Programa y Metodología

PROGRAMA

Módulo 1 - Introducción y Metodología

Introducción y Motivación

Metodología y diseño de aplicaciones de Análisis de Datos

Módulo 2 - Datascience tradicional: Almacenamiento y Adquisición de Datos

Almacenamiento y adquisición de datos: Tecnologías tradicionales de almacenamiento de datos (BBDD relacionales, BI y Datawarehouse)

Almacenamiento y adquisición de datos: Información Online (Web, APIs…)

Módulo 3 - Datascience Tradicional: Análisis de Datos y Aprendizaje Automático con R y SQL

Programación básica: Introducción a SQL y R

Análisis exploratorio con R

Limpieza y preparación de datos con R

Construcción de modelos de aprendizaje NO supervisado con R

Análisis Predictivo. Construcción de modelos de aprendizaje supervisados con R

Evaluación de modelos de aprendizaje con R

Modelos avanzados: Procesado del Lenguaje Natural (NLP) con R

Módulo 4 - Datascience Tradicional: Análisis de Datos y Aprendizaje Automático con Python

Programación básica: Introducción a Python (I)

Programación básica: Introducción a Python (II)

Aplicaciones de Análisis de Datos con Python (I)

Aplicaciones de Análisis de Datos con Python (II)

Módulo 5 - Datascience en escala: Administración de Hadoop

Administración y Configuración de plataforma Hadoop y herramientas Big Data

Módulo 6 - Datascience en escala: Adquisición y Almacenamiento Big Data

Almacenamiento y adquisición de datos: Nuevas tecnologías de almacenamiento Big Data I (Hadoop, Flume, Sqoop…)

Almacenamiento y adquisición de datos: Nuevas tecnologías de almacenamiento Big Data II (NoSQL, Indexadores de documentos…)

Módulo 7 - Datascience en escala: Análisis de Datos y Machine Learning con Big Data

Análisis exploratorio y preparación de datos: Hadoop 1.0 y 2.0 (YARN) y Map & Reduce

Análisis exploratorio y preparación de datos. Herramientas del ecosistema Hadoop (HUE, Hive, Pig…)

Análisis exploratorio y preparación de datos con Spark

Construcción de modelos de aprendizaje automático en escala: RSpark, Spark Mlib, H2O…

Módulo 8 - Datascience en escala: Universo Big Data

Recuperación de la Información y Sistemas de Recomendación

Principales actores en el universo Big Data. Clasificación y posicionamiento de herramientas

Módulo 9 - Visualización de Datos y Comunicación

La importancia de la visualización de datos

Tecnologías de visualización de datos (CartoDB/Tableau)

D3.js

Creación de Informes y visualizaciones atractivas con R y Python

Módulo 10 - Master Classes Business Analytics

Master Class (Introducción al Business Analtytics)

Master Class (Casos prácticos de aplicación del Business Analytics)

Master Class (últimas tendencias en Business Analytics)

Módulo 11 - Proyecto Final

Introducción a la realización de Proyectos de Big Data

Pautas esenciales para la organización del proyecto

Preparación del Proyecto Final

Realización del Proyecto Fin de Máster

Presentación de Proyectos

METODOLOGÍA

MODALIDAD SEMIPRESENCIAL

En la modalidad semipresencial, las sesiones presenciales se estructurarán en torno a la exposición de los conceptos esenciales y a la práctica directa sobre los mismos.

Aparte de asistir a las sesiones presenciales, los estudiantes contarán con la opción de realizar prácticas en empresas para las personas que se encuentren desempleadas y para las que estén empleadas, la obligatoriedad de desarrollar un estudio sobre un proyecto de BIG DATA.

La impartición de las sesiones presenciales se realizará en viernes de 16:00 a 20:00 horas y el sábado de 9:30 a 13:30 horas.

MODALIDAD E-LEARNING

A través del estudio de los contenidos multimedia e interactivos de los distintos módulos, la participación en dinámicas colaborativas, la realización de tareas y la elaboración del proyecto final, los estudiantes contarán con una experiencia de formación inmersiva.

A través del aula virtual, los participantes, podrán:

Consultar y descargar los materiales de estudio.

Visualizar los contenidos audiovisuales del curso.

Realizar los cuestionarios de evaluación continua.

Consultar y enviar las tareas propuestas en cada uno de los módulos.

Acceder a las distintas correcciones y a los correspondientes feedbacks que los tutores realizan sobre las tareas enviadas.

Espacio de Acceso, seguimiento, entrega y retroalimentación del Proyecto Fin de Máster.

Participar en las actividades colaborativas propuestas, tanto de tipo abierto como de tipo pedagógico.

Acceder a las herramientas de tutorización, tanto síncronas como asíncronas.

Consultar su libro de calificaciones y sus informes de seguimiento.

La metodología del curso se construye en base al “Learning by doing”, combinando la exposición y estudio de contenidos teóricos, enfocada a la realización de tareas prácticas del mundo real, en este caso, trabajando, de primera mano, todos aquellos aspectos esenciales del mundo del Big Data estudiados a lo largo de los distintos módulos del Máster.
A lo largo de la impartición, tanto por medio de los tutores como de la Dirección Académica, se fomentan la interacción, participación y colaboración de los estudiantes, tanto con el equipo docente como con sus propios compañeros, favoreciendo un planteamiento socio-constructivista del aprendizaje.

Servicio de Orientación Profesional Personalizado
Entre otras actividades de apoyo como el contacto con empresas y el acceso a información de interés, el Master cuenta con un Servicio de Orientación Profesional Personalizado.

Redes Sociales, Blog y Newsletter
Para potenciar los sistemas de información y comunicación con los participantes y el sector empresarial, la empresa tiene presencia en las Redes Sociales, gestiona su propio Blog y da cobertura informativa a las últimas novedades en el mundo de BIG DATA mediante el envío de un Newsletter. Generamos Networking.

Horarios: Viernes de 16:00 a 20:00 horas y el sábado de 9:30 a 13:30 horas