¡Ayudas al estudio disponibles!
El principal objetivo de este Máster en Gestión y Análisis de Volúmenes: Big Data es poder ofrecer al alumno una visión global y completa de la analítica de datos, comenzando con la recolección y siguiendo con el almacenamiento, el procesamiento, el análisis y la visualización de datos. Además, el alumno conocerá la infraestructura de Big Data necesaria para todo ello. La metodología del máster es muy práctica, utilizando casos prácticos y aprendizaje basado en proyectos reales.
Se trata de una gran oportunidad para conseguir conocimiento en un área con grandes salidas profesionales y en continuo desarrollo, pudiendo interiorizar y aprender los conceptos gracias a la visión de los profesionales que impartirán las asignaturas.
Podrás asistir a las videoconferencias del Máster Big Data en directo o revisarlas tantas veces como quieras en diferido.
Disfrutarás de una formación en big data 100% online con acceso a todos los contenidos teóricos y prácticos a través del campus virtual.
No necesitarás desplazarte en ningún momento pudiendo estudiar el Máster Big Data desde cualquier lugar del mundo.
Conectarás con empresas y profesionales, además de aprender casos prácticos reales con un claustro profesional de primer nivel.
Estudiarás bajo un modelo educativo que se adapta a tus necesidades equilibrando la flexibilidad con evaluación continua.
En el Máster Big Data participarás en actividades grupales junto a otros alumnos de diferentes partes del mundo de habla hispana.
El Máster Big Data cuenta con un programa académico diseñado para aportar una visión global y mejorar la toma de decisiones.
Durante la formación podrás contactar en todo momento con profesores y con tu asesor personal para resolver tus dudas.
Ingeniero Civil y Doctorado en el Departamento de Transportes y Tecnologías de Proyectos y Procesos, en el cual desarrolló un modelo físico-matemático para la predicción del comportamiento ante incendios de hormigones de alta resistencia. Cuenta con más de 30 publicaciones, de las cuales 14 se encuentran recogidas en el Journal of Citation Report.
Doctora en Estadística e Investigación Operativa. Es matemática y cuenta con un Máster en Modelización Matemática y un Máster en Modelos y Métodos de Optimización. Apasionada de las matemáticas en el ámbito de la ingeniería, combina la docencia con su experiencia investigadora, habiendo publicado varios artículos en revistas incluidas en el Q1 del Journal Citation Report.
Ingeniero en Informática con una amplia experiencia como formador en Ciberseguridad.
Ha participado en 10 proyectos europeos de investigación utilizando técnicas de Big Data para la detección de fraude, identificación de intrusos en redes de comunicaciones y prevención de congestión servicios de telemáticos.
Doctora en Física Teórica. Ha trabajado como Data Scientist participando en la creación de productos basados en Machine Learning, como la detección de fraude bancario mediante Redes Bayesianas. Actualmente trabaja desarrollando una herramienta para ofrecer a los usuarios una mejor experiencia en su navegación por las webs.
