Máster en Business Data Science
Fundación Universitat Jaume I - Empresa (FUE-UJI)Máster presencial
Castellón De La Plana (Castellón)
Precio a consultar
Cursos relacionados
Precio a consultar
2.460 € 1.895 €
Precio a consultar
Precio a consultar
La necesidad de analizar grandes volúmenes de datos y extraer información que ayude a tomar decisiones está generando una alta demanda de profesionales cualificados. Conscientes de ello muchas universidades en todo el mundo están poniendo en marcha estudios de Big Data, Data Science o Business Analytics. Por esta razón Lectiva junto a Fundación Universitat Jaule I- Empresa (FUE-Uji) te ofrecen el Máster en Business Data Science para que puedas formarte a un nivel avanzado.
Con este máster aprenderás temas como: business data science, sistemas Informáticos, ciencia de los computadores, ciencia de los computadores, sistemas industriales, sistemas industriales, Marketing analytics, análisis técnico, análisis de datos, extracción de datos, gráficos de datos, análisis de sentimientos, data science y análisis de tópicos.
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.
Sedes
Localización
Fecha inicio
Objetivos
El objetivo fundamental del máster es que los alumnos aprendan los fundamentos teóricos y los métodos adecuados para saber cómo aplicar las herramientas analíticas en diferentes contextos de aplicación. Los alumnos comenzarán por conocer cómo las organizaciones pueden utilizar los datos para tomar decisiones de mejor calidad basados en evidencias empíricas, abarcando tanto los aspectos de marketing como de toda la cadena de suministro en diversos sectores industriales y de servicios. Se preparará a los alumnos para que sepan analizar datos mediante las técnicas estadísticas y construir modelos que explican la relación entre las variables de interés. A partir de ahí los alumnos aprenderán las mejores prácticas para capturar, almacenar y consultar datos de interés incluyendo modelos de almacenamiento masivo (Big Data), interpretar patrones en el comportamiento de los datos, y hacer predicciones sobre los comportamientos más probables. También, y de forma relevante, los alumnos conocerán que no solo basta con disponer de la tecnología para que este tipo de técnicas que generen valor para la organización. Es necesario que la organización desarrolle un conjunto de capacidades y cuente con los recursos adecuados. Finalmente los alumnos aprenderán a saber comunicar sus hallazgos de forma visual, argumentar convincentemente de forma textual y oral su relevancia para la organización y de forma que facilite la toma de decisiones en coherencia.
Temario completo de este curso
PROGRAMA
MÓDULO 1. Business Analytics (18 créditos)
- Marketing Analytics
- Supply Chain Analytics
- Industria 4.0
MÓDULO 2. Gestión de datos (12 créditos)
- Fuentes de datos
- Datos Relacionales (SQL)
- Open Data
- Data Lakes
- NoSQL
- Data Streams
- Exploración de datos
- Metadatos
- Herramientas de exploración y visualización
- Transformación de datos
- Modelos Multidimensionales
- Procesos ETL
- Fundamentos del procesamiento escalable de datos
- Escalado vertical vs. horizontal
- El paradigma Map-Reduce
- El procesamiento de flujos de datos (streams) y análisis en tiempo real
- Herramientas de procesamiento masivo
- Procesamiento distribuido de datos con Hadoop
- Procesamiento masivo de datos con Spark
- Procesamiento de flujos de datos con Spark
- Servicios en la nube para el procesamiento escalable de datos
- Amazon Web Services
- Azure ML Studio
MÓDULO 3. Análisis de datos (18 créditos)
- Estadística descriptiva, distribuciones empíricas conjuntas, ANOVA, Análisis de regresión paramétrica, Modelos de escuaciones estructurales basados en covarianzas.
- Fundamentos del aprendizaje automático
- Minería de Datos
- Preparación de datos
- Regresión no paramétrica y clasificación
- Redes Bayesianas
- Clustering
- Modelos de series temporales
- Evaluación de la calidad de patrones
- Minería de Textos
- Extracción de datos
- Análisis de tópicos
- Análisis de sentimientos
- Sistemas de recomendación
- Minería de Datos
- Interpretación de gráficos de datos, análisis dinámico de datos, OLAP, creación de informes, creación de cuadros de mando, infographics.
- Deep Learning
MÓDULO 4. Trabajo Final de Máster (12 créditos)
- Proyecto de aplicación práctica en un entorno real aplicando los conocimientos adquiridos en el máster.
3.880 € 1.940 €
6.900 €
6.500 €
IVA exento
6.700 €
Precio a consultar