¡Contacta con nosotros!
Telefono Euroinnova ¡Te llamamos!
Whatsapp Euroinnova 607 061 329
Deja tu mensaje

Menú
EUROINNOVA LOGO
Curso en: Portugal Portugal

Matricúlate en esta Maestría En Data Analytics y consigue una doble titulación:Certificación oficial otorgada por la SEP y título de Máster Europeo

Titulación
Modalidad
Online
Duración - Créditos
1500 horas
Becas y Financiación
sin intereses
Equipo Docente
Especializado
Acompañamiento
Personalizado

Opiniones de nuestros alumnos

Media de opiniones en los Cursos y Master online de Euroinnova

Nuestros alumnos opinan sobre: Maestria en Ciencia de Datos. Especializacion en Data Analytics

4,6
Valoración del curso
100%
Lo recomiendan
4,9
Valoración del claustro

Carla V,b,

CIUDAD DE MÉXICO

Opinión sobre Maestria en Ciencia de Datos. Especializacion en Data Analytics

Lo mejor ha sido el apoyo de los profesores, que pese a ser en línea no notas su ausencia, con una comunicación constante y fluida, ellos te preguntan nada más comenzar y te ayudan siempre que lo necesitan, felicitar a Euroinnova por eso (ya que a ellos no los conocía). También como no destacar el costo. No tengo ningún comentario negativo hacia ellos.

Serafín H. T.

CDMX

Opinión sobre Maestria en Ciencia de Datos. Especializacion en Data Analytics

Lo que me hizo decidirme a realizar esta Maestría fue su costo y la modalidad en línea, así como que sea de las maestrías de la SEP, la recomiendo a todo el mundo, también por la ayuda de los facilitadores, y la calidad de los módulos que se imparten.

Martina G, H,

COSCO

Opinión sobre Maestria en Ciencia de Datos. Especializacion en Data Analytics

Encantada con lo aprendido, con la plataforma que está 24/7 para cuando dispongas de tiempo, la rapidez con la que responden los facilitadores y el nivel del contendido de la Maestría.

Federica G. L.

QUERÉTARO

Opinión sobre Maestria en Ciencia de Datos. Especializacion en Data Analytics

El apoyo de los profesores, hizo que esta Maestría en línea resultara sencilla. La gran interacción que existe en la plataforma, así como el hecho de ser una Maestrías SEP me han encantado. Además también es cierto, el costo y las ayudas en el pago.

Bibiana T. G.

JALISCO

Opinión sobre Maestria en Ciencia de Datos. Especializacion en Data Analytics

El contenido de la Maestría nos ha encantado, los profesores se comportan de manera fantástica, y el modo en línea hace que la formación sea muy versátil. Además de contar con validez oficial SEP, que para mí era bastante importan
* Todas las opiniones sobre Maestria en Ciencia de Datos. Especializacion en Data Analytics, aquí recopiladas, han sido rellenadas de forma voluntaria por nuestros alumnos, a través de un formulario que se adjunta a todos ellos, junto a los materiales, o al finalizar su curso en nuestro campus Online, en el que se les invita a dejarnos sus impresiones acerca de la formación cursada.
Alumnos

Plan de estudios de la Maestría en data analytics

MAESTRIA EN DATA ANALYTICS: Este plan de estudios se encuentra incorporado al Sistema Educativo Nacional (SEP) con número de acuerdo M-087/2021. Estudia esta Maestría 100% online y consigue una doble titulación Euroinnova + UDAVINCI, así tendrás un título con validez oficial RVOE y un título de Máster Europeo

Resumen salidas profesionales
de la Maestría en data analytics
La Ciencia de datos o Data Science, es el arte de gestionar y analizar grandes volúmenes de información utilizando herramientas, lenguajes de programación y técnicas especializadas en extraer, clasificar y visualizar información que permitan tomar decisiones estratégicas y comerciales basadas en datos. Con esta Maestría en Ciencia de Datos con Especialización en Data Analytics aprenderás los principales algoritmos y técnicas de clasificación utilizados en Data Science. Usarás bases de datos SQL o NoSQL, aprovecharás todo el potencial del Big Data o el Machine Learning y programarás en el lenguaje R para analizar datos estadísticos. Además, utilizarás la analítica web con herramientas como Google Analytics, Tag Manager o Data Studio y sabrás analizar datos programando en Python.
Objetivos
de la Maestría en data analytics

- Entender la importancia de extraer, clasificar y visualizar información en la toma de decisiones estratégicas.
- Conocer qué tipos de algoritmos, métodos estadísticos y técnicas de clasificación son usados en ciencia de datos.
- Utilizar tanto bases de datos relacionales (SQL) como no relacionales (NoSQL) para la administración de información.
- Comprender la relación entre la ciencia de datos y tecnologías disruptivas como el Big Data y el Machine Learning.
- Programar en lenguaje R conociendo sus diferentes estructuras, funciones, técnicas y métodos de graficado.
- Aprender a utilizar Google Analytics, Google Tag Manager y Google Data Studio para el análisis de datos web.
- Conocer qué librerías, funciones, algoritmos y métodos de visualización se usan en Python para el análisis de datos.
Salidas profesionales
de la Maestría en data analytics
Los datos son el eje central de cualquier empresa. Las empresas demandan profesionales que sepan analizar información para una correcta toma de decisiones estratégicas. Con esta Maestría en Ciencia de Datos con Especialización en Data Analytics optarás a puestos como Data Scientist o Analista de datos, Chief Data Officer (CDO), Web Analyst Manager o Python Developer.
Para qué te prepara
la Maestría en data analytics
Con la Maestría en Ciencia de Datos con Especialización en Data Analytics aprenderás los principales algoritmos y técnicas de clasificación utilizados en Data Science. Usarás bases de datos SQL o NoSQL, aprovecharás todo el potencial del Big Data o el Machine Learning, programarás en R para analizar datos estadísticos, usarás Google Analytics, Tag Manager o Data Studio para la analítica web y programarás en Python orientado al análisis de datos.
A quién va dirigido
la Maestría en data analytics
Esta Maestría en Ciencia de Datos con Especialización en Data Analytics está orientada tanto a perfiles técnicos en informática como a perfiles estadísticos, business o de marketing que quieran aprender qué tecnologías, herramientas y lenguajes se utilizan para la gestión y análisis de datos y cómo pueden sacarle el máximo provecho posible dentro de cualquier empresa.
Metodología
de la Maestría en data analytics
Con nuestra metodología de aprendizaje online, el alumno comienza su andadura con nosotros 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 asignaturas así como realizar las actividades de aprendizaje. Las horas de estudio 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.

Temario de la Maestría en data analytics

Descargar GRATIS
el temario en PDF
Estoy de acuerdo con la Política de privacidad y Condiciones de Matriculación. Información básica sobre Protección de Datos aquí.

  1. Introducción
  2. Dónde se ubica el JavaScript en las páginas HTML
  3. Cómo enviar las salidas de resultados a las páginas HTML
  1. Declaraciones
  2. Sintaxis
  3. Comentarios
  4. Variables
  5. Tipos de datos
  1. Clase
  2. Propiedades
  3. Métodos
  4. Getters y Setters
  5. Constructores
  1. Operadores
  2. Sentencia condicional simple
  3. Sentencia condicional múltiple
  1. Fundamentos de la repetición controlada
  2. Instrucción de repetición mientras
  3. Instrucción de repetición haz - mientras
  4. Instrucción de repetición desde
  1. Declaración y creación de arreglos
  2. Paso de arreglos a los métodos
  3. Arreglos multidimensionales
  4. Listas de argumentos con longitud variable
  1. Manejo de cadenas
  2. Manejo de números
  3. Manejo de funciones matemáticas
  4. Manejo de valores booleanos
  1. JavaScript HTML DOM
  2. Modelo de objeto del navegador
  3. Formularios
  1. JavaScript Ajax
  2. Uso JSON en JavaScript
  1. Conceptos y generalidades
  2. Utilización de Jquery

  1. Evolución de la administración de los datos
  2. Tipos de administración de los datos
  3. Operaciones para el manejo de los datos masivos
  4. Tipos de datos masivos
  1. Historia de la computación distribuida
  2. Elementos de la computación distribuida
  3. Uso de la computación distribuida
  1. Pila de datos masivos
  2. Capas para el manejo de los datos masivos
  3. Tecnología para el uso de datos masivos
  1. Servicios de organización de datos
  2. Herramientas para la organización de datos
  3. Almacenamiento analítico de datos
  1. Importancia de la virtualización en el uso de datos masivos
  2. Servidor de virtualización
  3. Aplicaciones de la virtualización
  4. Manejo de la virtualización
  1. Aplicación de los datos masivos
  2. Manejo de datos masivos
  3. Funciones en el uso de datos masivos
  1. Relación de la nube con los datos masivos
  2. Modelos de despliegue y entrega en la nube
  3. Manejo de la nube para la administración de datos masivos
  1. Características de los sistemas de almacenamiento masivo
  2. Elementos de los sistemas de almacenamiento masivo
  3. Beneficios de los sistemas de almacenamiento masivo
  1. Sistemas de archivos distribuidos
  2. Uso de las funciones de reducción
  3. Manejo de las funciones de mapeo
  1. Manejo de recursos y aplicaciones
  2. Almacenamiento de los datos masivos
  3. Minería de datos masivos

  1. Importancia de la recolección de datos
  2. Historia y evolución
  3. Importancia de la clasificación de datos
  4. Historia y evolución
  5. Relación con la ciencia de datos
  1. Conceptos
  2. Objetivo
  3. Características
  4. PARTES DE UNA ENTREVISTA
  5. Tipos de preguntas
  1. Conceptos
  2. Objetivo
  3. Características
  4. Tipos
  5. Selección de participantes
  1. Conceptos
  2. Objetivos
  3. PARTICIPANTES
  4. Aplicación en la recolección de datos
  5. Registro de hechos
  1. Conceptos
  2. Objetivos
  3. Características
  4. Tipos
  5. Selección de participantes
  1. Conceptos
  2. Objetivos
  3. Diseño
  4. Construcción
  5. Aplicabilidad en la recolección de datos
  1. Conceptos
  2. Objetivos
  3. Características
  4. Construcción
  5. aplicabilidad
  1. Importancia
  2. Beneficios
  3. Características
  4. Costos
  5. Algunas herramientas
  1. Conceptos
  2. Tipos
  3. Clasificaciones
  4. Datos cualitativos
  5. Datos cuantitativos
  1. Conceptos
  2. Objetivo
  3. Ventajas y beneficios
  4. Consecuencias negativas
  5. Herramientas

  1. Distribuciones y Gráficas
  2. Medidas de tendencia central y dispersión
  3. Medidas de Posición y forma
  1. Tipos de variables
  2. Distribuciones discretas de probabilidad
  3. Distribuciones continuas de probabilidad
  4. Muestreo y distribuciones muestrales
  1. Teorema de límite central
  2. Intervalos de confianza
  3. Pruebas de hipótesis
  1. Regresión lineal simple
  2. Coeficientes de correlación y determinación
  3. Regresión lineal múltiple
  1. ANOVA con un factor
  2. ANOVA con varios factores
  3. Comparaciones Múltiples
  1. Tipos de Pruebas de bondad
  2. Cuadros de contingencia
  3. Aplicaciones de pruebas de bondad
  1. Tipo de Variaciones
  2. Métodos aplicados a series de tiempo
  3. Índices
  1. Prueba del signo
  2. Prueba de rangos
  3. Prueba U
  4. Prueba H
  1. Elementos del análisis de decisiones
  2. Toma de decisiones bajo Riesgo
  3. Técnicas cualitativas para la toma de decisiones
  1. Arboles de Decisiones
  2. Cadenas de Markov
  3. Redes Bayesianas
  4. Otras técnicas

  1. Sistema de procesamiento de archivos
  2. Sistema de procesamiento de bases de datos
  3. Historia del procesamiento de bases de datos
  4. Definición de una base de datos
  5. DBMS
  1. Conceptos de modelado
  2. Importancia del modelado
  3. Modelo E-R
  4. Modelo relacional
  5. Normalización
  1. Conceptos y definiciones
  2. Tipos de datos
  3. Sentencias del DDL
  4. Ejemplos de DDL
  1. Introducción
  2. Importancia
  3. Entorno
  4. Instalación
  5. Ejemplo práctico
  1. Introducción
  2. Importancia
  3. Entorno e Instalación
  4. Ejemplo práctico
  1. Introducción e Importancia
  2. Entorno
  3. Instalación
  4. Ejemplo práctico
  1. Historia y Conceptos
  2. Sentencia DDL en SQL
  3. Sentencia INSERT, DELETE, UPDATE
  4. Sentencia DELETE
  1. Sentencia SELECT
  2. Operadores de comparación y booleanos
  3. Subconsultas
  4. Funciones y Comandos de ordenamiento
  1. Sentencia SELECT con múltiples tablas
  2. Funciones de agrupación
  3. Operadores para múltiples tablas
  4. Sentencia JOIN
  1. Conceptos
  2. Tecnologías en la nube
  3. NoSQL
  4. Tendencias actuales

  1. Privacidad
  2. Protección de datos
  3. Privacidad y protección de datos
  4. Importancia de la privacidad
  5. Importancia de la protección de datos
  1. Datos personales
  2. Sensibilidad de los datos
  3. Tratamiento de los datos
  4. Recolección de datos
  5. Consentimiento
  1. Tratamiento
  2. Calidad
  3. Seguridad
  4. Desecho
  5. Secrecía
  1. Referentes históricos
  2. Organismos internacionales
  3. Leyes internacionales
  4. Decretos internacionales
  5. Acuerdos internacionales
  1. Referentes históricos
  2. Ley Federal de Protección de Datos Personales
  3. Marco legal
  4. Conceptos y definiciones
  5. Actualidad de la protección de datos en México
  1. El IFAI
  2. Misión
  3. Visión
  4. Estructura
  5. Funciones
  1. Introducción
  2. Identificación
  3. Autenticación
  4. Código malicioso
  5. Responsabilidad de los usuarios
  1. Introducción
  2. Navegación
  3. Correo electrónico
  4. Redes sociales
  5. Usuarios menores de edad
  1. Historia, definición y objetivos de Esteganografía
  2. Historia, definición y objetivos de la criptografía
  3. Aplicaciones y usos
  4. Herramientas
  5. Beneficios
  1. Fundamentos
  2. Sistemas de Gestión de la Seguridad de la Información
  3. Plan de Contingencias y Seguridad del Negocio
  4. Norma ISO 27001
  5. Certificación en seguridad de la información

  1. Historia
  2. Primeros sistemas administradores de bases de datos
  3. Primera revolución de las bases de datos
  4. Segunda revolución de las bases de datos
  5. Tercera revolución de las bases de datos
  1. Introducción
  2. Características
  3. Conceptos
  4. Terminología
  5. Diseño
  1. Introducción
  2. Características y conceptos
  3. Diseño
  4. XML
  5. JSON
  1. Introducción
  2. Características y conceptos
  3. Arquitecturas
  4. Terminología
  5. Diseño
  1. Introducción
  2. Características
  3. Conceptos
  4. Terminología
  5. Diseño
  1. Introducción
  2. Características
  3. Conceptos
  4. Terminología
  5. Diseño
  1. Introducción
  2. Características
  3. Conceptos
  4. Terminología
  5. Diseño
  1. Introducción
  2. Características
  3. Conceptos
  4. Terminología
  5. Diseño
  1. Introducción
  2. Características
  3. Conceptos
  4. Terminología
  5. Diseño
  1. Introducción
  2. Características
  3. Conceptos
  4. Terminología
  5. Diseño

  1. ¿Qué es Machine Learning?
  2. ¿Dónde se aplica Machine Learning?
  3. Plataformas que trabajan Machine Learning
  1. Definición de RNA e Inteligencia Artificial
  2. El modelo Biológico
  3. Aplicaciones de las Redes Neuronales Artificiales
  1. Errores comunes al aplicar RNA
  2. Ventajas y Desventajas
  3. Comparación de las RNA con otras técnicas
  1. Aproximación de funciones
  2. Clustering
  3. Predicción
  4. Clasificación
  1. Elementos de las RNA
  2. Estructura de las RNA
  3. Funcionamiento de las RNA
  1. Entrenamiento no supervisado
  2. Entrenamiento supervisado
  3. Entrenamiento hibrido
  1. Redes monocapa y multicapa
  2. Redes heteroasociativas y autoasociativas
  3. Redes Estocásticas
  4. Otras topologías de RNA
  1. Estructura del perceptrón
  2. Perceptrón multicapa
  3. La red Backpropagation
  1. Tipos de datos
  2. Como elegir la topología de RNA
  3. Diseño de estructura
  1. Gráficas de resultados
  2. Medidas de error de las RNA
  3. Definición del error aceptable

  1. Evolución de la administración de los datos
  2. ¿Qué es Big Data?
  3. Significados y variaciones del término
  4. Cambio de paradigma
  5. Datos al servicio de las personas
  1. Volumen - Variedad
  2. Velocidad - Veracidad
  3. Valor - Visualización
  4. Verificación - Variabilidad
  5. Viabilidad
  1. Banca
  2. Salud
  3. Ciudades inteligentes
  4. Agricultura
  5. Política
  1. Deportes
  2. Periodismo
  3. Logística
  4. Mercadotecnia
  5. Educación
  1. Arquitecturas para Big Data
  2. Generación de datos
  3. Adquisición de datos
  4. Almacenamiento de datos
  5. Análisis y visualización de datos
  1. BD Relacionales
  2. NoSql
  3. BD Key-Value
  4. BD Orientadas a documentos
  5. BD Orientadas a grafos
  1. BD Orientadas a objetos
  2. BD Columnas
  3. BD Espaciales
  1. Conceptos
  2. Sistema de archivos distribuidos Hadoop
  3. YARN
  4. MapReduce
  5. Ecosistema Hadoop
  1. Introducción
  2. Importancia
  3. Entorno
  4. Instalación
  5. Ejemplo práctico
  1. Introducción
  2. Importancia
  3. Entorno
  4. Instalación

  1. Bases de Datos y el Proceso KDD
  2. Análisis Básico de Ejemplos y Aplicaciones en Data Mining
  3. Procesos Estadísticos en Data Mining
  4. Herramientas Computacionales Para Data Mining
  1. Ruido y Ajuste de Datos
  2. Análisis Exploratorio en Datos
  3. Filtrado en Datos Estructurados y no Estructurados
  1. ¿Qué es la Inteligencia Artificial y sus Técnicas?
  2. Redes Neuronales Artificiales
  3. Topologías de Red
  4. Algoritmos de Propagación
  5. Redes Neuronales Pulsantes
  1. Minería de Textos
  2. Pre-Procesamiento y Digitalización
  3. Análisis Automatizado de Textos
  1. Sentiment Analysis
  2. Análisis de Texto y Lingüística Computacional
  3. Extracción de Información Subjetiva
  4. Minería de Opinión y Aplicaciones
  1. Espacio Vectorial
  2. Modelado de Vectores y Tensorflow
  3. Python en Data Mining
  1. Algoritmos de Aprendizaje Profundo
  2. Abstracciones de Alto Nivel
  3. Arquitecturas Compuestas
  4. Redes Neuronales Convolucionales
  1. Criterios de Decisión
  2. Requerimiento de Datos
  3. Evaluación de Decisiones
  1. Clustering
  2. Técnicas de Clustering
  3. Técnicas Estadísticas
  1. Fundamentos de Evaluación de Modelos
  2. Técnicas de Evaluación de Modelos
  3. Aplicación de las Técnicas de Evaluación de Modelos

  1. Antecedentes
  2. Importancia
  3. Áreas de aplicación
  4. Proceso de descubrimiento del conocimiento
  5. Tendencias
  1. ¿Qué es R?
  2. Antecedentes
  3. Configuración del entorno de trabajo
  4. Características importantes
  5. Ayuda
  1. Tipos de datos
  2. Operaciones aritméticas
  3. Operadores lógicos
  4. Operadores relacionales
  5. Funciones de conversión
  1. Vectores
  2. Matrices
  3. Factores y vectores de caracter
  4. Listas
  5. Data frames
  1. Estructura condicional IF-ELSE
  2. Estructura SWITCH
  3. Bucle FOR
  4. Bucle WHILE
  5. Sentencia BREAK, NEXT
  1. Estructura
  2. Visibilidad del código
  3. Recursividad
  4. Funciones matemáticas
  5. Funciones de análisis estadístico
  1. Comandos para gráficos exploratorios
  2. Estadística descriptiva
  3. Medidas de tendencia central
  4. Medidas de dispersión
  5. Coeficiente de correlación, covarianza
  1. Probabilidad
  2. Distribuciones discretas
  3. Distribuciones continuas
  4. Intervalos de confianza
  5. Test de hipótesis
  1. Análisis clúster
  2. Clústeres jerárquicos y secuenciales
  3. Clústeres aglomerativos y exclusivos
  4. Modelos predictivos
  5. Modelo lineal
  1. Función plot()
  2. Colores
  3. Gráficos para una variable
  4. Gráficas de curvas continua
  5. Gráficas escalonadas

  1. Elementos de la investigación
  2. Características del enfoque cuantitativo
  3. Características del enfoque cualitativo
  4. Diferencias entre los enfoques de investigación
  5. Ventajas de los enfoques de investigación
  1. Tipos de proyectos de investigación
  2. Proyecto de investigación cuantitativa
  3. Proyecto de investigación cualitativa
  4. Fuentes de ideas para la investigación
  5. Antecedentes de la investigación
  1. Planteamiento del problema de investigación
  2. Enfoque cuantitativo
  3. Criterios para plantear el problema
  4. Elementos para el planteamiento del problema de investigación
  5. Objetivos, preguntas y justificación de la investigación
  1. Desarrollo de la perspectiva teórica
  2. Etapas para el desarrollo de la perspectiva teórica
  3. Elementos para la revisión de la literatura
  4. Elementos del marco teórico
  5. Construcción del marco teórico
  1. Estudio exploratorio
  2. Estudio descriptivo
  3. Estudio correlacional
  4. Estudio explicativo
  5. Selección del tipo de estudio
  1. Elementos de las hipótesis
  2. Características de las variables
  3. Tipos de hipótesis
  4. Hipótesis nulas
  5. Hipótesis alternativas
  1. Características del diseño en la investigación
  2. Diseño experimentales
  3. Experimentos puros
  4. Diseños no experimentales
  5. Diseños transeccionales descriptivos
  1. Delimitación de la población
  2. Selección de muestra
  3. Tipos de muestra
  4. Muestra probabilística
  5. Muestra no probabilística
  1. Características para la recolección de datos
  2. Instrumento de medición
  3. Análisis de los datos cuantitativos
  4. Proceso para el análisis de los datos cuantitativos
  5. Pruebas de hipótesis
  1. Características del reporte
  2. Elementos del reporte
  3. Recursos para la elaboración del reporte
  4. Criterios para la elaboración del reporte
  5. Protocolo de investigación

  1. Concepto
  2. Historia
  3. Datos
  4. El poder de los datos
  5. Importancia
  1. Objetivo
  2. Motivadora
  3. Efectiva
  4. Resultados
  5. Originalidad
  1. Tablas
  2. Gráfico de barras
  3. Gráfico de líneas
  4. Gráfico circular
  5. Gráfico de dispersión
  1. Gráfico de burbuja
  2. Gráfico de Gantt
  3. Gráfico de histograma
  4. Gráfico de bala
  5. Mapa
  1. Mapa de calor
  2. Tabla de resaltado
  3. Diagrama de árbol
  4. Gráfico de velas
  1. Treemap
  2. Gráficos sociales
  3. Palabras
  4. Infografías
  1. Conceptos
  2. Importancia
  3. Impacto
  4. Herramientas tecnológicas
  5. Futuro
  1. Excel aplicado a ciencia de datos
  2. SPSS
  3. Minitab
  4. Otras herramientas
  1. Tableau (https://www.tableau.com/es-es)
  2. Qlik (https://www.qlik.com/es-es)
  3. Plotly (https://plot.ly/)
  4. Carto (https://carto.com/)
  5. DataWrapper (https://www.datawrapper.de/)
  1. Infogram (https://infogram.com/es)
  2. Piktochart (https://piktochart.com/)
  3. Herramientas de Google (https://cloud.google.com/bigquery/, https://cloud.google.com/sql/docs/, https://www.google.com/sheets/about/, https://datastudio.withgoogle.com/)
  4. Chartblocks (https://www.chartblocks.com/es)
  5. Thinglink (https://www.thinglink.com/)

  1. Tipo de problemática
  2. Tipo de investigación (cualitativa/cuantitativa)
  3. Análisis del entorno del problema
  1. Entrevistas y cuestionarios
  2. Clasificación y depuración de Datos
  3. Acomodo y homologación de Datos
  1. Respaldo de información
  2. Recuperación de la información
  3. Diagnóstico de la base de Datos
  1. Análisis del algoritmo
  2. Método y técnica aplicable
  3. Importancia y desarrollo
  1. Características de los grandes volúmenes de Datos
  2. Aplicación para el Big Data
  3. Herramientas de Big Data
  1. Sociología de la privacidad
  2. Cultura de la protección de datos
  3. Tecnología y privacidad
  1. Medidas de tendencia central y dispersión
  2. Diseño de experimentos
  3. Técnicas de análisis de decisiones
  1. Machine learning
  2. Deep learning
  3. Minería de Datos
  1. Interpretación de gráficas
  2. Interpretación de resultados
  3. Propuestas y conclusiones
  1. Características de visualización
  2. Elementos gráficos
  3. Presentación de resultados

  1. ¿Qué es la analítica web?
  2. Establecimiento de objetivos y KPIs
  3. Métricas principales y avanzadas
  4. Objetivos y ventajas de medir
  5. Plan de medición
  1. Introducción a Google Analytics 4
  2. Interfaz
  3. Métricas y dimensiones
  4. Informes básicos
  5. Filtros
  6. Segmentos
  7. Eventos
  8. Informes personalizados
  9. Comportamiento de los usuarios e interpretación de datos
  1. Introducción a GTM
  2. Implementación con GTM
  3. Medición con GTM
  4. Uso de Debug/Preview Mode
  1. La atribución
  2. Multicanalidad
  3. Customer Journey
  4. Principales modelos de atribución
  5. Modelos de atribución personalizados
  1. Planificación del Dashboard
  2. Características del Dashboard
  3. Introducción a Data Studio
  4. Conectores
  5. Tipos de gráficos
  6. Personalización de informes
  7. Elementos de control
  8. Dimensiones y métricas
  9. Campos Calculados
  10. Compartir informes
  1. Introducción al SEO
  2. Historia de los motores de búsqueda
  3. Componentes de un motor de búsqueda
  4. Organización de resultados en un motor de búsqueda
  5. La importancia del contenido
  6. El concepto de autoridad en Internet
  7. Campaña SEO
  1. Introducción al SEM
  2. Principales conceptos en SEM
  3. Sistema de pujas y Calidad del anuncio
  4. Primer contacto con Google Ads
  5. Creación de anuncios con calidad
  6. Indicadores clave de rendimiento en SEM
  1. Análisis del tráfico en redes sociales
  2. Fijar objetivos en redes sociales
  3. Facebook
  4. Twitter
  5. Youtube
  6. LinkedIn
  7. Tik tok
  8. Instagram
  1. Usabilidad
  2. Mapas de calor
  3. Grabaciones de sesiones de usuario
  4. Ordenación de tarjetas
  5. Test A/B
  6. Test multivariante
  7. KPI, indicadores clave de rendimiento
  8. Cambios a realizar para optimizar una página web
  1. Hotjar
  2. Microsoft Power BI
  3. Google Search Console
  4. Matomo
  5. Awstats
  6. Chartbeat
  7. Adobe Analytics
  1. ¿Qué son las cookies?
  2. Tipos de cookies
  3. GDPR
  4. Herramientas para manejar el consentimiento de cookies

Titulación de la Maestría en data analytics

Doble Titulación:

Titulación de Master Europeo en Ciencia de Datos. Especialización en Data Analytics con 1500 horas expedida por EUROINNOVA INTERNATIONAL ONLINE EDUCATION, miembro de la AEEN (Asociación Española de Escuelas de Negocios) y CLADEA (Consejo Latinoamericano de Escuelas de Administración)

Titulación Oficial de Maestría en Ciencia de Datos por la Universidad DAVINCI con el Reconocimiento de Validez Oficial de Estudios (RVOE). Este plan de estudios se encuentra incorporado al Sistema Educativo Nacional (SEP) con número de acuerdo M-087/2021. Si lo desea puede solicitar la Titulación con la APOSTILLA DE LA HAYA (Certificación Oficial que da validez a la Titulación ante el Ministerio de Educación de más de 200 países de todo el mundo. También está disponible con Sello Notarial válido para los ministerios de educación de países no adheridos al Convenio de la Haya.

Curso Online Euroinnova Universidad Da VinciTitulación con la APOSTILLA de la HayaMiembro de CLADEA - Consejo Latinoamericano de Escuelas de Administración

UDAVINCI - UNIVERSIDAD DA VINCI

Cursos relacionados

Maestria en Inteligencia Artificial. Especializacion en Business Analytics
MAESTRÍA EN BUSINESS ANALYTICS: Maestría en Inteligencia Artificial. Especialización en Business Analytics (Validez oficial otorgada por la SEP)
4,8
5500EUR
3800EUR
31% DESCUENTO
Ver Curso
Master en Big Data Analytics + Titulacion Universitaria
MASTER BIG DATA ANALYTICS: Master en Big Data Analytics + Titulación Universitaria
4,8
2380EUR
1495EUR
37% DESCUENTO
Ver Curso
Master Ufficiale in Big Data e Business Analytics + 60 CFU
MASTER BIG DATA E BUSINESS ANALYTICS: Master Ufficiale in Big Data e Business Analytics + 60 CFU
4,8
5200EUR
3495EUR
33% DESCUENTO
Ver Curso
Official Master´s Degree in Big Data and Business Analytics + 60 Credits ECTS
MASTER IN BIG DATA AND BUSINESS ANALYTICS: Official Master´s Degree in Big Data and Business Analytics + 60 Credits ECTS
4,8
5200EUR
3495EUR
33% DESCUENTO
Ver Curso

7 razones para realizar la Maestría en data analytics

1
Nuestra experiencia

Más de 20 años de experiencia en la formación online.

Más de 300.000 alumnos ya se han formado en nuestras aulas virtuales.

Alumnos de los 5 continentes.

25% de alumnado internacional.

Las cifras nos avalan
Logo google
4,7
2.625 Opiniones
Logo youtube
8.582
suscriptores
Logo facebook
4,4
12.842 Opiniones
Logo youtube
5.856
Seguidores
2
Nuestra Metodología

Flexibilidad

Aprendizaje 100% online, flexible, desde donde quieras y como quieras

Docentes

Equipo docente especializado. Docentes en activo, digitalmente nativos

Acompañamiento

No estarás solo/a. Acompañamiento por parte del equipo de tutorización durante toda tu experiencia como estudiante.

Aprendizaje real

Aprendizaje para la vida real, contenidos prácticos, adaptados al mercado laboral y entornos de aprendizaje ágiles en campus virtual con tecnología punta

Seminarios

Seminarios en directo. Clases magistrales exclusivas para los estudiantes

3
Calidad AENOR

Se llevan a cabo auditorías externas anuales que garantizan la máxima calidad AENOR.

Nuestros procesos de enseñanza están certificados por AENOR por la ISO 9001, 14001 y 27001.

Certificación de calidad
4
Confianza

Contamos con el sello de Confianza Online y colaboramos con las Universidades más prestigiosas, Administraciones Públicas y Empresas Software a nivel Nacional e Internacional.

Confianza logo Proteccion logo
5
Empleo y prácticas

Disponemos de Bolsa de Empleo propia con diferentes ofertas de trabajo, y facilitamos la realización de prácticas de empresa a nuestro alumnado.

6
Nuestro Equipo

En la actualidad, Euroinnova cuenta con un equipo humano formado por más de 300 profesionales. Nuestro personal se encuentra sólidamente enmarcado en una estructura que facilita la mayor calidad en la atención al alumnado.

7
Somos distribuidores de formación

Como parte de su infraestructura y como muestra de su constante expansión, Euroinnova incluye dentro de su organización una editorial y una imprenta digital industrial.

Paga como quieras

Financiación 100% sin intereses

Hemos diseñado un Plan de Becas para facilitar aún más el acceso a nuestra formación junto con una flexibilidad económica. Alcanzar tus objetivos profesionales e impulsar tu carrera profesional será más fácil gracias a los planes de Euroinnova.

Si aún tienes dudas solicita ahora información para beneficiarte de nuestras becas y financiación.

25%
Antiguos Alumnos

Como premio a la fidelidad y confianza de los alumnos en el método EUROINNOVA, ofrecemos una beca del 20% a todos aquellos que hayan cursado alguna de nuestras acciones formativas en el pasado.

20%
Beca Desempleo

Para los que atraviesan un periodo de inactividad laboral y decidan que es el momento idóneo para invertir en la mejora de sus posibilidades futuras.

15%
Beca Emprende

Una beca en consonancia con nuestra apuesta por el fomento del emprendimiento y capacitación de los profesionales que se hayan aventurado en su propia iniciativa empresarial.

15%
Beca Amigo

La beca amigo surge como agradecimiento a todos aquellos alumnos que nos recomiendan a amigos y familiares. Por tanto si vienes con un amigo o familiar podrás contar con una beca de 15%.

* Becas aplicables sólamente tras la recepción de la documentación necesaria en el Departamento de Asesoramiento Académico. Más información en el 900 831 200 o vía email en formacion@euroinnova.es

* Becas no acumulables entre sí

* Becas aplicables a acciones formativas publicadas en euroinnova.es

Información complementaria

Preguntas al director académico sobre la Maestría en data analytics

Artículos relacionados

3800 EUR
5500 EUR
Cómodos plazos sin intereses + Envío gratis
InnovaPAY
Simulador de cuotas, selecciona número de cuotas:
380 EUR / mes
¿Tienes dudas?
Llámanos gratis al (+34)958 050 200
Matricúlate
Datos personales
+351
Dirección de envío
Guardar
Becas ofrecidas por la Fundación Euroinnova
Beca del 25% Antiguos alumnos
Beca del 20% de desempleo
Beca del 15% Emprendimiento
Beca del 15% Amigo
Sin beca
Resumen matrícula:

Precio original

5500 EUR

Beca exclusiva 31%

-1700 EUR

Precio final:

3800 EUR

Método de pago
Selecciona el número de plazos:
3800 EUR / mes en cuotas, SIN INTERESES
VisaMasterCard
PayPal
Transferencia
Amazon Pay
WesternUnion
Google Pay
Métodos de pago verificados
Síguenos
Facebook Instagram Linkedin Pinterest Twitter Youtube
Euroinnova Business School
Directorio Oficial Euroinnova
Aviso Legal | Condiciones de Matriculación | Política de Privacidad | Política de Cookies
Tablón De Anuncios © 2004 / 2023
trustmark
star-graystar-graystar-graystar-graystar-gray
star-yellowstar-yellowstar-yellowstar-yellowstar-yellow

4,60

Excelente

...

Protección al Comprador

Cookies

Este sitio web utiliza cookies propias y de terceros para mejorar los servicios relacionados con tus preferencias, mediante el análisis de tus hábitos de navegación. En caso de que rechace las cookies, no podremos asegurarle el correcto funcionamiento de las distintas funcionalidades de nuestra página web.

Puede obtener más información y cambiar su configuración en nuestra Política de Cookies.

Configurar

Tardarás 3 minutos

El responsable del tratamiento es Euroinnova International Online Education