Máster de Formación Permanente en Data Science, Big Data y Business Analytics

El Big Data y la Ciencia de Datos, se han convertido en uno de los activos más importante de cualquier empresa a nivel mundial. Podrás liderar proyectos de grandes multinacionales con una gran responsabilidad, analizar, programar y tomar decisiones que llevarán a la empresa a su máximo crecimiento. Además, los profesionales de este sector, llevan años encabezando el top de los más demandados y mejor pagados, lo que se convierte en una gran oportunidad para todo aquel que quiera especializarse.

El Máster en Madrid de Data Science está pensado para todas aquellas personas que quieran formarse en el sector del Big Data, la visualización de datos, la programación… pero que no necesariamente cuenten con un background técnico.

Analizar grandes bases de datos, interpretarlas y tomar decisiones
Convertir Datos en información relevante
Generar Dashboards interactivos y profesionales
Usar lenguajes de programación para controlar ingentes cantidades de datos
Aplicar técnicas de Machine Learning a los Datos
Gestionar Bases de Datos estructuradas y No Estructuradas

Módulo I: Bases de datos relacionales
La base de datos: ¿qué es y cómo se gestiona? Una introducción a la herramienta básica del Big Data desde el diseño a su modelización y arquitectura. Aprendizaje del lenguaje de consulta estructurado (SQL) y herramientas como Server Management Studio.

Módulo II: Programación python
El alumno avanza en las competencias de análisis estadístico y predictivo del técnico Big Data. Fundamentos en las bases de la programación usada por el Data Science, programación en Python.

Módulo III: Bases de datos NoSQL
Cómo utilizar y modelar bases de datos NoSQL de almacenamiento estructurado. Diferentes modelos NoSQL, para qué sirven y cuándo utilizarlos. Instalación y operativa de modelos Mongo DB; el Find y sus funciones; proyección de campos en resultados; y operaciones CRUD.

Módulo IV: Business Intelligence con Tableau
Preparación de la capacidad analítica del alumno y de sus capacidades para desenvolverse en un entorno empresarial. La analítica avanzada y la visualización de datos como funciones principales de este módulo.

Módulo V: Fundamentos de estadística
La estadística ofrece conclusiones a partir de los datos extraídos. Una introducción en la otra gran herramienta del técnico Big Data prestando especial atención a la estadística descriptiva y a la inferencia, que permite identificar propiedades del conjunto a partir de una pequeña muestra.

Módulo VI: Tecnologías del Big Data
El Big Data da un paso de gigante con la plena integración del Internet de las Cosas (IoT). Modelos de conectividad con otras fuentes de datos a través de brokers de mensajes y hubs. Introducción al sistema Spark para expresar patrones de programación, y a Hadoop, que gestiona grandes volúmenes de datos. Introducción a la visualización de datos.

Módulo VII: Hadoop y Spark
El alumno podrá adquirir una visión panorámica de HDFS, su arquitectura y su utilización a través de línea de comandos. Es el sistema de almacenamiento fundamental en el mundo Big Data en la actualidad, por lo que es imprescindible que el alumno conozca y experimente su funcionamiento.

Módulo VIII: Minería de Datos y Modelización predictiva
No se entiende el valor del Big Data en la empresa sin sus modelos predictivos. Pero es imprescindible limpiar el macrodato de cualquier sesgo. El alumno avanza en el conocimiento y práctica de herramientas de data mining: algoritmos de regresión lineal y logística, clasificación no supervisada, análisis clúster, scorecard…

Módulo IX: Machine Learning
Introducción a técnicas de aprendizaje automático, área que representa una gran oportunidad para gestionar, automatizar y enriquecer la inteligencia de datos. Aprendizaje sobre árboles de decisión, bosques aleatorios, algoritmo KNN, redes neuronales y deep learning.

Módulo X: Deep Learning
Se lleva a cabo el proceso de Machine Learning usando una red neuronal artificial que se compone de un número de niveles jerárquicos. Este módulo del máster se separa en 4 bloques: Redes Neuronales, Redes Convolucionales, Redes Recurrentes y Autoencoders. Permite profundizar en la materia.

Módulo XI: Text Mining
Procesamiento de textos como análisis de información no estructurada o semiestructurada. La extracción de datos de fuentes escritas es uno de los campos que más evolucionan. Práctica en técnicas de análisis de sentimiento, modelos temáticos o minería de opinión.

Módulo XII: Redes Sociales y Big Data
Las opiniones vertidas en las redes sociales ofrecen una valiosa información para las organizaciones. Softwares libres para medición de grandes redes como Pajek facilitan esta minería de datos en medios sociales permitiendo clasificar o medir a los agentes de cada red social.

Módulo XIII: Scala
Scala es un lenguaje de programación orientado a objetos, muy similar a Java, con características de lenguaje funcional. Dentro del mundo del Big Data se habla de Scala ya que Spark, que es una de las plataformas que se emplean para procesar datos de tipo Big Data, está hecho con Scala.

Módulo XIV: Visualización avanzada y herramientas de visualización
El técnico Big Data solo pondrá en valor su trabajo si aprende a comunicarlo. Módulo dedicado a herramientas de visualización.

Módulo XV: Open Data
La iniciativa de Open Data o apertura de datos es una práctica que persigue que determinados datos e informaciones pertenecientes a las Administraciones Públicas sean accesibles y estén disponibles para todo el mundo, sin restricciones técnicas ni legales. El fin de esta iniciativa es que la información pueda ser redistribuida y reutilizada tanto por los ciudadanos como por empresas para conseguir un beneficio para todas las partes.

Módulo XVI: Trabajo fin de master