Master en Formación Permanente en Análisis y Visualización de Datos Masivos
100% Online
12 meses
2195€
Matricularme
Master en Formación Permanente en Análisis y Visualización de Datos Masivos
    Master en Formación Permanente en Análisis y Visualización de Datos Masivos

    Master en Formación Permanente en Análisis y Visualización de Datos Masivos

    100% Online
    60 ECTS
    12 meses
    2195€
    Matricularme

    Presentación

    Uno de los principales desafíos que se encuentran las empresas es el poder analizar todos los datos posibles para la toma de decisiones estratégicas dentro de ellas. Gracias a este Master en Análisis y Visualización de Datos Masivos podrás descubrir la relación entre Big Data, Business Intelligence y Data Science para el análisis y la visualización de datos, así como explotar dicha información gracias a la programación estadística con R y Python, el desarrollo de cuadros de mando y Dashboards y herramientas de visualización tan importantes como Tableau, D3, PowerBI o Qlikview. Conviértete en ese profesional que toda empresa necesita entrando en uno de los sectores laborales con mayor expansión y desarrollo. Además, contarás con un equipo de profesionales especializados en la materia.

    Universidades colaboradoras

    Para qué te prepara
    Con este Master en Análisis y Visualización de Datos Masivos te sumergirás en un sector laboral con un crecimiento exponencial en la actualidad gracias al auge del Big Data y el Business Intelligence. Profundizarás en el análisis y visualización de datos en las empresas y su aplicación para la toma de decisiones estratégicas. La cantidad de datos disponibles es inmensa y poder analizarlos y visualizarlos correctamente es un aspecto esencial.
    Objetivos
    - Descubrir la relación entre Big Data, Business Intelligence y Data Science para el análisis y la visualización de datos. - Entender la importancia de la Arquitectura Big Data en el análisis de datos. - Aprender a explotar los datos y visualizar los resultados gracias a la programación estadística con Python y R. - Desarrollar cuadros de mando y Dashboards. - Utilizar las principales herramientas en la visualización de datos como Tableau, D3, PowerBI o Qlikview.
    A quién va dirigido
    Este Master en Análisis y Visualización de Datos Masivos está pensado para personas con gran interés en el análisis de información para tomar decisiones correctas y estratégicas dentro de las empresas. Es un sector que actualmente tiene más oferta que demanda y el futuro es muy prometedor por lo que es ideal también para estudiantes recién graduados.
    Salidas Profesionales
    Mediante la realización del Master en Análisis y Visualización de Datos Masivos entrarás en un mundo laboral en constante crecimiento y con mayor oferta que demanda. Te permitirá estar capacitado para ejercer cargos directivos tan importantes como analista de datos, Arquitecto de soluciones Big Data o Experto en análisis empresarial. Fórmate en un campo laboral con gran futuro.
    Temario

    MÓDULO 1. INTRODUCCIÓN AL BIG DATA, BUSINESS INTELLIGENCE Y DATA SCIENCE

    UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL BIG DATA

    1. ¿Qué es Big Data?
    2. La era de las grandes cantidades de información: historia del big data
    3. La importancia de almacenar y extraer información
    4. Big Data enfocado a los negocios
    5. Open Data
    6. Información pública
    7. IoT (Internet of Things - Internet de las cosas)

    UNIDAD DIDÁCTICA 2. FASES DE UN PROYECTO DE BIG DATA

    1. Diagnóstico inicial
    2. Diseño del proyecto
    3. Proceso de implementación
    4. Monitorización y control del proyecto
    5. Responsable y recursos disponibles
    6. Calendarización
    7. Alcance y valoración económica del proyecto

    UNIDAD DIDÁCTICA 3. BUSINESS INTELLIGENCE Y LA SOCIEDAD DE LA INFORMACIÓN

    1. Definiendo el concepto de Business Intelligence y sociedad de la información
    2. Arquitectura de una solución de Business Intelligence
    3. Business Intelligence en los departamentos de la empresa
    4. Conceptos de Plan Director, Plan Estratégico y Plan de Operativa Anual
    5. Sistemas operacionales y Procesos ETL en un sistema de BI
    6. Ventajas y Factores de Riesgos del Business Intelligence

    UNIDAD DIDÁCTICA 4. PRINCIPALES PRODUCTOS DE BUSINESS INTELLIGENCE

    1. Cuadros de Mando Integrales (CMI)
    2. Sistemas de Soporte a la Decisión (DSS)
    3. Sistemas de Información Ejecutiva (EIS)

    UNIDAD DIDÁCTICA 5. INTRODUCCIÓN AL DATA SCIENCE

    1. ¿Qué es Data Science?
    2. Historia del Data Science
    3. ¿Qué función tiene un Científico de datos?
    4. Data Science vs Big Data. Principales diferencias

    MÓDULO 2. ARQUITECTURA BIG DATA

    UNIDAD DIDÁCTICA 1. BATCH PROCESSING

    1. Hadoop
    2. Pig
    3. Hive
    4. Sqoop
    5. Flume
    6. Spark Core
    7. Spark 2.0

    UNIDAD DIDÁCTICA 2. STREAMING PROCESSING

    1. Fundamentos de Streaming Processing
    2. Spark Streaming
    3. Kafka
    4. Pulsar y Apache Apex
    5. Implementación de un sistema real-time

    UNIDAD DIDÁCTICA 3. SISTEMAS NOSQL

    1. Hbase
    2. Cassandra
    3. MongoDB
    4. NeoJ
    5. Redis
    6. Berkeley DB

    UNIDAD DIDÁCTICA 4. INTERACTIVE QUERY

    1. Lucene + Solr

    UNIDAD DIDÁCTICA 5. SISTEMAS DE COMPUTACIÓN HÍBRIDOS

    1. Arquitectura Lambda
    2. Arquitectura Kappa
    3. Apache Flink e implementaciones prácticas
    4. Druid
    5. ElasticSearch
    6. Logstash
    7. Kibana

    UNIDAD DIDÁCTICA 6. CLOUD COMPUTING

    1. Amazon Web Services
    2. Google Cloud Platform

    UNIDAD DIDÁCTICA 7. ADMINISTRACIÓN DE SISTEMAS BIG

    1. Administración e Instalación de clusters: Cloudera y Hortonworks
    2. Optimización y monitorización de servicios
    3. Seguridad: Apache Knox, Ranger y Sentry

    UNIDAD DIDÁCTICA 8. VISUALIZACIÓN DE DATOS

    1. Herramientas de visualización: Tableau y CartoDB
    2. Librerías de Visualización: D, Leaflet, Cytoscape

    MÓDULO 3. DATA SCIENCE

    UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA CIENCIA DE DATOS

    1. ¿Qué es la ciencia de datos?
    2. Herramientas necesarias para el científico de datos
    3. Data Science & Cloud Computing
    4. Aspectos legales en Protección de Datos

    UNIDAD DIDÁCTICA 2. BASES DE DATOS RELACIONALES

    1. Introducción
    2. El modelo relacional
    3. Lenguaje de consulta SQL
    4. MySQL: Una base de datos relacional

    UNIDAD DIDÁCTICA 3. PRE-PROCESAMIENTO & PROCESAMIENTO DE DATOS

    1. Obtención y limpieza de los datos (ETL)
    2. Inferencia estadística
    3. Modelos de regresión
    4. Pruebas de hipótesis

    UNIDAD DIDÁCTICA 4. ANÁLISIS DE LOS DATOS

    1. Inteligencia Analítica de negocios
    2. La teoría de grafos y el análisis de redes sociales
    3. Presentación de resultados

    MÓDULO 4. HERRAMIENTAS PARA EXPLOTACIÓN Y ANÁLISIS DE BIG DATA

    UNIDAD DIDÁCTICA 1. BASES DE DATOS NOSQL Y EL ALMACENAMIENTO ESCALABLE

    1. ¿Qué es una base de datos NoSQL?
    2. Bases de datos Relaciones Vs Bases de datos NoSQL
    3. Tipo de Bases de datos NoSQL: Teorema de CAP
    4. Sistemas de Bases de datos NoSQL

    UNIDAD DIDÁCTICA 2. INTRODUCCIÓN A UN SISTEMA DE BASES DE DATOS NOSQL: MONGODB

    1. ¿Qué es MongoDB?
    2. Funcionamiento y uso de MongoDB
    3. Primeros pasos con MongoDB: Instalación y shell de comandos
    4. Creando nuestra primera Base de Datos NoSQL: Modelo e Inserción de Datos
    5. Actualización de datos en MongoDB: Sentencias set y update
    6. Trabajando con índices en MongoDB para optimización de datos
    7. Consulta de datos en MongoDB

    UNIDAD DIDÁCTICA 3. ECOSISTEMA HADOOP

    1. ¿Qué es Hadoop? Relación con Big Data
    2. Instalación y configuración de insfraestructura y ecosistema Hadoop
    3. Sistema de archivos HDFS
    4. MapReduce con Hadoop
    5. Apache Hive
    6. Apache Hue
    7. Apache Spark

    UNIDAD DIDÁCTICA 4. WEKA Y DATA MINING

    1. ¿Qué es Weka?
    2. Técnicas de Data Mining en Weka
    3. Interfaces de Weka
    4. Selección de atributos

    UNIDAD DIDÁCTICA 5. PENTAHO UNA SOLUCIÓN OPEN SOURCE PARA BUSINESS INTELLIGENCE

    1. Una aproximación a Pentaho
    2. Soluciones que ofrece Pentaho
    3. MongoDB & Pentaho
    4. Hadoop & Pentaho
    5. Weka & Pentaho

    MÓDULO 5. BUSINESS INTELLIGENCE, CUADROS DE MANDO Y DASHBOARDS

    UNIDAD DIDÁCTICA 1. MINERÍA DE DATOS O DATA MINING Y EL APRENDIZAJE AUTOMÁTICO

    1. Introducción a la minería de datos y el aprendizaje automático
    2. Proceso KDD
    3. Modelos y Técnicas de Data Mining
    4. Áreas de aplicación
    5. Minería de textos y Web Mining
    6. Data mining y marketing

    UNIDAD DIDÁCTICA 2. DATAMART: CONCEPTO DE BASE DE DATOS DEPARTAMENTAL

    1. Aproximación al concepto de DataMart
    2. Bases de datos OLTP
    3. Bases de Datos OLAP
    4. MOLAP, ROLAP & HOLAP
    5. Herramientas para el desarrollo de cubos OLAP

    UNIDAD DIDÁCTICA 3. DATAWAREHOUSE O ALMACEN DE DATOS CORPORATIVOS

    1. Visión General: ¿Por qué DataWarehouse?
    2. Estructura y Construcción
    3. Fases de implantación
    4. Características
    5. Data Warehouse en la nube

    UNIDAD DIDÁCTICA 4. INTELIGENCIA DE NEGOCIO Y HERRAMIENTAS DE ANALÍTICA

    1. Tipos de herramientas para BI
    2. Productos comerciales para BI
    3. Productos Open Source para BI
    4. Beneficios de las herramientas de BI

    UNIDAD DIDÁCTICA 5. DEFINICIÓN DE KPIS

    1. Definición de KPIs
    2. KPI, CSF y metas
    3. Principales KPIS
    4. Ejemplos de KPIS
    5. Supuesto práctico: Cálculo de KPI con Excel

    UNIDAD DIDÁCTICA 6. CONCEPTO Y CREACIÓN DE CUADROS DE MANDO

    1. Introducción a los cuadros de mando y dashboard
    2. Estrategias para la creación de un cuadro de mando
    3. Dashboard en Excel o Google Analytics

    UNIDAD DIDÁCTICA 7. HERRAMIENTAS PARA LA CREACIÓN DE CUADROS DE MANDO

    1. Aplicaciones gratuitas
    2. Aplicaciones propietarias

    MÓDULO 6. INTRODUCCIÓN A LA PROGRAMACIÓN ESTADÍSTICA

    UNIDAD DIDÁCTICA 1. PYTHON Y EL ANÁLISIS DE DATOS

    1. Introducción a Python
    2. ¿Qué necesitas?
    3. Librerías para el análisis de datos en Python
    4. MongoDB, Hadoop y Python: Dream Team del Big Data

    UNIDAD DIDÁCTICA 2. R COMO HERRAMIENTA PARA BIG DATA

    1. Introducción a R
    2. ¿Qué necesitas?
    3. Tipos de datos
    4. Estadística Descriptiva y Predictiva con R
    5. Integración de R en Hadoop

    MÓDULO 7. VISUALIZACIÓN DE DATOS

    UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA VISUALIZACIÓN DE DATOS

    1. ¿Qué es la visualización de datos?
    2. Importancia y herramientas de la visualización de datos
    3. Visualización de datos: Principios básicos

    UNIDAD DIDÁCTICA 2. TABLEAU

    1. ¿Qué es Tableau? Usos y aplicaciones
    2. Tableau Server: Arquitectura y Componentes
    3. Instalación Tableau
    4. Espacio de trabajo y navegación
    5. Conexiones de datos en Tableau
    6. Tipos de filtros en Tableau
    7. Ordenación de datos, grupos, jerarquías y conjuntos
    8. Tablas y gráficos en Tableau

    UNIDAD DIDÁCTICA 3. D3 (DATA DRIVEN DOCUMENTS)

    1. Fundamentos D3
    2. Instalación D3
    3. Funcionamiento D3
    4. SVG
    5. Tipos de datos en D3
    6. Diagrama de barras con D3
    7. Diagrama de dispersión con D3

    UNIDAD DIDÁCTICA 4. LOOKER STUDIO (GOOGLE DATA STUDIO)

    1. Visualización de datos
    2. Tipologías de gráficos
    3. Fuentes de datos
    4. Creación de informes

    UNIDAD DIDÁCTICA 5. QLIKVIEW

    1. Instalación y arquitectura
    2. Carga de datos
    3. Informes
    4. Transformación y modelo de datos
    5. Análisis de datos

    UNIDAD DIDÁCTICA 6. POWER BI

    1. Introducción a Power BI
    2. Instalación de Power BI
    3. Modelado de datos
    4. Visualización de datos
    5. Dashboards
    6. Uso compartido de datos

    UNIDAD DIDÁCTICA 7. CARTO

    1. CartoDB
    2. ¿Qué es CARTO?
    3. Carga y uso de datos. Tipos de análisis
    4. Programación de un visor con la librería CARTO.js
    5. Uso de ejemplos y ayudas de la documentación de la API

    MÓDULO 8. PROYECTO FIN DE MÁSTER

    Titulación
    Titulación Universitaria:
    Diploma Universidad Católica de Murcia
    Solicitar información