Cursos

Máster : Master en Big Data

>

Máster : Master en Big Data

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

Tiempo de estudio:1500 horas

Realización:Master Online

Coste: 2990 € 1495 €

Titulación Expedida y Avalada por el Instituto Europeo de Estudios Empresariales
A quién se dirige este Master Online
El Máster de Big Data puede aplicarse a muchos sectores y perfiles, por lo que es ideal para aquellas personas que quieran conocer en qué consiste el Big Data, como pueden aplicarlo en distintos ámbitos con el objetivo de mejorar su carrera profesional y con qué herramientas se puede llevar a cabo dichos análisis de procesamiento de grandes volúmenes de datos.
Salidas Profesionales Master Online
Actualmente, en muchos ámbitos multisectoriales, la creciente cantidad de datos y el auge del Internet de las cosas (IoT) presentan la necesidad de analizar y procesar toda esta información para la mejora y adecuación de las estrategias de negocio de las empresas. Además, todas las empresas buscan la reducción de sus costes y mediante la aplicación de las técnicas adecuadas de Big Data este objetivo puede cumplirse.Con este Máster podrás conocer y comprender todos los detalles y objetivos de un proyecto de Big Data y te otorgará la posibilidad de trabajar en proyectos donde se busca la mejor solución sin dejar de lado la escalabilidad de los datos y la seguridad de éstos. Podrás extraer la información de una forma óptima y podrás tomar decisiones estratégicas dentro de las empresas.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 este Máster de Big Data podrás analizar grandes volúmenes de datos y poder aplicarlos a cualquier sector para poder adecuar el desarrollo empresarial de cualquier organización, haciendo posible la adaptación y mejora al mercado y su consecuente. También podrás explotar todo el volumen de datos a través de programación en R y en Python. Aprenderás a aplicar todos los conocimientos en Big Data para el Cloud Computing con Linux y Azure. 
Resumen objetivo de conocimientos Master Online Máster : Master en Big Data
-          Aprender los principios del Big Data y el desarrollo de las fases de un proyecto de Big Data. -          Conocer las herramientas existentes y su uso para analizar y explotar datos masivos. -          Explotar datos y visualizar resultados a través de técnica de Data Science. -          Comprender y utilizar la programación estadística con R y Python. -          Conocer en qué consiste el Data Mining y aplicarlo correctamente. -          Saber utilizar las analíticas web para Big Data y aplicarlas mediante Google Analytics -          Aplicar los conocimientos de Big Data para el Cloud Computing con Linux y Azure
Profesión Master Online
Mediante la realización de este Máster de Big Data podrás desarrollar proyectos de Big Data, y te permitirá trabajar en puestos como: -          Consultor/auditor de sistemas Big Data -          Analista de datos -          Arquitecto en soluciones Big Data -          Experto en estrategias de desarrollo mediante Big Data -          Programador de aplicaciones en Python y R 

MÓDULO 1. BIG DATA OVERVIEW

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. 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 3. BIG DATA Y MARKETING
  1. Apoyo del Big Data en el proceso de toma de decisiones
  2. Toma de decisiones operativas
  3. Marketing estratégico y Big Data
  4. Nuevas tendencias en management
UNIDAD DIDÁCTICA 4. INTELIGENCIA DE NEGOCIO Y HERRAMIENTAS DE ANALÍTICA
  1. Tipo de herramientas BI
  2. Productos comerciales para BI
  3. Productos Open Source para BI
  4. Beneficios de las herramientas de BI
UNIDAD DIDÁCTICA 5.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)
UNIDAD DIDÁCTICA 6.DEL BIG DATA AL LINKED OPEN DATA
  1. Concepto de web semántica
  2. Linked Data Vs Big Data
  3. Lenguaje de consulta SPARQL

MÓDULO 2. ANÁLISIS DE BIG DATA Y HERRAMIENTAS PARA EXPLOTACIÓN

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. 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
UNIDAD DIDÁCTICA 6. ANALIZAR LA INFORMACIÓN CUALITATIVA
  1. Introducción
  2. La usabilidad web
  3. Pruebas online y a Distancia
  4. Las encuestas
UNIDAD DIDÁCTICA 7. CI: INTELIGENCIA COMPETITIVA
  1. Introducción
  2. Recopilar datos de Inteligencia Competitiva
  3. Análisis del tráfico de sitios web
  4. Búsquedas

MÓDULO 3. FUNDAMENTOS Y PLANIFICACIÓN DE LA MÉTRICA DIGITAL

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
  1. La analítica web en la actualidad
  2. Definiendo la analítica web
  3. El salto a la analítica web moderna
UNIDAD DIDÁCTICA 3. INTRODUCCIÓN AL ANÁLISIS Y MÉTRICA WEB
  1. Conceptos básicos
  2. Métricas para el análisis web
UNIDAD DIDÁCTICA 4. MÁS ALLÁ DE LOS DATOS
  1. Segmentación en base al comportamiento
  2. Predicción y minería de datos
  3. Rumbo a la analítica inteligente

MÓDULO 4. HERRAMIENTAS DE ANALÍTICA WEB

UNIDAD DIDÁCTICA 1. CRM EN EL MEDIO ONLINE
  1. Conceptos básicos de gestión de clientes y CRM
  2. Remarketing
  3. Tipos de clientes
  4. Estrategias y herramientas de gestión de clientes
  5. Métricas de fidelización
  6. Aplicación de diferentes herramientas a casos de empresas
UNIDAD DIDÁCTICA 2. INTRODUCCIÓN A HERRAMIENTAS DE ANALÍTICA WEB
  1. Listado de herramientas
  2. Herramientas de analítica web
  3. Herramientas de análisis de logs
  4. Herramientas de medición mediante tags
  5. Herramientas para medir el rendimiento de nuestro sitio web
  6. Herramientas para recoger información de diseño y usabilidad web
  7. Herramientas que analizan nuestra actividad en redes sociales
  8. Herramientas de inteligencia competitiva
UNIDAD DIDÁCTICA 3. EL ANALIZADOR DE TRÁFICO WEB PIWIK
  1. ¿Qué es PIWIK?
  2. Instalación y Configuración
  3. Integración con otras aplicaciones
UNIDAD DIDÁCTICA 4. 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

MÓDULO 5.CUADRO DE MANDO Y DASHBOARD

UNIDAD DIDÁCTICA 1. 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 2. CONCEPTO Y CREACIÓN DE CUADROS DE MANDO
  1. Introducción a los cuadros de mando y dashboard
  2. Estrategias para la creación de un cuadro de mando
  3. Dashboard en Excel o Google Analytics
UNIDAD DIDÁCTICA 3.HERRAMIENTAS PARA LA CREACIÓN DE CUADROS DE MANDO
  1. Aplicaciones gratuitas
  2. Aplicaciones propietarias

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. CLOUD COMPUTING CON AZURE Y LINUX

UNIDAD DIDÁCTICA 1. CLOUD COMPUTING
  1. Introducción al Cloud computing
  2. Modo de trabajo y funcionamiento
  3. Virtualización
  4. Tipos de Cloud
  5. Niveles de Programación
  6. Historia
  7. Ventajas e inconvenientes
  8. Análisis DAFO
UNIDAD DIDÁCTICA 2. AGENTES QUE INTERVIENEN EN EL CLOUD COMPUTING
  1. El Cloud Computing y el departamento IT
  2. Niveles del Cloud Computing
  3. ¿Qué es la virtualización?
  4. Centros de datos para Cloud
UNIDAD DIDÁCTICA 3. PROYECTO DE CLOUD COMPUTING
  1. Ventajas y desventajas del Cloud Computing
  2. Análisis DAFO de la implantación del Cloud
UNIDAD DIDÁCTICA 4. SEGURIDAD Y ASPECTOS LEGALES DEL CLOUD COMPUTING
  1. (LOPD) Ley de Protección de Datos
  2. Propiedad intelectual
  3. Relaciones laborales
  4. Los retos del Cloud Computing
  5. Implementación de la seguridad en el Cloud Computing
  6. Análisis forense en el Cloud Computing
  7. Cloud Security Alliance (CSA)
UNIDAD DIDÁCTICA 5. TOPOLOGÍA
  1. Tipos de nube
  2. Tipo de cloud que debo de usar
  3. La topología en el ámbito de los servicios cloud
UNIDAD DIDÁCTICA 6. AZURE
  1. Plataforma Windows Azure
  2. Usuario: modo de acceso y trabajo
  3. Administración de Azure
  4. Virtualización con Azure
  5. Vista programador
  6. Servicios de Azure
  7. Bases de Datos con Azure
  8. Programación en Azure
UNIDAD DIDÁCTICA 7. LINUX
  1. Distribuciones Linux en la Nube
  2. Usuario: modo de acceso y trabajo
  3. Administración
  4. Virtualización con Linux
  5. Vista programador
  6. Servicios en Linux
  7. Bases de Datos en Linux
  8. Programación en la Nube bajo Linux
UNIDAD DIDÁCTICA 8. SERVICIOS
  1. Acceso a servicios misma plataforma
  2. Acceso a servicios diferentes plataforma
  3. Interoperabilidad
  4. Futuro de los Servicios Cloud Computing

MÓDULO 9. 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