Asignaturas

Asignaturas - Máster Executive en Big Data Science

 

Módulo Análisis de Datos (19 ECTS)

MATERIAS ECTS ASIGNATURAS
Estadística 10 Preparación y limpieza de los datos (2)
Análisis estadístico de datos (8)
Machine Learning 9 Machine Learning (6)
Deep Learning (3)

Módulo Programación y computación (14 ECTS)

MATERIAS ECTS ASIGNATURAS
Preparación y recogida de datos 7 Bases de datos (2)
Técnicas de recogidas de datos (2)
Técnicas de Big Data (3)
Programación 7 Visualización (2)
Python para análisis de datos (5)

Módulo Proyectos (9 ECTS)

MATERIAS ECTS ASIGNATURAS
Proyectos 9 Gestión de proyectos y visión de negocio (5)
Talleres con empresas (4)

Módulo Trabajo Fin de Máster (18 ECTS)

MATERIAS ECTS ASIGNATURAS
Trabajo Fin de Máster 18 Trabajo Fin de Máster (18)

A continuación podrás ver el detalle de cada una de las materias y asignaturas:

Preparación y limpieza de los datos (2)

Análisis exploratorio de datos.

Pre procesado de datos

Análisis de componentes principales y análisis factorial.

Detección de ruido y de outliers.

Tratamiento de valores perdidos.

Trabajo con diccionarios para poder corregir errores tipográficos de manera masiva.

Unión de tablas.

Filtrado de datos.

Modificaciones avanzadas.

Tratamiento del problema no balanceado.


Análisis estadístico de datos (8)

Introducción y distribuciones de probabilidad.

Introducción a R.

Modelos lineales: ANOVA, Regresión lineal.

Modelos lineales generalizados (regresión logística).

Modelos multinivel.

Submuestreo y remuestreo.

Series de tiempo y datos de panel.

Análisis espectral.

Prácticas con R.

Exposición de casos reales.

Machine Learning (6)

Aprendizaje supervisado vs. no supervisado. Reglas de clasificación, selección de variables y de modelos

K-means

Árboles de clasificación

Redes neuronales

Vecino más cercano

Naïve Bayes

Ensemblelearning.

Lenguaje Natural.


Deep Learning (3)

Redes neuronales avanzadas.

Markov random fields and Kalman Bucy Filters.

Cellular automation and discrete dynamical systems.

Bases de datos (2)

Estructura estática de las bases de datos.

Introducción

Modelo Entidad Relación

Modelo Relacional

Integridad Referencial

Álgebra Relacional

Teoría de SQL

Nuevos tipos de bases de datos.

Bases de datos NoSQL

Tipo documento: ElasticSearch.

Tipo grafo. Neo4J

Tipo columna: Cassandra.


Técnicas de recogidas de datos (2)

Data Management:

Master Data Management (MDM).

Extracción de datos en entornos similares a empresa (SQL, Hive).

Web scraping.

Imágenes.

Redes sociales.


Técnicas de Big Data (3)

Evolución de la arquitectura de computadores, Redes de computadoras, nacimiento del Big Data.

Paralelización (Paradigma MapReduce). Hadoop vs Spark.

Frameworks Big Data: Hortonworks, Cloudera, MapR, BDE.

Cloud computing como tecnología habilitadora de Big Data.

Acceso seguro a proveedores cloud. Nociones de configuración de red y seguridad.

Amazon Web Services y herramientas Big Data.

Herramientas Big Data de Google.

Visualización (2)

Introducción a Tableau y Power BI desktop.

Conceptos y opciones al conectarse a los datos.

Análisis. Creación de vistas.

Campos calculados.

Formato de datos.

Creación de cuadros de mando interactivos.


Python para análisis de datos (5)

Sintaxis y estructuras de datos.

Almacenamiento y manipulación de datos con Python.

Librerías Numpy, Pandas, Matplotlib y Seaborn.

Gestión de proyectos y visión de negocio (5)

Realidad tecnológica actual: cloud, big data y blockchain, ciberseguridad.

Business Intelligence.

Despliegue, Plataformas, y preguntas habituales de los clientes.

Análisis descriptivo del espacio vectorial final, con respecto a los requerimientos iniciales de negocio.

Planificación de proyectos:

Cómo afrontar un proyecto real de Analítica Avanzada.

Planificación del proceso: modelos y arquitectura.

Planificación y estrategia global de la implementación.

Cuantificación del impacto de coste-beneficio.

Exposición de casos reales de éxito/fracaso.

Redacción de informes, en pdf, Excel, y HTML.

Comunicación de los resultados.

Privacidad:

Ética y transparencia.

Legislación. ley de protección de datos.

Técnicas para mantener la privacidad.


Talleres con empresas (4)

Exposición de proyectos y casos reales por parte de empresas.

Método del caso.

Trabajo Fin de Máster (18)