Especialización en Aprovechamiento de Información para Data Science

TECH

Postítulo

Online

$ 1.799.995 IVA inc.

Los mejores cursos de Administraciones - Más Temáticas

Ver todos

Ver todos

Descripción

  • Tipología

    Postítulo

  • Metodología

    Online

  • Horas lectivas

    450h

  • Duración

    6 Meses

  • Inicio

    Fechas disponibles

  • Campus online

    Sí

  • Clases virtuales

    Sí

TECH - Universidad Tecnológica

En el mundo moderno, el concepto de la Ciencia del Dato se desarrolla en torno a un conjunto de técnicas, tecnologías y herramientas capaces de analizar, sintetizar y extraer conocimiento oculto en los datos. Por este motivo, para realizar un proceso de extracción adecuado es necesario que los ingenieros informáticos encargados conozcan los fundamentos necesarios para la gestión y manipulación de la información. Con
este programa, se les proporcionará a los estudiantes la posibilidad de examinar las herramientas para la gestión del dato mediante lenguajes de programación. Así como desarrollar la arquitectura de referencia tecnológica para la conectividad de redes, constituyendo un ecosistema más amigable con los trabajadores de una empresa.

Información importante

Documentación

  • 75especializacion-aprovechamiento-informacion-data-science-ali.pdf

Sedes y fechas disponibles

Ubicación

comienzo

Online

comienzo

Fechas disponiblesInscripciones abiertas

A tener en cuenta

Objetivos generales
Š Analizar los beneficios de la aplicación de técnicas de analítica del dato en cada departamento de la empresa
Š Desarrollar las bases para el conocimiento de las necesidades y aplicaciones de cada departamento
Š Generar conocimiento especializado para seleccionar la herramienta adecuada

Objetivos específicos
Módulo 1. Gestión, Manipulación de datos e información para Ciencia de Datos
Š Realizar un análisis de datos
Š Unificar datos diversos: lograr la consistencia de la información
Š Producir información relevante, eficaz para la toma de decisiones
Módulo 2. Dispositivos y plataformas IoT como base para la Ciencia de Datos
Š Identificar qué es IoT (Internet of Things) e IIoT (Industrial Internet of Things)
Š Examinar el Consorcio de Internet Industrial
Š Analizar qué es la arquitectura de referencia del IoT
Módulo 3. Arquitecturas y sistemas para uso intensivo de datos
Š Determinar los requisitos de los sistemas de uso masivo de datos
Š Examinar diferentes modelos de datos y analizar las bases de datos
Š Analizar las funcionalidades clave para los sistemas distribuidos y su importancia en diferentes tipos de sistemas

Este Experto Universitario es la mejor oportunidad para los ingenieros informáticos que deseen especializarse en el aprovechamiento de la información para Data Sciencie. De
esta manera, se les presenta una serie de objetivos generales y específicos que guiarán su aprendizaje en todo momento, permitiéndoles determinar las mejores prácticas para la gestión del dato según su tipología y usos. De esta forma, serán capaces de llevar los conocimientos adquiridos en el programa a su práctica laboral.

Este Experto Universitario en Aprovechamiento de Información para Data Science contiene el programa más completo y actualizado del mercado.

Tras la superación de la evaluación, el alumno recibirá por correo postal* con acuse de recibo su correspondiente título de Experto Universitario emitido por TECH Universidad Tecnológica.

El título expedido por TECH Universidad Tecnlógica expresará la calificación que haya obtenido en el Experto Universitario, y reunirá los requisitos comúnmente exigidos por las bolsas de trabajo, oposiciones y comités evaluadores de carreras profesionales.

Título: Experto Universitario en Aprovechamiento de Información para Data Science
N.º Horas Oficiales: 450 h.

Nuestra escuela es la primera en el mundo que combina el estudio de casos clínicos con un sistema de aprendizaje 100% online basado en la reiteración, que combina 8 elementos diferentes que suponen una evolución con respecto al simple estudio y análisis de casos. Esta metodología, a la vanguardia pedagógica mundial, se denomina Relearning.
Nuestra escuela es la primera en habla hispana licenciada para emplear este exitoso método, habiendo conseguido en 2015 mejorar los niveles de satisfacción global (calidad docente,calidad de los materiales, estructura del curso, objetivos…) de los estudiantes que finalizan los cursos con respecto a los indicadores de la mejor universidad online en habla hispana.

Recibida su solicitud, un responsable académico del curso le llamará para explicarle todos los detalles del programa, así como el método de inscripción, facilidades de pago y plazos de matrícula.

En primer lugar, necesitas un ordenador (PC o Macintosh), conexión a internet y una cuenta de correo electrónico. Para poder realizar los cursos integramente ON-LINE dispone de las siguientes opciones: Flash - Instalando Flash Player 10 o posterior (http://www.adobe.com/go/getflash), en alguno de los siguientes navegadores web: - Windows: Internet Explorer 6 y posteriores, Firefox 1.x y posteriores, Google Chrome, Opera 9.5 y posteriores - Mac: Safari 3 y posteriores, Firefox 1.x y posteriores, Google Chrome - Linux: Firefox 1.x y posteriores HTML5 - Instalando alguno de los navegadores web: - Google Chrome 14 o posterior sobre Windows o Mac - Safari 5.1 o posterior sobre Mac - Mobile Safari sobre Apple iOS 5.0 o posterior en iPad/iPhone Apple iOS - Articulate Mobile Player; Apple iOS 5.0 o posterioren iPad.

Preguntas & Respuestas

Añade tu pregunta

Nuestros asesores y otros usuarios podrán responderte

¿Quién quieres que te responda?

Déjanos tus datos para recibir respuesta

Sólo publicaremos tu nombre y pregunta

Opiniones

Materias

  • Gestión
  • Informacion
  • Data Science
  • Procesamiento
  • Comunicación
  • Protocolos

Profesores

Arturo Peralta Martín-Palomino

Arturo Peralta Martín-Palomino

Profesor

Temario

Módulo 1. Gestión, manipulación de datos e información para ciencia de datos

1.1. Estadística. Variables, índices y ratios

1.1.1. La estadística
1.1.2. Dimensiones estadísticas
1.1.3. Variables, índices y ratios

1.2. Tipología del dato

1.2.1. Cualitativos
1.2.2. Cuantitativos
1.2.3. Caracterización y categorías

1.3. Conocimiento de los datos a partir de medidas

1.3.1. Medidas de centralización
1.3.2. Medidas de dispersión
1.3.3. Correlación

1.4. Conocimiento de los datos a partir de gráficos

1.4.1. Visualización según el tipo de dato
1.4.2. Interpretación de información gráfica
1.4.3. Customización de gráficos con R

1.5. Probabilidad

1.5.1. Probabilidad
1.5.2. Función de probabilidad
1.5.3. Distribuciones

1.6. Recolección de datos

1.6.1. Metodología de recolección
1.6.2. Herramientas de recolección
1.6.3. Canales de recolección

1.7. Limpieza del dato

1.7.1. Fases de la limpieza de datos
1.7.2. Calidad del dato
1.7.3. Manipulación de datos (con R)

1.8. Análisis de datos, interpretación y valoración de resultados

1.8.1. Medidas estadísticas
1.8.2. Índices de relación
1.8.3. Minería de datos

1.9. Almacén del dato (Data warehouse)

1.9.1. Elementos
1.9.2. Diseño

1.10. Disponibilidad del dato

1.10.1. Acceso
1.10.2. Utilidad
1.10.3. Seguridad

Módulo 2. Dispositivos y plataformas IoT como base para la Ciencia de Datos

2.1. Internet of Things

2.1.1. Internet del futuro, Internet of Things
2.1.2. El consorcio de internet industrial

2.2. Arquitectura de referencia

2.2.1. La arquitectura de referencia
2.2.2. Capas
2.2.3. Componentes

2.3. Sensores y dispositivos IoT

2.3.1. Componentes principales
2.3.2. Sensores y actuadores

2.4. Comunicaciones y protocolos

2.4.1. Protocolos. Modelo OSI
2.4.2. Tecnologías de comunicación

2.5. Plataformas Cloud para IoT e IIoT

2.5.1. Plataformas de propósito general
2.5.2. Plataformas industriales
2.5.3. Plataformas de código abierto

2.6. Gestión de datos en plataformas IoT

2.6.1. Mecanismos de gestión de datos. Datos abiertos
2.6.2. Intercambio de datos y visualización

2.7. Seguridad en IoT

2.7.1. Requisitos y áreas de seguridad
2.7.2. Estrategias de seguridad en IIoT

2.8. Aplicaciones de IoT

2.8.1. Ciudades inteligentes
2.8.2. Salud y condición física
2.8.3. Hogar inteligente
2.8.4. Otras aplicaciones

2.9. Aplicaciones de IIoT

2.9.1. Fabricación
2.9.2. Transporte
2.9.3. Energía
2.9.4. Agricultura y ganadería
2.9.5. Otros sectores

2.10. Industria 4.0

2.10.1. IoRT (Internet of Robotics Things)
2.10.2. Fabricación aditiva 3D
2.10.3. Big Data Analytics

Módulo 3. Arquitecturas y sistemas para uso intensivo de datos

3.1. Requisitos no funcionales. Pilares de las aplicaciones de datos masivos

3.1.1. Fiabilidad
3.1.2. Adaptabilidad
3.1.3. Mantenibilidad

3.2. Modelos de datos

3.2.1. Modelo relacional
3.2.2. Modelo documental
3.2.3. Modelo de datos tipo grafo

3.3. Bases de datos. Gestión del almacenamiento y recuperación de datos

3.3.1. Índices hash
3.3.2. Almacenamiento estructurado en log
3.3.3. Árboles B

3.4. Formatos de codificación de datos

3.4.1. Formatos específicos del lenguaje
3.4.2. Formatos estandarizados
3.4.3. Formatos de codificación binarios
3.4.4. Flujo de datos entre procesos

3.5. Replicación

3.5.1. Objetivos de la replicación
3.5.2. Modelos de replicación
3.5.3. Problemas con la replicación

3.6. Transacciones distribuidas

3.6.1. Transacción
3.6.2. Protocolos para transacciones distribuidas.
3.6.3. Transacciones serializables

3.7. Particionado

3.7.1. Formas de particionado
3.7.2. Interacción de índice secundarios y particionado
3.7.3. Rebalanceo de particiones

3.8. Procesamiento de datos offline

3.8.1. Procesamiento por lotes
3.8.2. Sistemas de ficheros distribuidos
3.8.3. MapReduce

3.9. Procesamiento de datos en tiempo real

3.9.1. Tipos de bróker de mensajes
3.9.2. Representación de bases de datos como flujos de datos
3.9.3. Procesamiento de flujos de datos

3.10. Aplicaciones prácticas en la empresa

3.10.1. Consistencia en lecturas
3.10.2. Enfoque holístico de datos
3.10.3. Escalado de un servicio distribuido

Categorías relacionadas

Especialización en Aprovechamiento de Información para Data Science

$ 1.799.995 IVA inc.

Los mejores cursos de Administraciones - Más Temáticas

Ver todos

Ver todos