Máster en Visual Analytics y Big Data

Magíster

Online

$ 2.999.995 IVA inc.

Descripción

  • Tipología

    Magíster

  • Metodología

    Online

  • Horas lectivas

    1500h

  • Duración

    12 Meses

  • Inicio

    Fechas disponibles

  • Campus online

  • Clases virtuales

TECH - Universidad Tecnológica

Aunque en la actualidad la recogida y almacenamiento de datos que se producen a diario ha mejorado considerablemente, siguen existiendo carencias relevantes en la capacidad de las personas para analizar esa información y, por tanto, necesitan herramientas y métodos automatizados que le faciliten esta labor enel ámbito empresarial. El uso de herramientas y técnicas de Visual Analytics y Big Data facilita el descubrimiento de soluciones de problemas
complejos, que el ser humano es incapaz de resolver por sí mismo, gracias a la enorme capacidad de procesamiento y almacenamiento de datos que tienen los ordenadores. Debido a la creciente demanda de profesionales especializados en Visual Analytics y Big Data, nace este prestigioso programa que capacitará alumno para adentrarse en el mundo del Big Data como un profesional capaz de manejar el análisis racional, soportado por un interface visual e interactivo. Un programa intensivo con el que adquirirá el conocimiento que necesita para intervenir en la captura y almacenamiento de información, el análisis de la data mining o la visualización de la información.

Información importante

Documentación

  • 62maestria-visual-analytics-big-data-empresa--.pdf

Sedes y fechas disponibles

Ubicación

comienzo

Online

comienzo

Fechas disponiblesInscripciones abiertas

A tener en cuenta

Objetivos Generales

-Comprender el valor del entorno cambiante y facilitar al alumno la conexión con el emprendimiento y las nuevas Knowmadas de trabajo
-Analizar los datos producidos y sacar conclusiones mediante herramientas estadísticas para la toma de decisiones más adecuadas en cada momento
-Aprender los conceptos introductorios de la estadística; razonar estadísticamente; representar relaciones entre diferentes variables, entre otros
-Conocer y utilizar herramientas estadísticas para solucionar problemas en el ámbito del Big Data
-Aprender las distintas técnicas para el análisis y explotación de datos, técnicas de visualización e interacción, todo estrechamente vinculado con el rol del Data Scientist y su contribución en la anticipación y visión para la ejecución de procesos de innovación que permitan gestionar cambios de manera eficiente en las organizaciones
-Aplicar herramientas de ‘Data Mining’ para la resolución de problemas de aprendizaje, interpretando los resultados obtenidos, así como la capacidad de diseñar un sistema inteligente capaz de inferir nuevos conocimientos

Este programa está diseñado para afianzar las capacidades del alumno en Visual Analytics y Big Data, además de desarrollar nuevas competencias y habilidades que serán imprescindibles en su desarrollo profesional. Tras el programa, el profesional será capaz de tomar decisiones de carácter global con una perspectiva innovadora y una visión internacional.

Este Máster Título Propio en Visual Analytics y Big Data contiene el programa científico 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 Máster Título Propio emitido por TECH Universidad Tecnológica.

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

Título: Máster Título Propio en Visual Analytics y Big Data
N.º Horas Oficiales: 1.500 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 posterior en 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

  • Herramientas
  • Probabilidad
  • Tecnologías
  • Aprendiendo
  • Emprender
  • Entorno
  • Empresarial
  • Geopolítico
  • Edge Computing
  • Estadística
  • Teoría

Profesores

Luis  Angel Galindo

Luis Angel Galindo

Profesor

Temario

Módulo 1. Visual Analytics en el contexto social y tecnológico

1.1. Las olas tecnológicas en las diferentes sociedades. Hacia una ‘Data Society’
1.2. La globalización. Contexto mundial geopolítico y social
1.3. Entorno VUCA. Viviendo siempre en el pasado
1.4. Conociendo las nuevas tecnologías: 5G e IoT
1.5. Conociendo las nuevas tecnologías: Cloud y Edge Computing
1.6. Critical Thinking en Visual Analytics
1.7. Los Knowmads. Nómadas entre datos
1.8. Aprendiendo a emprender en Visual Analytics
1.9. Teorías de anticipación aplicadas al Visual Analytics
1.10. El nuevo entorno empresarial. La transformación digital

Módulo 2. Análisis e interpretación de datos

2.1. Introducción a la estadística
2.2. Medidas aplicables al tratamiento de información
2.3. Correlación estadística
2.4. Teoría de la probabilidad condicional
2.5. Variables aleatorias y distribuciones de probabilidad
2.6. Inferencia bayesiana
2.7. Teoría de muestras
2.8. Intervalos de Confianza
2.9. Contrastes de hipótesis
2.10. Análisis de la regresión

Módulo 3. Técnicas de análisis de datos e IA

3.1. Analítica predictiva
3.2. Técnicas de evaluación y selección de modelos
3.3. Técnicas de optimización lineal
3.4. Simulaciones de Montecarlo
3.5. Análisis de escenarios
3.6. Técnicas de Machine Learning
3.7. Analítica web
3.8. Técnicas de Text Mining
3.9. Métodos en procesamiento lenguaje natural (PNL)
3.10. Análisis de redes sociales

Módulo 4. Herramientas de análisis de datos

4.1. Entorno R de Data Science
4.2. Entorno Python de Data Science
4.3. Gráficos estáticos y estadísticos
4.4. Tratamiento de datos en diferentes formatos y diferentes fuentes
4.5. Limpieza y preparación de datos
4.6. Estudios exploratorios
4.7. Árboles de decisión
4.8. Reglas de clasificación y de asociación
4.9. Redes neuronales
4.10. Deep Learning

Módulo 5. Sistemas de gestión de bases de datos y paralelización de datos

5.1. Bases de datos convencionales
5.2. Bases de datos no convencionales
5.3. Cloud Computing: gestión distribuida de datos
5.4. Herramientas de ingesta de grandes volúmenes de datos
5.5. Tipos de paralelismos
5.6. Procesamiento de datos en Streaming y tiempo real
5.7. Procesamiento paralelo: Hadoop
5.8. Procesamiento paralelo: Spark
5.9. Apache Kafka

5.9.1. Introducción a Apache Kafka
5.9.2. Arquitectura
5.9.3. Estructura de datos
5.9.4. API Kafka
5.9.5. Casos de uso

5.10. Cloudera Impala

Módulo 6. Data-Driven Soft Skills en la dirección estratégica en Visual Analytics

6.1. Drive Profile for Data-Driven Organizations
6.2. Habilidades gerenciales avanzadas en organizaciones Data-Driven
6.3. Usando los datos para mejorar el performance de la comunicación estratégica
6.4. Inteligencia emocional aplicada a la dirección en Visual Analytics
6.5. Presentaciones eficaces
6.6. Mejorando el performance mediante la gestión motivacional
6.7. Liderazgo en organizaciones Data-Driven
6.8. Talento Digital en organizaciones Data-Driven
6.9. Data-Driven Agile Organization I
6.10. Data-Driven Agile Organization II

Módulo 7. Dirección estratégica de proyectos de Visual Analytics y Big Data

7.1. Introducción a la dirección estratégica de proyectos
7.2. Best Practices en la descripción de procesos de Big Data (PMI)
7.3. Metodología Kimball
7.4. Metodología SQuID

7.4.1. Introducción a la metodología SQuID para abordar proyectos de Big Data
7.4.2. Fase I. Sources
7.4.3. Fase II. Data Quality
7.4.4. Fase III. Impossible Questions
7.4.5. Fase IV. Discovering
7.4.6. Best Pratices en la aplicación de SQuID a proyectos de Big Data

7.5. Aspectos legales del mundo de los datos
7.6. Privacidad en Big Data
7.7. Ciberseguridad en Big Data
7.8. La identificación y desidentificación con grandes volúmenes de datos
7.9. Ética de los datos I
7.10. Ética de los datos II

Módulo 8. Análisis del cliente. Aplicando la inteligencia de los datos al Marketing

8.1. Conceptos del Marketing. Marketing estratégico
8.2. Marketing relacional
8.3. El CRM como centro de la organización para el análisis del cliente
8.4. Tecnologías de la web
8.5. Fuentes de datos web
8.6. Adquisición de datos web
8.7. Herramientas para la extracción de datos de la web
8.8. Web semántica
8.9. OSINT: inteligencia de fuente abierta
8.10. MasterLead o cómo mejorar la conversión a ventas usando Big data

Módulo 9. Visualización interactiva de los datos

9.1. Introducción al arte de hacer visible los datos
9.2. Cómo hacer un Storytelling con datos
9.3. Representaciones de datos
9.4. Escalabilidad de representaciones visuales
9.5. Visual Analytics vs. Information visualization. Entendiendo que no es lo mismo
9.6. Proceso de análisis visual (Keim)
9.7. Reportes estratégicos, operativos y de dirección
9.8. Tipos de gráficos y su función
9.9. Interpretación de reportes y gráficos. Jugando el rol del receptor
9.10. Evaluación de sistemas de Visual Analytics

Módulo 10. Herramientas de visualización

10.1. Introducción a las herramientas de visualización de datos
10.2. Many Eyes
10.3. Google Charts
10.4. jQuery
10.5. Data-Driven Documents I
10.6. Data-Driven Documents II
10.7. Matlab
10.8. Tableau
10.9. SAS Visual Analytics
10.10. Microsoft Power BI

Máster en Visual Analytics y Big Data

$ 2.999.995 IVA inc.