Máster en Data Science y Analítica Avanzada

El Máster Executive en Big Data Science de UIC Barcelona es tu programa si eres un profesional que busca desarrollarse eficazmente en disciplinas de Big Data y Analítica Avanzada. Te capacita para la toma de decisiones en ambientes de negocio con alto volumen de datos que se generan a velocidad mayúscula, donde la extracción de conocimiento es clave. Mediante técnicas de analítica avanzada (predictiva y prescriptiva), visualización, y diseño de entornos y de arquitecturas adecuadas, te ofrece las bases para abordar proyectos Big Data.
El Máster se basa en clases presenciales teórico-prácticas de orientación analítica y tecnológica impartidas por reconocidos profesionales del sector, que incluyen la realización de ejercicios prácticos en entornos reales. Las sesiones de formación, excepto la realización del proyecto final, son siempre presenciales y se basan en la metodología learning by doing, para asegurarte la adquisición de las competencias. Asimismo, se estudiarán casos reales para las prácticas basadas en proyectos.
Realizarás el Proyecto de Fin de Máster con el apoyo y la supervisión de un tutor/director profesional y trabajarás a partir de herramientas y conjuntos de datos de resolución empresarial real.

Contexto tecnológico y de negocio actual
Introducción al contexto tecnológico y de negocio actual, donde el Big Data, junto con otras tendencias tecnológicas (Industria 4.0, Internet of Things, la realidad virtual y responsabilidad de consultoría en IoT, Blockchain, entre otras) están determinando desde hoy la hoja de ruta de Integral Innovation Experts y el liderazgo de muchos negocios de los próximos años. 
 
Data science
Profundizar en el campo de Data Science a través de experiencias y casos reales explicados por profesionales en activo con ejemplos y descripciones reales.
 
Lenguajes de programación para el data scientist
Introducción a la programación en los principales lenguajes y entornos que el Big Data Scientist necesita conocer, incluyendo R y Python.
 
Métodos estadísticos y data mining
Fundamentación en Estadística, empezando desde las bases. Inferencia estadística, Análisis de Componentes Principales (ACP), Clusterización y Computación evolutiva.

Machine learning
Reglas de asociación, modelos lineales, clasificadores lineales, SVM, modelos de series temporales, Decision Trees, Random Forest y métodos de conjunto (ensemble). Procesado del lenguaje natural. Redes neuronales y Deep Learning. Entornos de Machine Learning en la nube.

Tecnologías y arquitecturas big data
Arquitectura Big Data y Cloud. Ecosistema Hadoop. Bases de datos NoSQL: MongoDB, Neo4J. Paradigma Spark: Spark R, Machine Learning con Spark MLlib y procesamiento en tiempo real con Spark Streaming.

Técnicas de visualización de datos
Principios de visualización. Visualización con R. Visualización con Tableau. Visualización con herramientas Open Source. Infografías, storytelling con datos. Técnicas avanzadas de visualización de datos.

Proyectos en contextos big data
Metodologías para la Data Science. Metodologías ágiles. Contexto legal del dato. Gobernanza del dato.

Trabajo final de máster 
El TFM se conforma como el desarrollo, en grupo, de un caso de resolución empresarial real. Comporta la gestión del ciclo completo de vida del dato, incluyendo el diseño del proyecto y la obtención de valor, en forma de producto o servicio, considerando todos los aspectos necesarios para su puesta en explotación real. El TFM deberá entregarse en forma de memoria y ser defendido ante un tribunal como entrega final.

Este máster encajará contigo si quieres orientarte hacia el Big Data y la Analítica de Datos. Está dirigido a profesionales provenientes de diferentes áreas de negocio y especializaciones: Marketing, Comunicación, Periodismo, Legal, Innovación, Finanzas, Recursos Humanos y Operaciones, entre otras.

Para el correcto aprovechamiento de las clases es preciso que los candidatos dispongan de las siguientes habilidades:

• Interés por el análisis de datos y métodos estadísticos.
• Disposición para iniciarse en actividades de programación: durante la formación se adquirirán conocimientos de R, Python y SQL.
• Predisposición para asuntos tecnológicos de la información.

• Entender el contexto de los proyectos Big Data y la transformación analítica de las organizaciones y los sectores.
• Aprender a extraer conocimientos de grandes volúmenes de datos y alta variedad de fuentes.
• Integrar el uso de la analítica de datos en el proceso de toma de decisiones.
• Dominar el ciclo completo del dato: desde la adquisición y almacenamiento hasta el proceso y análisis, la visualización y elaboración de dashboards.
• Conocer y practicar la aplicación de métodos estadísticos y de Machine Learning
• Practicar con las principales tecnologías y arquitecturas Big Data: Hadoop, Spark, MongoDB, Neo4j, etc.

Becas, financiación y descuentos disponibles.