Cursos

Máster : Master en Big Data y Business Intelligence. Data Science

>

Máster : Master en Big Data y Business Intelligence. Data Science

1495 € ¡LO QUIERO!
Certificación :
Curso online InesemCurso Online Homologado Cualifica

Tiempo de estudio:1500 horas

Realización:Master Online

Coste: 2990 € 1495 €

Título Propio del Instituto Europeo de Estudios Empresariales (INESEM)
A quién se dirige este Master Online
El Máster en Business Intelligence & Big Data. Data Science está dirigido a los profesionales de cualquier sector que quieran adquirir o afianzar conocimientos en torno a las tecnologías de análisis y explotación de datos. Se trata de una acción formativa idónea para ampliar oportunidades profesionales en un sector cada vez más demandado.
Salidas Profesionales Master Online
La creciente cantidad de datos y el desarrollo del Internet de las Cosas (IoT), hacen cada vez más presentes los conceptos de Big Data y Business Intelligence en los entornos empresariales, donde el científico de datos tiene un papel fundamental. Con esta acción formativa podrá ponerse a la vanguardia en el uso de las nuevas tecnologías y métodos de análisis de datos que le permitirán desarrollar las habilidades analíticas necesarias para extraer y evaluar los datos de una manera eficaz, permitiéndole un soporte de ayuda en la toma de decisiones estratégicas y optimizando costes. En INESEM podrás trabajar en un Entorno Personal de Aprendizaje donde el alumno es el protagonista, avalado por un amplio grupo de tutores especialistas en el sector.
Disciplina del Master Online
Con nuestra metodología de aprendizaje online, el alumno comienza su andadura en INESEM Business School a través de un campus virtual diseñado exclusivamente para desarrollar el itinerario formativo con el objetivo de mejorar su perfil profesional. El alumno debe avanzar de manera autónoma a lo largo de las diferentes unidades didácticas así como realizar las actividades y autoevaluaciones correspondientes. La carga de horas de la acción formativa comprende las diferentes actividades que el alumno realiza a lo largo de su itinerario. Las horas de teleformación realizadas en el Campus Virtual se complementan con el trabajo autónomo del alumno, la comunicación con el docente, las actividades y lecturas complementarias y la labor de investigación y creación asociada a los proyectos. Para obtener la titulación el alumno debe aprobar todas la autoevaluaciones y exámenes y visualizar al menos el 75% de los contenidos de la plataforma. El Proyecto Fin de Máster se realiza tras finalizar el contenido teórico-práctico en el Campus. Por último, es necesario notificar la finalización del Máster desde la plataforma para comenzar la expedición del título.
Que capacidades obtendrás este Master Online
Con el Máster en Business Intelligence & Big Data en la especialidad de ciencias de datos, te formarás en las principales técnicas y herramientas de análisis de datos y Business Intelligence para la toma de decisiones empresariales. Aprenderás a explotar los datos masivos y visualizar los resultados mediante la programación en Python y R. Serás capaz de aplicar inteligencia competitiva para toma de decisiones estratégicas y optimización de campañas de marketing.
Resumen objetivo de conocimientos Master Online Máster : Master en Big Data y Business Intelligence. Data Science
- Conocer las principales herramientas de Business Intelligence para la toma de decisiones estratégicas - Conocer e identificar las distintas fases de un proyecto de Big Data - Aprender a explotar los datos y visualizar los resultados mediante técnicas de Data Science y programación estadística con Python y R. - Crear y gestionar una base de datos en MongoDB y procesar los datos con Hadoop - Aplicar correctamente las principales técnicas de Data Mining - Comprender el uso de la analítica web para Big Data y su aplicación mediante la herramienta Google Analytics
Profesión Master Online
- Analista de datos - Auditor en Sistemas Big Data - Experto en Inteligencia de Negocio - Arquitecto de soluciones Big Data - Gestor de Infraestructuras para Big Data - E-commerce & Social Media

MÓDULO 1. CONCEPTOS PREVIOS EN BIG DATA Y BUSINESS INTELLIGENCE

UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL BIG DATA
  1. ¿Qué es Big Data?
  2. La era de las grandes cantidades de información: historia del big data
  3. La importancia de almacenar y extraer información
  4. Big Data enfocado a los negocios
  5. Open Data
  6. Información pública
  7. IoT (Internet of Things-Internet de las cosas)
UNIDAD DIDÁCTICA 2. BUSINESS INTELLIGENCE Y LA SOCIEDAD DE LA INFORMACIÓN
  1. Definiendo el concepto de Business Intelligence y sociedad de la información
  2. Arquitectura de una solución de Business Intelligence
  3. Business Intelligence en los departamentos de la empresa
  4. Conceptos de Plan Director, Plan Estratégico y Plan de Operativa Anual
  5. Sistemas operacionales y Procesos ETL en un sistema de BI
  6. Ventajas y Factores de Riesgos del Business Intelligence
UNIDAD DIDÁCTICA 3. FASES DE UN PROYECTO DE BIG DATA
  1. Diagnóstico inicial
  2. Diseño del proyecto
  3. Proceso de implementación
  4. Monitorización y control del proyecto
  5. Responsable y recursos disponibles
  6. Calendarización
  7. Alcance y valoración económica del proyecto
UNIDAD DIDÁCTICA 4. PRINCIPALES PRODUCTOS DE BUSINESS INTELLIGENCE
  1. Cuadros de Mando Integrales (CMI)
  2. Sistemas de Soporte a la Decisión (DSS)
  3. Sistemas de Información Ejecutiva (EIS)

MÓDULO 2. TECNOLOGÍAS PARA BUSINESS INTELLIGENCE

UNIDAD DIDÁCTICA 1. MINERÍA DE DATOS O DATA MINING Y EL APRENDIZAJE AUTOMÁTICO
  1. Introducción a la minería de datos y el aprendizaje automático
  2. Proceso KDD
  3. Modelos y Técnicas de Data Mining
  4. Áreas de aplicación
  5. Minería de textos y Web Mining
  6. Data mining y marketing
UNIDAD DIDÁCTICA 2. DATAMART: CONCEPTO DE BASE DE DATOS DEPARTAMENTAL
  1. Aproximación al concepto de DataMart
  2. Bases de datos OLTP
  3. Bases de Datos OLAP
  4. MOLAP, ROLAP & HOLAP
  5. Herramientas para el desarrollo de cubos OLAP
UNIDAD DIDÁCTICA 3. DATAWAREHOUSE O ALMACEN DE DATOS CORPORATIVOS
  1. Visión General: ¿Por qué DataWarehouse?
  2. Estructura y Construcción
  3. Fases de implantación
  4. Características
  5. Data Warehouse en la nube
UNIDAD DIDÁCTICA 4. INTELIGENCIA DE NEGOCIO Y HERRAMIENTAS DE ANALÍTICA
  1. Tipos de herramientas para BI
  2. Productos comerciales para BI
  3. Productos Open Source para BI
  4. Beneficios de las herramientas de BI

MÓDULO 3. HERRAMIENTAS PARA EXPLOTACIÓN Y ANÁLSIS DE BIG DATA

UNIDAD DIDÁCTICA 1. BASES DE DATOS NoSQL Y EL ALMACENAMIENTO ESCALABLE
  1. ¿Qué es una base de datos NoSQL?
  2. Bases de datos Relaciones Vs Bases de datos NoSQL
  3. Tipo de Bases de datos NoSQL: Teorema de CAP
  4. Sistemas de Bases de datos NoSQL
UNIDAD DIDÁCTICA 2. INTRODUCCIÓN A UN SISTEMA DE BASES DE DATOS NoSQL: MongoDB
  1. ¿Qué es MongoDB?
  2. Funcionamiento y uso de MongoDB
  3. Primeros pasos con MongoDB: Instalación y shell de comandos
  4. Creando nuestra primera Base de Datos NoSQL: Modelo e Inserción de Datos
  5. Actualización de datos en MongoDB: Sentencias set y update
  6. Trabajando con índices en MongoDB para optimización de datos
  7. Consulta de datos en MongoDB
UNIDAD DIDÁCTICA 3. PROCESAMIENTO DISTRIBUIDO DE DATOS CON HADOOP
  1. ¿Qué es Hadoop?
  2. El sistema de archivos HDFS
  3. Algunos comandos de referencia
  4. Procesamiento MapReduce con Hadoop
  5. El concepto de los clusters en Hadoop
UNIDAD DIDÁCTICA 4. WEKA Y DATA MINING
  1. ¿Qué es Weka?
  2. Técnicas de Data Mining en Weka
  3. Interfaces de Weka
  4. Selección de atributos
UNIDAD DIDÁCTICA 5. PENTAHO UNA SOLUCIÓN OPEN SOURCE PARA BUSINESS INTELLIGENCE
  1. Una aproximación a Pentaho
  2. Soluciones que ofrece Pentaho
  3. MongoDB & Pentaho
  4. Hadoop & Pentaho
  5. Weka & Pentaho

MÓDULO 4. ANALÍTICA WEB Y BIG DATA

UNIDAD DIDÁCTICA 1. ¿QUÉ ES LA ANALÍTICA WEB?
  1. Introducción
  2. La Analítica Web: Un reto cultural
  3. ¿Qué puede hacer la analítica web por ti o tu empresa?
  4. Glosario de Analítica Web
UNIDAD DIDÁCTICA 2. ANALÍTICA WEB BÁSICA: INTRODUCCIÓN
  1. La analítica web en la actualidad
  2. Definiendo la analítica web
  3. El salto a la analítica web moderna
UNIDAD DIDÁCTICA 3. ANALIZAR LA INFORMACIÓN CUANTITATIVA
  1. Identificar los factores críticos
  2. Otros factores que convienen medir
  3. Las macro y microconversiones
  4. Medir el valor económico
  5. Sitios sin comercio: valores a medir
  6. Medición de sitios B2B
UNIDAD DIDÁCTICA 4. ANALIZAR LA INFORMACIÓN CUALITATIVA
  1. Introducción
  2. La usabilidad Web
  3. Pruebas Online y a Distancia
  4. Las encuestas
UNIDAD DIDÁCTICA 5. DEFINICIÓN DE KPIS
  1. Definición de KPIs
  2. KPI, CSF y metas
  3. Principales KPIS
  4. Ejemplos de KPIS
  5. Supuesto práctico: Cálculo de KPI con Excel
UNIDAD DIDÁCTICA 6. CI: INTELIGENCIA COMPETITIVA
  1. Introducción
  2. Recopilar datos de Inteligencia Competitiva
  3. Análisis del tráfico de sitios web
  4. Búsquedas
UNIDAD DIDÁCTICA 7. ANALÍTICA WEB 2.0. MÓVILES Y VÍDEOS
  1. Introducción
  2. La nueva web social y como medir datos
  3. Las aplicaciones
  4. Analizar el comportamiento desde el móvil
  5. Analizar el rendimiento de los vídeos
UNIDAD DIDÁCTICA 8. ANALÍTICA WEB 2.0. REDES SOCIALES
  1. Análisis de Blogs
  2. Coste y beneficios de escribir en un blog
  3. Nuestro impacto en Twitter
  4. Métricas para Twitter
UNIDAD DIDÁCTICA 9. PROBLEMAS Y SOLUCIONES DE LA ANALÍTICA WEB
  1. La calidad de los datos
  2. Obtener datos válidos
  3. ¿En qué basarnos para la toma de decisiones?
  4. Beneficios de análisis multicanal
UNIDAD DIDÁCTICA 10. MÁS ALLÁ DE LOS DATOS
  1. Segmentación en base al comportamiento
  2. Predicción y minería de datos
  3. Rumbo a la analítica inteligente
UNIDAD DIDÁCTICA 11. DEL BIG DATA AL LINKED OPEN DATA
  1. Concepto de web semántica
  2. Linked Data Vs Big Data
  3. Lenguaje de consulta SPARQL

MÓDULO 5. ANALÍTICA WEB CON GOOGLE ANALYTICS

UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A GOOGLE ANALYTICS
  1. Conceptos básicos
  2. Creación de una cuenta en Google Analytics
  3. Perfil de sitio Web
  4. Código de seguimiento
  5. Objetivos
  6. Informes
UNIDAD DIDÁCTICA 2. INTRODUCCIÓN A GOOGLE ADWORDS
  1. Introducción
  2. Los anuncios de Google AdWords
  3. Definiciones básicas
  4. Ventajas de Google AdWords
  5. Google Adsense
  6. Analytics VS AdWords
UNIDAD DIDÁCTICA 3. PERSONALIZAR GOOGLE ANALYTICS
  1. Introducción a las alertas
  2. Crear alerta personalizada
  3. Casos de alertas personalizadas
  4. Informes personalizados
  5. Ejemplo de un informe personalizado
  6. Cuentas
  7. Objetivos y embudos de conversión
  8. Determinar objetivos y embudos de conversión
  9. Filtros: Crear un filtro
  10. Configurar seguimiento del comercio electrónico
  11. Segmentos avanzados
  12. Expresiones regulares
UNIDAD DIDÁCTICA 4. GOOGLE ANALYTICS A DIARIO
  1. Google analytics en Android
  2. Google Analytics en iPhone
  3. Google Analytics para otros dispositivos móviles
  4. Google Analytics para Firefox
  5. Gestionar visitas
  6. Extensiones Google Chrome para Google Analytics
  7. Ayuda de Google Analytics
  8. Google Analytics Qualified Individual
  9. Google Analytics Certified Partner

MÓDULO 6. INTRODUCCIÓN A LA PROGRAMACIÓN ESTADÍSTICA

UNIDAD DIDÁCTICA 1. PYTHON Y EL ANÁLISIS DE DATOS
  1. Introducción a Python
  2. ¿Qué necesitas?
  3. Librerías para el análisis de datos en Python
  4. MongoDB, Hadoop y Python: Dream Team del Big Data
UNIDAD DIDÁCTICA 2. R COMO HERRAMIENTA PARA BIG DATA
  1. Introducción a R
  2. ¿Qué necesitas?
  3. Tipos de datos
  4. Estadística Descriptiva y Predictiva con R
  5. Integración de R en Hadoop

MÓDULO 7. DATA SCIENCE

UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA CIENCIA DE DATOS
  1. ¿Qué es la ciencia de datos?
  2. Herramientas necesarias para el científico de datos
  3. Data Science & Cloud Compunting
  4. Aspectos legales en Protección de Datos
UNIDAD DIDÁCTICA 2. BASES DE DATOS RELACIONALES
  1. Introducción
  2. El modelo relacional
  3. Lenguaje de consulta SQL
  4. MySQL: Una base de datos relacional
UNIDAD DIDÁCTICA 3. PRE-PROCESAMIENTO & PROCESAMIENTO DE DATOS
  1. Obtención y limpieza de los datos (ETL)
  2. Inferencia estadística
  3. Modelos de regresión
  4. Pruebas de hipótesis
UNIDAD DIDÁCTICA 4. ANÁLISIS DE LOS DATOS
  1. Inteligencia Analítica de negocios
  2. La teoría de grafos y el análisis de redes sociales
  3. Presentación de resultados

MÓDULO 8. PROYECTO FIN DE MÁSTER

Cargando comentarios . Espere un momento por favor...
DATOS DE MATRICULACIÓN
MÉTODO DE PAGO
Condiciones legales
¡LO QUIERO! INFORMáCIóN DIGITALIZADA PDF CUéNTASELO A UN AMIGO formacion para el empleo