Máster en Ingeniería de Datos y Big Data

BOLSA DE EMPLEO
Bolsa de empleo y prácticas
FINANCIACIÓN
Cuotas sin intereses a 12 meses
MODALIDAD
Presencial
Doble Titulación: UCAV + ESESA IMF
Con el aval de Indra
Indra
Dirección Académica: ARELANCE
Arelance
Solicita información sobre el programa




Acepto recibir comunicaciones electrónicas:
SI NO

Acepto la política de protección de datos

¡Infórmate y solicita tu beca del 50%!
?

Qué es

La cantidad de datos e información que gestiona una entidad es asombrosa y con las tecnologías actuales y desarrollo del conocimiento en esta área hace que sea el momento perfecto para la formación en este ámbito profesional ya que está experimentando, además, una de las tasas de paro más bajas del entorno laboral a nivel global y con perspectivas de crecimiento alcistas.

El Máster en Ingeniería de Datos y Big Data ofrece una formación especializada de alto nivel, que le permitirá hacer frente a situaciones reales de empresa en el área de la gestión y obtención de datos, orientado totalmente al negocio.

Bajo la dirección académica de ARELANCE y con el aval de INDRA, conocerá de la mano de profesionales en activo, los cocimientos y herramientas para la toma de decisiones en base a la analítica de datos, así como los aspectos técnicos para la implantación de modelos predictivos en cualquier tipología de entidad y en todos y cada uno de los departamentos funcionales de una empresa.

Todos los estudiantes que superen satisfactoriamente esta formación conseguirán una Doble Titulación de Máster por la Universidad Católica de Ávila (UCAV) y por ESESA IMF.
UCAV
Para Quién

Para quién es

Este  programa, de dedicación a tiempo completo, va dirigido a titulados de las ramas de informática, ingenieros de diversas especialidades y para alumnos procedentes de diferentes formaciones universitarias que tengan conocimientos previos de la materia.
×

Rellena el formulario para descargar el folleto



Acepto recibir comunicaciones electrónicas:
SI NO

Acepto la política de protección de datos

Objetivo

Objetivo

El objetivo principal del Máster es que los alumnos aprendan del conocimiento y experiencia práctica de profesionales que combinan un background técnico sólido y la aplicabilidad de las tecnologías, mediante el uso de la tecnología, utilizando las herramientas software que se aplican en entornos profesionales para obtener una formación en el área de Business Analytics y Big Data de manera flexible que les permita insertarse en el mercado profesional en esta área.

Podemos destacar los siguientes:

-  Adquirir conceptos de análisis estadístico y predictivo.
- Aprender los fundamentos de la programación en R para el tratamiento de datos.
- Aprender las técnicas del aprendizaje automático y los modelos existentes.
- Conocer los fundamentos del aprendizaje profundo, modelos conexionistas y redes neuronales.
- Conocer y aplicar las técnicas de minería de texto y procesamiento del lenguaje natural.
- Conocer la inteligencia de negocio usando las herramientas necesarias para el almacenamiento, extracción, carga de datos y visualización.
- Adquirir los conocimientos necesarios para trabajar con bases de datos no convencionales.
- Conocer y aplicar la infraestructura de big data, a través de máquinas virtuales, Hadoop, Spark, etc.ix.
- Estar actualizado en la seguridad y legislación de los datos, además de las técnicas de seguridad.
Paula Cuberos
2019/2020
"No puedo estar más satisfecha con el Máster de Big Data, tanto por el temario como por toda la dedicación del profesorado y del equipo de Esesa. Todo con esfuerzo, constancia y motivación se puede conseguir, y en esto estoy agradecida de los maravillosos compañeros con los que me ha tocado vivir esta experiencia."
Roberto Olmedo
2019/2020
"Estoy muy contento porque las expectativas en cuanto a contenidos y docentes se han cumplido. Lo recomiendo a todas las personas interesadas en el análisis de datos por lo completo que es."

ESTRUCTURA DEL PROGRAMA

MÓDULO 01. 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

MÓDULO 02: Aprendizaje automático aplicado.
- Introducción al aprendizaje automático
- Modelos supervisados
- Modelos no supervisados
- Fundamentos de programación con Python
- Compartir datos, código y recursos en repositorios
- Fundamentos de tratamiento de datos con el stack científico de Python
- Ingeniería de características y selección de mode
- Reglas de asociación y market basket analysis

MÓDULO 03: Aprendizaje profundo.
- Introducción al aprendizaje profundo
- Modelos conexionistas
- Redes neuronales multicapa
- Redes neuronales convolucionales
- Redes neuronales recurrentes
- Redes neuronales adversarias

MÓDULO 04: 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

MÓDULO  05: Business Inteligence y visualización.
- Introducción al Business Inteligence
- Fundamentos de bases de datos relacionales
- Almacenes de datos y bases de datos analíticas
- Metología Kimball
- Herramientas de extracción, transformación y carga
- Aplicaciones de Business Inteligence
- Fundamentos de visualización de datos
- Herramientas de visualización

MÓDULO 06: 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

MÓDULO 07: Infraestructura de Big Data
- Manejo de máquinas virtuales y terminal de comandos
- Fundamentos de tecnologías de Internet
- Procesamiento de datos con Hadoop
- Herramientas Hadoop
- Procesamiento de datos con Spark
- Arquitecturas de streaming
- Componentes de arquitecturas de streaming

MÓDULO 08: 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
- Estándares de gestión de proyectos
- Buenas prácticas en los procesos de Big Data

MÓDULO 09: Aplicaciones analíticas y Seguridad de los Datos
- 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
- Principios de seguridad de datos
- Legislación en la seguridad de datos
- Auditoría e informática forense
- Fundamentos y técnicas de ciberseguridad

MÓDULO 10. Desarrollo TFM

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