Máster online
Duración : 12 Meses
Emagister S.L. (responsable) tratará tus datos personales con la finalidad de gestionar el envío de solicitudes de información y comunicaciones promocionales de formación con tu consentimiento. Ejerce tus derechos de acceso, supresión, rectificación, limitación, portabilidad y otros, según se indica en nuestra política de privacidad.
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
El 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 tanto para recién graduados que estén buscando un puesto laboral con futuro como para profesionales que quieran seguir actualizándose y no quedarse atrás respecto a las nuevas tendencias tecnológicas.
Temario completo de este curso
MÓDULO 1. INTRODUCCIÓN AL BIG DATA, BUSINESS INTELLIGENCE Y DATA SCIENCE.
Unidad didáctica 1. Introducción al big data.
Unidad didáctica 2. Fases de un proyecto de big data.
Unidad didáctica 3. Business intelligence y la sociedad de la información.
Unidad didáctica 4. Principales productos de business intelligence.
Unidad didáctica 5. Introducción al data science.
MÓDULO 2. ARQUITECTURA BIG DATA.
Unidad didáctica 1. Batch processing.
Unidad didáctica 2. Streaming processing.
Unidad didáctica 3. Sistemas nosql.
Unidad didáctica 4. Interactive query.
Unidad didáctica 5. Sistemas de computación híbridos.
Unidad didáctica 6. Cloud computing.
Unidad didáctica 7. Administración de sistemas big.
Unidad didáctica 8. Visualización de datos.
MÓDULO 3. DATA SCIENCE.
Unidad didáctica 1. Introducción a la ciencia de datos.
Unidad didáctica 2. Bases de datos relacionales.
Unidad didáctica 3. Pre-procesamiento & procesamiento de datos.
Unidad didáctica 4. Análisis de los datos.
MÓDULO 4. HERRAMIENTAS PARA EXPLOTACIÓN Y ANÁLISIS DE BIG DATA.
Unidad didáctica 1. Bases de datos nosql y el almacenamiento escalable.
Unidad didáctica 2. Introducción a un sistema de bases de datos nosql: mongodb.
Unidad didáctica 3. Ecosistema hadoop.
Unidad didáctica 4. Weka y data mining.
Unidad didáctica 5. Pentaho una solución open source para business intelligence.
MÓDULO 5. BUSINESS INTELLIGENCE, CUADROS DE MANDO Y DASHBOARDS.
Unidad didáctica 1. Minería de datos o data mining y el aprendizaje automático.
Unidad didáctica 2. Datamart: concepto de base de datos departamental.
Unidad didáctica 3. Datawarehouse o almacen de datos corporativos.
Unidad didáctica 4. Inteligencia de negocio y herramientas de analítica.
Unidad didáctica 5. Definición de kpis.
Unidad didáctica 6. Concepto y creación de cuadros de mando.
Unidad didáctica 7. Herramientas para la creación de cuadros de mando.
Módulo 6. Introducción a la programación estadística.
Unidad didáctica 1. Python y el análisis de datos.
Unidad didáctica 2. R como herramienta para big data.
MÓDULO 7. HERRAMIENTAS DE VISUALIZACIÓN DE DATOS.
Unidad didáctica 1. Introducción a la visualización de datos.
Unidad didáctica 2. Tableau.
Unidad didáctica 3. D3 (data driven documents).
Unidad didáctica 4. Google data.
Unidad didáctica 5. Qlikview.
Unidad didáctica 6. Powerbi.
Unidad didáctica 7. Carto.
MÓDULO 8. PROYECTO FIN DE MÁSTER.