Master Data Science Y Analisis De Datos

3940 € 1970 €

Master Data Science Y Analisis De Datos + 60 Creditos ECTS

Duración: 1500 horas

Modalidad: Master Online

TITULACIÓN

Titulación Propia Universitaria expedida por la Universidad Antonio de Nebrija con 60 créditos ECTS.

MATERIALES

Materiales didácticos:
  • Maletín porta documentos.
    • Manual del Master Online: Conceptos Previos En Big Data Y Data Science
    • Manual del Master Online: Arquitectura Big Data
    • Manual del Master Online: Data Warehouse Con Herramientas Bi
    • Manual del Master Online: Explotación Y Análisis De Big Data En Data Science
    • Manual del Master Online: Analítica Web y Big Data
    • Manual del Master Online: Introducción a la Programación Estadística
    • Manual del Master Online: Data Science
    • Manual del Master Online: Cuadro de Mando y Dashboard
    • Master Online en formato SCORM: Explotación Y Análisis De Big Data En Data Science
    • Master Online en formato SCORM: Introducción a la Programación Estadística
    • Master Online en formato SCORM: Conceptos Previos En Big Data Y Data Science
    • Master Online en formato SCORM: Arquitectura Big Data
    • Master Online en formato SCORM: Analítica Web y Big Data
    • Master Online en formato SCORM: Data Warehouse Con Herramientas Bi
    • Master Online en formato SCORM: PFM- Máster en Data Science
    • Master Online en formato SCORM: Cuadro de Mando y Dashboard
    • Master Online en formato SCORM: Data Science
  • Subcarpeta portafolios.
  • Dossier completo Oferta Formativa.
  • Carta de presentación.
  • Guía del alumno.
  • Bolígrafo.

TEMARIO

MÓDULO 1. CONCEPTOS PREVIOS EN BIG DATA Y DATA SCIENCE UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL BIG DATA ¿Qué es Big Data? La era de las grandes cantidades de información: historia del big data La importancia de almacenar y extraer información Big Data enfocado a los negocios Open Data Información pública IoT (Internet of Things - Internet de las cosas) UNIDAD DIDÁCTICA 2. FASES DE UN PROYECTO DE BIG DATA Diagnóstico inicial Diseño del proyecto Proceso de implementación Monitorización y control del proyecto Responsable y recursos disponibles Calendarización Alcance y valoración económica del proyecto UNIDAD DIDÁCTICA 3. INTRODUCCIÓN AL DATA SCIENCE ¿Qué es Data Science? Historia del Data Science ¿Qué función tiene un Científico de datos? Data Science vs Big Data. Principales diferencias MÓDULO 2. ARQUITECTURA BIG DATA UNIDAD DIDÁCTICA 1. BATCH PROCESSING. Hadoop Pig Hive Sqoop Flume Spark Core Spark 2.0 UNIDAD DIDÁCTICA 2. STREAMING PROCESSING. Fundamentos de Streaming Processing Spark Streaming Kafka Pulsar y Apache Apex Implementación de un sistema real-time UNIDAD DIDÁCTICA 3. SISTEMAS NOSQL. Hbase Cassandra MongoDB NeoJ Redis Berkeley DB UNIDAD DIDÁCTICA 4. INTERACTIVE QUERY. Lucene + Solr UNIDAD DIDÁCTICA 5. SISTEMAS DE COMPUTACIÓN HÍBRIDOS. Arquitectura Lambda Arquitectura Kappa Apache Flink e implementaciones prácticas Druid ElasticSearch Logstash Kibana UNIDAD DIDÁCTICA 6. CLOUD COMPUTING. Amazon Web Services Google Cloud Platform UNIDAD DIDÁCTICA 7. ADMINISTRACIÓN DE SISTEMAS BIG. Administración e Instalación de clusters: Cloudera y Hortonworks Optimización y monitorización de servicios Seguridad: Apache Knox, Ranger y Sentry UNIDAD DIDÁCTICA 8. VISUALIZACIÓN DE DATOS. Herramientas de visualización: Tableau y CartoDB Librerías de Visualización: D, Leaflet, Cytoscape MÓDULO 3. EXPLOTACIÓN Y ANÁLISIS DE BIG DATA EN DATA SCIENCE UNIDAD DIDÁCTICA 1. BASES DE DATOS NOSQL Y EL ALMACENAMIENTO ESCALABLE ¿Qué es una base de datos NoSQL? Bases de datos Relaciones Vs Bases de datos NoSQL Tipo de Bases de datos NoSQL: Teorema de CAP Sistemas de Bases de datos NoSQL UNIDAD DIDÁCTICA 2. INTRODUCCIÓN A UN SISTEMA DE BASES DE DATOS NOSQL: MONGODB ¿Qué es MongoDB? Funcionamiento y uso de MongoDB Primeros pasos con MongoDB: Instalación y shell de comandos Creando nuestra primera Base de Datos NoSQL: Modelo e Inserción de Datos Actualización de datos en MongoDB: Sentencias set y update Trabajando con índices en MongoDB para optimización de datos Consulta de datos en MongoDB UNIDAD DIDÁCTICA 3. PROCESAMIENTO DISTRIBUIDO DE DATOS CON HADOOP ¿Qué es Hadoop? El sistema de archivos HDFS Algunos comandos de referencia Procesamiento MapReduce con Hadoop El de los clusters en Hadoop UNIDAD DIDÁCTICA 4. WEKA Y DATA MINING ¿Qué es Weka? Técnicas de Data Mining en Weka Interfaces de Weka Selección de atributos UNIDAD DIDÁCTICA 5. PENTAHO UNA SOLUCIÓN OPEN SOURCE PARA BUSINESS INTELLIGENCE Una aproximación a Pentaho Soluciones que ofrece Pentaho MongoDB & Pentaho Hadoop & Pentaho Weka & Pentaho MÓDULO 4. ANALÍTICA WEB Y BIG DATA UNIDAD DIDÁCTICA 1. ¿QUÉ ES LA ANALÍTICA WEB? Introducción La Analítica Web: Un reto cultural ¿Qué puede hacer la analítica web por ti o tu empresa? Glosario de Analítica Web UNIDAD DIDÁCTICA 2. ANALÍTICA WEB BÁSICA: INTRODUCCIÓN La analítica web en la actualidad Definiendo la analítica web El salto a la analítica web moderna UNIDAD DIDÁCTICA 3. ANALIZAR LA INFORMACIÓN CUANTITATIVA Identificar los factores críticos Otros factores que convienen medir Las macro y microconversiones Medir el valor económico Sitios sin comercio: valores a medir Medición de sitios BB UNIDAD DIDÁCTICA 4. ANALIZAR LA INFORMACIÓN CUALITATIVA Introducción La usabilidad Web Pruebas Online y a Distancia Las encuestas UNIDAD DIDÁCTICA 5. DEFINICIÓN DE KPIS Definición de KPIs KPI, CSF y metas Principales KPIS Ejemplos de KPIS Supuesto práctico: Cálculo de KPI con Excel UNIDAD DIDÁCTICA 6. CI: INTELIGENCIA COMPETITIVA Introducción Recopilar datos de Inteligencia Competitiva Análisis del tráfico de sitios web Búsquedas UNIDAD DIDÁCTICA 7. ANALÍTICA WEB 2.0. MÓVILES Y VÍDEOS Introducción La nueva web social y como medir datos Las aplicaciones Analizar el comportamiento desde el móvil Analizar el rendimiento de los vídeos UNIDAD DIDÁCTICA 8. ANALÍTICA WEB 2.0. REDES SOCIALES Análisis de Blogs Coste y beneficios de escribir en un blog Nuestro impacto en Twitter Métricas para Twitter UNIDAD DIDÁCTICA 9. PROBLEMAS Y SOLUCIONES DE LA ANALÍTICA WEB La calidad de los datos Obtener datos válidos ¿En qué basarnos para la toma de decisiones? Beneficios de análisis multicanal UNIDAD DIDÁCTICA 10. MÁS ALLÁ DE LOS DATOS Segmentación en base al comportamiento Predicción y minería de datos Rumbo a la analítica inteligente UNIDAD DIDÁCTICA 11. DEL BIG DATA AL LINKED OPEN DATA Concepto de web semántica Linked Data Vs Big Data Lenguaje de consulta SPARQL MÓDULO 5. DATA SCIENCE UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA CIENCIA DE DATOS ¿Qué es la ciencia de datos? Herramientas necesarias para el científico de datos Data Science & Cloud Computing Aspectos legales en Protección de Datos UNIDAD DIDÁCTICA 2. BASES DE DATOS RELACIONALES Introducción El modelo relacional Lenguaje de consulta SQL MySQL: Una base de datos relacional UNIDAD DIDÁCTICA 3. PRE-PROCESAMIENTO & PROCESAMIENTO DE DATOS Obtención y limpieza de los datos (ETL) Inferencia estadística Modelos de regresión Pruebas de hipótesis UNIDAD DIDÁCTICA 4. ANÁLISIS DE LOS DATOS Inteligencia Analítica de negocios La teoría de grafos y el análisis de redes sociales Presentación de resultados MÓDULO 6. INTRODUCCIÓN A LA PROGRAMACIÓN ESTADÍSTICA UNIDAD DIDÁCTICA 1. PYTHON Y EL ANÁLISIS DE DATOS Introducción a Python ¿Qué necesitas? Librerías para el análisis de datos en Python MongoDB, Hadoop y Python: Dream Team del Big Data UNIDAD DIDÁCTICA 2. R COMO HERRAMIENTA PARA BIG DATA Introducción a R ¿Qué necesitas? Tipos de datos Estadística Descriptiva y Predictiva con R Integración de R en Hadoop MÓDULO 7. CUADRO DE MANDO Y DASHBOARD UNIDAD DIDÁCTICA 1. DEFINICIÓN DE KPIS Definición de KPIs KPI, CSF y metas Principales KPIS Ejemplos de KPIS Supuesto práctico: Cálculo de KPI con Excel UNIDAD DIDÁCTICA 2. CONCEPTO Y CREACIÓN DE CUADROS DE MANDO Introducción a los cuadros de mando y dashboard Estrategias para la creación de un cuadro de mando Dashboard en Excel o Google Analytics UNIDAD DIDÁCTICA 3.HERRAMIENTAS PARA LA CREACIÓN DE CUADROS DE MANDO Aplicaciones gratuitas Aplicaciones propietarias MÓDULO 8. DATA WAREHOUSE CON HERRAMIENTAS BI (BUSINESS INTELLIGENCE) UNIDAD DIDÁCTICA 1. PRESENTACIÓN Nociones básicas Concepto de DataWareHouse UNIDAD DIDÁCTICA 2. DATA WAREHOUSE Aplicación Elementos Data Warehouse en la nube UNIDAD DIDÁCTICA 3. DATAMART Datamart DataMart: Componentes UNIDAD DIDÁCTICA 4. BASE DE DATOS CENTRAL Base de datos central UNIDAD DIDÁCTICA 5. IMPLEMENTACIÓN DE CUBOS 75 Creación de Cubos Transformación, extracción y carga UNIDAD DIDÁCTICA 6. SISTEMAS OLAP Discoverer Administrador MOLAP, ROLAP & HOLAP Sistema de Soporte a la Desición (DSS) Sistemas de Información Ejecutiva (EIS) Cliente y Servidor Discoverer Desktop UNIDAD DIDÁCTICA 7. MINERÍA DE DATOS Minería de datos ¿Qué podemos hacer con data Mining? ¿Qué usos puede tener el data Mining? Metodología de la minería de datos Algunas técnicas estadísticas utilizadas en data mining Árboles de decisión Reglas de inducción Redes Bayesanas Algoritmos Genéticos UNIDAD DIDÁCTICA 8. CICLO DATA MINING Ciclo data mining Minería de Textos y Web Mining Data mining y marketing MÓDULO 9. PROYECTO FINAL

INFORMACIÓN COMPLEMENTARIA

CARACTERÍSTICAS GENERALES

Resumen salidas laborales Master Online
El constante crecimiento de la información que se analiza en las empresas día a día y el desarrollo tan grande las tecnologías, hacen que conceptos como Data Science, Big Data, Analisis de datos estén cada vez mas presentes, sobre todo en el ámbito empresarial, haciendo que el papel de analista de datos ó data scientist sea cada vez más demandado y tenga una importancia muy grande en las empresas.Con la realización de este máster podrás optar a trabajar en grandes empresas que tramiten grandes cantidades de datos diariamente y podrás realizar la planificación, análisis y extracción de conclusiones de estos datos para la mejora de las decisiones, a veces vitalmente importantes, que toma la empresa para la mejora de sus productos /ventas/herramientas y que pueden llegar a tomar el valor diferencial con la competencia.
Objetivos Master Online Master Data Science y Análisis de Datos + 60 Créditos ECTS
- Aprender en qué consiste el Data Science y el Big Data.- Saber manejar grandes volúmenes de información e interpretarla.- Capacitar para la conversión de datos en productos o servicios.- Desarrollar dashboards para la presentación de información.- Conocer y aprender lenguajes de programación estadística.
Salidas laborales Master Online
Con la realización de este máster podrás optar a los siguientes puestos:- Data Scientist- Analista de datos- Business Intelligence Administrator- Gestor de infraestructuras de Big Data- Business Analist. Y en general cualquier puesto que necesite el análisis de grandes cantidades de datos para la toma de decisiones.
Para que te prepara este Master Online
Con este máster en Data Science podrás aprender todos los conocimientos necesarios de Data Science y Big Data para poder convertirse en un profesional que sepa analizar y manejar cantidades de datos elevadas que sirvan para tomar decisiones fundamentales en las empresas para mejorar muchos aspectos de ella. Este máster lo convertirá en un valor diferencial muy a tener en cuenta por las empresas del sector.
A quién va dirigido este Master Online
Este máster está dirigido a una variedad muy amplia de perfiles con titulación universitaria entre los que destacan los perfiles informáticos y del ámbito matemático, estadístico o económico. Aunque está pensado sobre todo para estos perfiles, existen muchos campos en los que se puede aplicar los contenidos aquí desarrollados.
Metodología del Master Online
Con nuestra metodología de aprendizaje online, el alumno comienza su andadura en INESEM Business School a través de un campus virtual diseñado exclusivamente para desarrollar el itinerario formativo con el objetivo de mejorar su perfil profesional. El alumno debe avanzar de manera autónoma a lo largo de las diferentes unidades didácticas así como realizar las actividades y autoevaluaciones correspondientes. La carga de horas de la acción formativa comprende las diferentes actividades que el alumno realiza a lo largo de su itinerario. Las horas de teleformación realizadas en el Campus Virtual se complementan con el trabajo autónomo del alumno, la comunicación con el docente, las actividades y lecturas complementarias y la labor de investigación y creación asociada a los proyectos. Para obtener la titulación el alumno debe aprobar todas la autoevaluaciones y exámenes y visualizar al menos el 100% de los contenidos de la plataforma. El Proyecto Fin de Máster se realiza tras finalizar el contenido teórico-práctico en el Campus. Para aprobarlo es necesaria una nota mínima de 5. Por último, es necesario notificar la finalización del Máster desde la plataforma para comenzar la expedición del título.

7 RAZONES PARA REALIZAR ESTE MASTER ONLINE

1º GARANTÍA

Mas de 20 años de experiencia con un record del 96% de satisfacción en atención al alumnado y miles de opiniones reales de nuestros alumnos satisfechos nos avalan. Matricúlate con el 100% de Garantía en este Master Online, y si no estás satisfecho con el material en 7 días te devolvemos tu dinero.

2º CONFIANZA

Matricúlate en el Master Data Science y Analisis de Datos + 60 Creditos ECTS con TOTAL CONFIANZA. Euroinnova cuenta con el sello de Confianza Online que podrás encontrar en tus webs de Confianza. Además colaboramos con las mas prestigiosas Universidades, Administraciones Públicas y Empresas de Software a nivel nacional e internacional.

Colaboramos con
Formamos parte de
Tecnológico

3º CALIDAD AENOR

Todos los procesos de enseñanza-aprendizaje siguen los mas rigurosos controles de calidad extremos, estando certificados por AENOR por la ISO 9001 y llevando a cabo auditorias externas anuales que Garantizan la máxima calidad AENOR.

4º EQUIPO EUROINNOVA

Nos sentimos orgullosos de nuestro equipo formado por más de 50 Profesores especialistas y más de 100 colaboradores externos a tu entera disposición en este Master Data Science y Analisis de Datos + 60 Creditos ECTS, todo ello junto a más de 20 años de experiencia y miles de alumnos formados nos permiten garantizar la Máxima Calidad en la Atención al Alumno

5º BOLSA DE EMPLEO

Disponesmos de bolsa de empleo propia con cientos de ofertas de trabajo relacionadas con este Master Data Science y Analisis de Datos + 60 Creditos ECTS. Euroinnova es agencia de colocación Nº 9900000169 autorizada por el Ministerio de Empleo y Seguridad Social.

Agencia de colocación autorizada Nº 9900000169

6º RESPETUOSOS CON EL ENTORNO

Euroinnova es una empresa comprometida con el medio ambiente, Socialmente responsable y un referente formativo en materia de igualdad de género con una amplia oferta formativa en igualdad, y que mantiene una estrecha colaboración con el Instituto de la Mujer (Escuela Virtual de Igualdad).

7º MEJOR PRECIO

En Euroinnova Business School le garantizamos la mejor relacion Calidad/Precio en este Master Data Science y Analisis de Datos + 60 Creditos ECTS. Por ello en Euroinnova somos Editores de nuestros propios materiales didácticos, para ello contamos con Editorial propia (Euroinnova Editorial), lo cual abarata los costes y nos hace extremadamente competitivos. Además somos Distribuidores de formación contando con 257 Escuelas de negocios y Centros de Formación que distribuyen nuestra formación como minoristas, pero lógicamente siempre a un precio mayor. Aprovecha y matricúlate con la Entidad matriz beneficiándote de la maxima calidad en este Master Online siempre al mejor precio.