Máster en Big Data y Data Intelligence

Máster en Big Data y Data Intelligence. La analítica de datos se ha convertido en un elemento clave para la generación de valor en empresas y organizaciones de todo tipo. Nos encontramos en la transición hacia un nuevo modelo socioeconómico en el que los datos de todo tipo ocupan el lugar central en los procesos productivos, y las empresas reclaman profesionales que sean capaces de afrontar los retos que supone este nuevo contexto.
En este entorno, y desde un enfoque completamente práctico, el temario del curso cubre las disciplinas principales que conforman un proyecto de analítica de datos en el escenario Big Data: la definición de objetivos e indicadores asociados, la identificación, captura y pre-procesamiento de datos heterogéneos de alto valor añadido, la implementación de modelos analíticos en entornos distribuidos y altamente escalables y la visualización de datos.

Área de Data Intelligence

• Análisis Descriptivo: ¿Para qué queremos analizar los datos? ¿Qué datos necesitamos?
• Construcción del repositorio de análisis: ¿Cómo guardamos la información?
• Definición, creación y representación gráfica de variables: ¿Por dónde comenzamos a analizar? ¿Qué y cómo medimos resultados?
• Definición de indicadores y validación de resultados: ¿Cuántos datos analizamos?
• Minería de Datos: ¿Podemos reducir el número de variables para un análisis? ¿Existen Relaciones entre sucesos? ¿Existen relaciones ocultas? ¿Podemos agrupar usuarios y/o productos? ¿Podemos hacer previsiones de comportamiento?
• Casos Prácticos: ¿Cómo aplicamos los conocimientos adquiridos a un caso práctico?

Área de Big Data

• Introducción al fenómeno Big Data
  • El fenómeno Big Data en contexto. ¿Qué es Big Data? ¿Por qué ahora?
  • El dato como elemento clave para la generación de valor en la empresa actual
• Estructura de los proyectos: Estructura de los proyectos Big Data Analytics. Data Scientist, Data Engineer, Data Practitioner… perfiles laborales de éxito asociados al Big Data
• Fundamentos y herramientas del Big Data: Fundamentos técnicos del Big Data. El ecosistema Big Data y la caja de herramientas del Data Scientist. Librerías algorítmicas
• Contextualización de los datos: El trabajo con datos en el contexto Big Data. El ciclo de vida del dato. Fuentes de información, tipología y calidad del dato
• Captura y pre-procesamiento de datos: Nuevos modelos de almacenamiento de datos. Explotación de datos geoespaciales
• Tecnologías de escalabilidad horizontal de sistemas: Computación distribuida en cluster y frameworks de referencia: Hadoop, Spark, Storm…
• Explotación de datos: Explotación multicanal de datos y tecnologías de visualización: dashboards, mapas, librerías gráficas
• Proyecto final: Proyecto de Big Data Analytics

Profesionales del sector tecnológico, profesionales de cualquier ámbito que quieren enfocar su carrera hacia el trabajo con datos:

• Recién licenciados y profesionales que deseen ampliar sus horizontes laborales.
• Profesionales con experiencia que quieran asumir nuevas competencias y responsabilidades, así como tener un reconocimiento.
• Empresas que busquen especialización de su personal.
• Titulados en Formación Profesional Grado Medio o de Grado Superior que buscan una preparación práctica para entrar en el mundo laboral.

El objetivo es que el estudiante obtenga un conocimiento concreto y aplicado que le permita acometer con seguridad un proyecto de analítica de datos en entornos Big Data:

• Conocer el modelo socioeconómico que define el fenómeno Big Data.
• Conocer el ecosistema de datos actual y definir estrategias de valorización de datos.
• Definir un proyecto de analítica de datos con un enfoque de negocio (objetivos, indicadores, impacto).
• Conocer las fases de trabajo y actividades en que se divide un proyecto Big Data Analytics.
• Identificar las tipologías de datos y sus características, las principales fuentes de datos existentes y las técnicas de consumo y pre-procesado de datos para cada una de ellas.
• Conocer los conceptos básicos de la estadística, el Data Mining y el Machine Learning y ser capaz de definir modelos analíticos que los utilicen.
• Conocer los principios de la arquitectura distribuida y los principales componentes tecnológicos que conforman un sistema Big Data Analytics.
• Conocer los conceptos clave de la visualización de información heterogénea (numérica, geoespacial…).
• Conocer y practicar con las principales herramientas que se utilizan para cada una de las actividades definidas.
• Completar un proyecto piloto de Big Data Analytics que permita ejercitar las capacidades adquiridas en el curso.