EOI-Escuela de Organización Industrial

Master en Business Intelligence y Big Data (Online)

EOI-Escuela de Organización Industrial
  • Imparte:
  • Modalidad:
    Online
  • Precio:
    10.200 €
  • Comienzo:
    Octubre 2019
  • Lugar:
    Se imparte Online
  • Duración:
    650 Horas
  • Idioma:
    El Seminario/Conferencia se imparte en castellano

Presentación

El entorno globalizado y la proliferación de datos procedentes de múltiples fuentes necesitan de profesionales capaces de enfrentar problemas de análisis de datos en contextos de negocio concretos, así como con conocimientos de los costes y necesidades asociadas al procesamiento de datos masivos en la nube.
El Master en Business Intelligence y Big Data tiene como misión responder a este reto de formación cualificada en las diferentes áreas de la empresa. A través de este programa conocerás en profundidad los elementos de medición de negocio, tecnología y analítica de datos y desarrollarás las habilidades necesarias para adquirir una combinación de habilidades única en las áreas de data science, business analytics y big data management.
El objetivo es que te conviertas en un profesional capaz de sacar todo el partido a las tecnologías de inteligencia de negocio, de manera que reviertan en la mejora de procesos y toma de decisiones de las empresas.

Dirigido

Dirigido a titulados superiores en Telecomunicaciones, Informática, Física, Matemáticas, ... Para otras titulaciones se valorará conocimiento y experiencia previos en programación de alto nivel, estadística, lenguaje SQL, ...

Programa

FUNDAMENTOS DE BI, BA y BIG DATA
Definición, componentes y tipología de sistemas de inteligencia de negocio
Contextualización y diseño de sistemas de inteligencia de negocio
Diseño de informes, cuadros de mando e indicadores
Fuentes y calidad de los datos
El business case de una iniciativa de inteligencia de negocio
ESTRATEGIA Y GESTIÓN BASADA EN DATOS
Fundamentos de la direccioìn estrateìgica. La información como base del análisis estratégico
Anaìlisis del entorno competitivo, sectorial y particular para toma de decisiones. La inteligencia competitiva
Definición de la estrategia: diseño y simulación de estrategias alternativas
Implantación y seguimiento de la estrategia. Definición de indicadores clave (KPI’s)
HERRAMIENTAS – Parte 1
Herramientas auxiliares: instalación y gestión de máquinas virtuales con VirtualBox, Amazon Workspaces y uso de la línea de comandos en un entorno Linux
El lenguaje de programación Python
El entorno Jupyter Notebook
Librerías para el análisis de datos: Numpy, Pandas, y Matplotlib
Introducción a XML y JSON como formatos de datos usando Python
FUNDAMENTOS DE IN
DW: qué es y conceptos básicos
Arquitecturas de referencia y diseño: data marts y data warehousing
Multidimensionalidad y su tipología. OLAP/MOLAP/ROLAP
Esquema de bases de datos: desnormalización y multidimensionalidad
Diseño de data warehouses. Elementos hardware y software
Herramientas de extracción, transformación y carga – ETL
Lenguaje de consulta analítico: MDX vs. SQL
Manipulación, análisis y visualización de datos: visor OLAP y funciones básicas
MEDICIÓN DE NEGOCIO Y VISUALIZACIÓN
Introducción a la analítica de negocio
Medición del negocio
Visualización de datos
INTRODUCCIÓN AL APRENDIZAJE AUTOMÁTICO Y MINERÍA DE DATOS
Aprendizaje supervisado y no supervisado
Clustering y clasificación. Técnicas y medidas de calidad
Herramientas de aprendizaje automático, visualización
El ciclo de la minería de datos
ANÁLISIS DE REDES SOCIALES
Fundamentos para el estudio, medida e investigación de redes sociales
Tratamiento, visualización y análisis de grandes redes
Herramientas de visualización de redes sociales
Tecnologías para el análisis y acceso a datos en la web de los datos
TECNOLOGÍAS DE ALMACENAMIENTO ESCALABLE
Introducción a las bases de datos NoSQL: origen, evolución y contexto histórico
Persistencia políglota: escoger el modelo de datos más adecuado para cada problema
Modelos de agregación: características, tipos, consideraciones de diseño y casos de uso
Modelos en grafo: características, consideraciones de diseño y casos de uso
Sistemas distribuidos: definición, tipos, estrategias de distribución y consistencia de datos (ACID vs BASE)
Ejercicios y ejemplos usando bases de datos NoSQL: MongoDB y Neo4J
MINERÍA DE TEXTO Y ENLACES EN LA WEB
Fundamentos teóricos, técnicas y aplicaciones prácticas del PLN
Librerías y herramientas de NLP (NLTK, Brad, Gate)
Soluciones NLP (Análisis de Sentimiento, Text Mining de datos web, Asistente Virtual)
METODOLOGÍA DE PROYECTOS
Ideas modelos de negocio
Formación de grupos de trabajo y asignación tutores para proyecto fin de máster
PARALELIZACIÓN DE DATOS
Procesamiento paralelo y ecosistema Hadoop
Procesamiento paralelo bajo arquitectura Hadoop. MapReduce
Mecanismos de explotación de la información en entornos distribuidos Hadoop
ADQUISICIÓN DE DATOS EN TIEMPO REAL
Introducción y conceptos básicos
Arquitectura general de un proyecto IoT
Plataformas IoT y Big Data
Ejemplos y casos de uso
HERRAMIENTAS – Parte 2
Introducción al lenguaje de programación R:
El entorno RStudio
Introducción al lenguaje R y su aplicación a la estadística
Introducción a las bases de datos relacionales
Nociones básicas del modelo relacional
Introducción a SQL
CASO ANALÍTICA FINANCIERA
Conceptos financieros y de riesgos
Aplicación práctica de BI y big data a la visión financiera/riesgos
Obtención y preparación de datos financieros y de riesgos
Modelos estadísticos para maximizar el RAR e inferir el riesgo de operaciones financieras
CASO ANALÍTICA DE CLIENTES
Location Analytics: concepto y aplicaciones
El valor de la ubicación
Aplicación en el análisis de resolución de un problema de negocio
Casos prácticos y trabajo individual de aplicación de Location Analytics
CASO ANALÍTICA DE MARKETING
Aplicación al Marketing Digital
Campañas con públicos seleccionados
Selección de clientes mediante modelos de propensión
CASO ANALÍTICA DE DATOS ABIERTOS
Datos abiertos en el sector público. Reutilización
Apertura de datos empresariales. APIs y concursos
Estrategias basadas en datos abiertos
Casos de uso
CASO ANALÍTICA DE OPERACIONES
Caso de business intelligence-big data en el ámbito de procesos y operaciones
Caso práctico sobre el que los alumnos aplicarán sus conocimientos
FASE PRESENCIAL
El Master se complementa con una fase presencial en Madrid con talleres, visitas a empresas, conferencias y trabajo en proyecto.
Teoría y práctica se dan la mano mediante el estudio, análisis y desarrollo de multitud de supuestos y casos prácticos que te permitirán consolidar tus conocimientos, orientarlos a la acción y vivir experiencias similares a las que experimentarías en tu desempeño profesional.
Durante las visitas técnicas a distintas empresas e instalaciones conocerás sobre el terreno las tecnologías y los proyectos más relevantes relacionados con tu formación.
Proyecto fin de máster
Como parte de tu formación, realizarás un Proyecto Fin de Master en grupo, liderado por un tutor, que te permitirá poner en práctica todos los conocimientos adquiridos.
A lo largo del Master, y de manera especial con el proyecto final, fomentarás tu capacidad para tomar decisiones y exponer tus argumentos de manera clara y estructurada. También aprenderás a trabajar en equipo y a cumplir diferentes hitos en los plazos establecidos.

Salidas profesionales

El Master en Business Intelligence y Big Data te prepara para:
Trabajar como analista de datos, responsable de proyectos de big data o inteligencia de negocio y data scientist
Aprender a medir y evaluar indicadores clave del negocio en todas sus áreas, aplicando métodos de data science
Saber gestionar y diseñar arquitecturas y soluciones para problemas de big data que aporten valor a la organización
Saber aplicar modelos analíticos y predictivos a situaciones de negocio que requieren un tratamiento avanzado
Entender el papel de los diferentes modelos de bases de datos y los usos de las bases de datos multidimensionales para analizar y visualizar patrones y tendencias

¡Infórmate ahora sin compromiso!

Publicidad

Cursos Relacionados

Ver otras conferencias y seminarios de...