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: