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