MÁSTER OFICIAL EN GESTIÓN Y ANÁLISIS DE GRANDES VOLÚMENES DE DATOS: BIG DATA

Modalidad Online – INICIO OCTUBRE 2024

 

Si quieres convertirte en un experto en Gestión de Grandes Volúmenes de Datos esta es la formación que necesitas

¡Ayudas al estudio disponibles!

    Quiero más información sobre este MÁSTER

    Prefijo:Pref:

    Tranquilo, no te enviaremos spam 🙂

    He leído y acepto la política de privacidad y protección de datos personales






    MODALIDAD


    Online

    DURACIÓN


    60 ects

    INICIO


    Octubre 2024

    TÍTULO


    Máster oficial

    Máster Oficial Online en Gestión y Análisis de Grandes Volúmenes de Datos: BIG DATA

    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.

    PLAN DE ESTUDIOS

    FUNDAMENTOS BÁSICOS EN EL ANÁLISIS DE DATOS

    • Introducción: Introducción a la ciencia de datos y al aprendizaje automático.
    • Aprendizaje supervisado y no supervisado.
    • La función de costes.
    • Problemas de clasificación: Descripción de los modelos de clasificación.
    • Evaluación de modelos: Herramientas de evaluación y valoración de modelos.
    • Problemas de gran tamaño.

    TÉCNICAS DE ANÁLISIS DE DATOS

    • Combinatoria.
    • Probabilidad.
    • Variable aleatoria discreta.
    • Variable aleatoria continua.
    • Estadística descriptiva.
    • Muestreo e inferencia estadística.
    • Contraste de hipótesis.

    TÉCNICAS AVANZADAS DE ANÁLISIS DE DATOS

    • Fundamentos de Machine Learning.
    • Regularización.
    • Selección de características.
    • Extracción de características.
    • Árboles de clasificación y regresión.
    • Métodos de ensembles.
    • Máquinas de vectores soporte.
    • Métodos kernel.

    TÉCNICAS DE PROGRAMACIÓN

    • Introducción a los lenguajes de programación aplicados al análisis de datos
    • Métodos de almacenamiento y toma adquisición de datos
    • Procesamiento de datos
    • Python para análisis de datos
    • R para análisis de datos

    TECNOLOGÍAS DE ALMACENAMIENTO DE DATOS

    • Introducción a la tecnología de almacenamiento de datos.
    • MongoDB.
    • Apache Cassandra.
    • Apache Hadoop.
    • Apache Spark: Fundamentos y Spark SQL.
    • Apache Spark: SparkStreaming

    TECNICAS DE DESARROLLO AVANZADO DE APLICACIONES BIG DATA

    • Flujo de datos.
    • Web scraping.
    • Exploración y limpieza de datos.
    • Redes neuronales.
    • Redes neuronales convolucionales.
    • Redes neuronales avanzadas.
    • Desarrollo de herramientas de análisis de datos.

    EXPLORACIÓN, VISUALIZACIÓN Y COMUNICACIÓN DE DATOS

    • Herramientas de visualización de datos
    • Generación de informes
    • Diseño y programación de cuadros de mando

    PLATAFORMAS AVANZADAS DE DESARROLLO

    • Introducción a la computación en la nube. Azure.
    • Almacenamiento de datos. Data Lake.
    • Azure Machine Learning Studio.
    • Servicios cognitivos de Azure.
    • Integración de datos. Data Factory.
    • Procesamiento de datos. Databricks.
    • MLOps.

    GESTIÓN DE PROYECTOS

    • Introducción a la gestión de proyectos
    • Fases genéricas de un proyecto
    • Planificación y programación de proyectos
    • Formulación y solución del problema
    • Definición de la misión, los objetivos y alcance del proyecto
    • Estimación del tiempo del proyecto
    • Estimación y programación de recursos materiales y humanos
    • Estimación de costos del proyecto
    • Planificación de las adquisiciones
    • Cuaderno de notas, Seguimiento y Control del proyecto
    • Gestión de la Calidad del proyecto

    TRABAJO FIN DE MÁSTER

    • Para el planteamiento del trabajo fin de máster se contará con la participación de una o varias empresas que facilitarán a los alumnos información suficiente para el desarrollo del proyecto real de gestión y análisis de grandes volúmenes de datos.
    • La defensa del proyecto se realizará de forma online ante un tribunal.

    Titulación Oficial Universitaria

     

    Adaptado al Espacio Europeo de Educación Superior

    Logo UEMC Blanco

    8 Razones por las que estudiar el Máster Big Data de ENYD-UEMC

    En Directo y Flexible

    Podrás asistir a las videoconferencias del Máster Big Data en directo o revisarlas tantas veces como quieras en diferido.

    Online

    Disfrutarás de una formación en big data 100% online con acceso a todos los contenidos teóricos y prácticos a través del campus virtual.

    Sin Desplazamientos

    No necesitarás desplazarte en ningún momento pudiendo estudiar el Máster Big Data desde cualquier lugar del mundo.

    Red de contactos

    Conectarás con empresas y profesionales, además de aprender casos prácticos reales con un claustro profesional de primer nivel.

    Evaluación Continua

    Estudiarás bajo un modelo educativo que se adapta a tus necesidades equilibrando la flexibilidad con evaluación continua.

    Actividades Grupales

    En el Máster Big Data participarás en actividades grupales junto a otros alumnos de diferentes partes del mundo de habla hispana.

    Progresa en tu carrera

    El Máster Big Data cuenta con un programa académico diseñado para aportar una visión global y mejorar la toma de decisiones.

    Siempre Acompañado

    Durante la formación podrás contactar en todo momento con profesores y con tu asesor personal para resolver tus dudas.

    DOCENTES DESTACADOS EN BIG DATA

    Jorge Crespo

    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.

    Raquel Mata

    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.

    Jesús Alonso

    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.

    Lourdes Tabares

    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.

    #EXPERIENCIASUEMC Business School

      Quiero más información sobre este MÁSTER

      Prefijo:Pref:

      Tranquilo, no te enviaremos spam 🙂

      He leído y acepto la política de privacidad y protección de datos personales






      RECONOCIMIENTOS

      innovatec_landing
      elEconomista_landing
      Emilio-Castelar_landing
      Emagister_150x150