la dirección y gestión de proyectos

 Agile Project Management
 Ventajas

 Metodologías
o Kanban
o Scrum

MÓDULO X. EJERCICOS PRÁCTICOS EN FORMATO BUSINESS CASE

Este módulo es uno de los más importantes ya que se aplicará todo lo aprendido en casos reales o simulados. En
estos 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 pregunta estratégica a través del desarrollo de un estudio
basado en Big Data en el que tendrán que aplicar todas las etapas propias de un proyecto de Data Science. A
partir de una fuente de datos determinada (datos brutos) deberán hacer los análisis correspondientes y
desarrollar un informe o presentación, para cada caso, presentando los resultados obtenidos.

Business Case 1 – Análisis de Consumo

El alumno partirá del histórico de datos de los hábitos de los consumidores de una empresa y desarrollará
modelos predictivos sobre futuros consumos de los clientes, volumen de ventas de un producto existente y
predicciones sobre volúmen de ventas de un nuevo producto

Business Case 4 - Motor de Recomendación

A partir de la recopilación de datos de comportamiento de los usuarios se deberá desarrollar un motor de
recomendación.

Business Case 5 - Segmentación avanzada de clientes

El alumno aplicará los conocimientos adquiridos a lo largo del Máster para resolver un caso propio de Inteligencia
de Negocio como es la segmentación avanzada de clientes. Se deberá clasificar a los clientes en función de
comportamientossimilares haciendo uso de los modelos de Machine Learning utilizados a lo largo del Máster.

Business Case 6 - Pricing dinámico

El alumno deberá desarrollar un sistema que ajuste los precios de un producto o servicio de forma automática y
en tiempo real en función de los diferentes parámetros asociados a éste (i.e. disponibilidad, precio de la
competencia, patrones de compra, localización geográfica, etc.)

Business Case 7 - Satisfacción del cliente

Se pide que se desarrolle un mecanismo para medir la satisfacción del cliente en base al análisis de diferentes
herramientas, como las redes sociales o encuestas. Para ello aplicará los conocimientos de Procesamiento de
Lenguaje Natural y de análisis de datos aprendidos durante el curso.

MÓDULO XI. Trabajo Fin de Máster

El objetivo de este último módulo es que el alumno ponga en práctica, todos los conocimientos adquiridos en el
transcurso del máster en un caso práctico más amplio y transversal que los Business Case del tema anterior. De
esta forma podrán ponerse a prueba a través de un proyecto más exigente y extenso que les dará la experiencia
final necesaria para poder afrontar con éxito los proyectos de Big Data más complejos.

Consultar precio