MBD

Máster en Big Data y Business Analytics en Málaga

?

Qué es el MBD

Llega a Málaga el Máster en Big Data y Business Analytics, una formación estratégica basada en la gestión de los macrodatos. A pesar de ser un área de estudio reciente, las empresas demandan profesionales con una alta formación como la que ofrece este máster.

Es un programa respaldado por la Universidad Camilo José Cela e Indra.

  

Para adaptarnos a tus necesidades puedes optar a realizar este máster en dos modalidades: Presencial y Semipresencial.
Para Quién

Para Quién es el MBD

Dirigido a informáticos, ingenieros o profesionales dedicados al área del software o con una carrera desarrollada en el ámbito de la tecnología de la información.
Objetivo

Objetivo del MBD

El objetivo del máster que ofrece ESESA IMF en Málaga de Big Data y Business Analitycs es la profundización en esta innovadora área tan necesitada actualmente de profesionales expertos en las empresas.

El alumno asumirá los conocimientos necesarios para trabajar en la extracción y gestión del valor del dato, las técnicas de Data Science en R y Python. Profundizará en las tecnologías de paralelización de datos. Se especializará en la técnicas de aprendizaje automático y de minería para los modelos predictivos.

PLAN DE AYUDAS ESESA

Con el fin de poder ofrecer soluciones que ayuden a los candidatos que lo necesiten a facilitar su matriculación en el programa, ofrecemos condiciones de financiación flexibles en toda nuestra programación académica para que el alumnado pueda ajustar la forma de pago a sus necesidades. 

Además, consulta nuestro Plan Benefíciate por si puedes obtener alguna bonificación en la matrícula de tu programa.




ESTRUCTURA DEL PROGRAMA

La estructura del Máster en Big Data y Business Analytics en Málaga se conforma de las siguientes áreas, a las que hay que añadir las horas dedicadas a formación en habilidades y competencias:

ÁREA 1: Fundamentos tecnológicos para el tratamiendo de datos.


Manejo de máquinas virtuales y terminal de comandos.
Fundamentos de programación con Python.
Fundamentos de bases de datos relacionales.
Fundamentos de tecnologías de Internet.
Compartir datos, código y recursos en repositorios.
Fundamentos de tratamiento de datos con el stack científico de Python.

ÁREA 2: Modelos y aprendizaje estadísticos.


Lenguaje R y tratamiento de datos.
Análisis exploratorio de datos.
Probabilidad e Inferencia estadística.
Modelos lineales y aprendizaje estadístico.
Regresión logística, modelos restringidos de ridge y lasso y gradiente descendiente.
GLMS y series temporales.

ÁREA 3: Aprendizaje automático aplicado.


Introducción al aprendizaje automático.
Modelos supervisados.
Modelos no supervisados.
Ingeniería de características y selección de modelos.
Modelos conexionistas.
Reglas de asociación y market basket analysis.

ÁREA 4: Minería de texto y procesamiento del lenguaje natural (PLN).


Introducción histórica y tecnológica.
Herramientas pln I: NLTK.
Herramientas de PLN II: Brat y Gate.
Text mining I: clustering.
Text mining II: sentimiento y temas.
Otras aplicaciones y técnicas de PLN.

ÁREA 5: Business Inteligence y visualización.


Introducción al Business Inteligence.
Almacenes de datos y bases de datos analíticas.
Herramientas de extracción, transformación y carga.
Aplicaciones de Business Intelegence.
Fundamentos de visualización de datos.
Herramientas de visualización.

ÁREA 6: Infraestructura de Big Data.


Procesamiento de datos con Hadoop.
Herramientas Hadoop.
Procesamiento de datos con Spark.
Arquitecturas de streaming.
Componentes de arquitecturas de streaming.
Plataformas y Apis en la nube

ÁREA 7: Almacenamiento e integración de datos.


Bases de datos no convencionales.
Modelos de base de datos basados en documentos.
Modelos de base de datos basados en columnas.
Modelos de base de datos basados en grafos.
Modelos de base de datos basados en clave-valor.
Adquisición de datos.

ÁREA 8: Valor y contexto de la analítica big data.


El business case de Big Data.
Proyectos de Big Data.
Aplicaciones analíticas por sectores.
Tecnologías emergentes en analítica.
Gestión de equipos y métodos ágiles.
Aspectos regulatorios del tratamiento de datos.

ÁREA 9: Aplicaciones analíticas.


Caso de estudio de analítica escalable.
Caso de estudio de analítica en redes sociales.
Caso de estudio en Internet Of Things.
Caso de estudio en analítica financiera (el rating de empresas).
Caso de estudio en analítica de clientes: Location Analytics.
Caso de estudio de técnicas de recuperación de información.

ÁREA 10: Trabajo fin de máster.

Gracias a nuestro socio IMF Business School, el alumno de ESESA IMF podrá optar a las prácticas profesionales en las siguientes empresas:

 

Más información


Si buscas más información acerca del programa o tienes alguna duda, deja tus datos y nos pondremos en contacto:


Acepto recibir comunicaciones electrónicas: SI NO
Acepto la política de protección de datos

O, si lo prefieres:


* Campos obligatorios
Los datos que son recogidos serán tratados por ESCUELA SUPERIOR DE ESTUDIOS DE EMPRESA, S.A., en adelante ESESA, con CIF A29268109, como Responsable de Tratamiento para (i) atender a tu solicitud de información, (ii) mantenerte informado, a través de medios electrónicos, de eventos, promociones y noticias relativas a ESESA, y iii) atender tus derechos sobre protección de datos.
Tienes a su disposición la posibilidad de ejercer los derechos de acceso, rectificación, supresión, limitación al tratamiento, oposición y portabilidad; cosa que puede realizar en la dirección, Avenida Sor Teresa Prat 15, Edificio Tabacalera, Módulo E0, 29003, Málaga; o bien en la dirección de correo electrónico: info@esesa.eu
Para más información consulte https://www.esesa.eu/avisolegal#avisolopd

Por qué en


ESESA IMF
Solicitud de Inscripción

Solicitud de inscripción