MOOC BIG DATA Y MODELOS ANALITICOS

1.Guía rápida.

2.El Máster

3.Certificación

4.Objetivos

5 . Profesorado

6.Temario

7.Modalidades

8. Metodología

1. Guía rápida

Descripción

Si quieres formarte y trabajar en uno de los sectores profesionales con más demanda, no dudes en contactarnos para informarte sobre nuestro Máster en Big Data y Business Analytics. Aprenderás a capturar información, a tratarla para conseguir los objetivos y a presentarla de la forma óptima y atractiva

Objetivos

Aprender a aplicar las Metodologías de Análisis más novedosas de Data Science. Trabajar con los lenguajes más utilizados por los Data Scientist: R, Python y SQL. Adquirir, organizar, combinar, limpiar, almacenar y presentar datos provenientes de fuentes y sistemas de almacenamiento

Destinatarios

El Máster, va dirigido a Titulados Superiores con un perfil de empresa, así como a técnicos o titulados en las diferentes áreas relacionadas con la tecnología; Profesionales o titulados en empresa o economía, en estadística, ingeniería o ciencias sociales, emprendedores, desempleados y todos aquellos que quieran formarse en una disciplina de máxima actualidad y demanda.

2. El Máster

Que hemos entrado de lleno en la era de los datos es una realidad que se ve refrendada, constantemente, por la aparición repetitiva de palabras como Big Data o Data Science, tanto en los medios de comunicación tradicionales más influyentes como en las nuevas formas de comunicación online del mismo modo, el fenómeno Big Data ha entrado de lleno en las principales compañías de muy diferentes ámbitos empresariales empezando a demandar perfiles de profesionales extremadamente especializados y muy bien preparados en el manejo de grandes volúmenes de datos. Al finalizar este máster, los alumnos contarán con el potencial suficiente para cubrir algunos de estos perfiles especializados, siendo capaces de extraer conocimientos valiosos a partir de grandes volúmenes de datos, guiando las decisiones de negocio de diferentes compañías e instituciones, siendo éste el nuevo foco estratégico en el que muchas empresas están avanzando. Todo ello donde partiendo de los datos en bruto y aplicando los más modernos métodos y tecnologías para el análisis de datos en gran escala se lleguen a mostrar resultados de impacto en el negocio utilizando visualizaciones muy atractivas. Los estudiantes serán capaces de hacerse las preguntas de negocio correctas sobre los datos, aplicar los más modernos métodos estadísticos y computacionales programación más utilizados actualmente, identificando patrones y extrayendo conocimiento valioso de conjuntos de datos complejos.el alumno será capaz de comunicar eficazmente, tanto de forma oral como escrita, los conocimientos de negocio obtenidos apoyándose en herramientas de visualización interactivas construidas comerciales . Por último, mediante la realización de un proyecto final de tipo práctico que se irá completando paulatinamente a medida que se van cursando los distintos módulos del Máster, los alumnos crearán un producto de datos completo en el que podrán demostrar todo el conocimiento adquirido y podrán defender sus principales hallazgos utilizando las habilidades de analista de negocio que también habrán desarrollado a lo largo del curso .

4. Objetivos

Los objetivos esenciales, que se alcanzarán a lo largo de la impartición del Máster .

• Conseguir que el alumno piense como un Data Science, aplicando las metodologías de análisis de datos que ayuden a plantear y resolver los problemas de negocio a partir de los datos
• Tomar conciencia del impacto que puede tener el Big Data en la estrategia de negocio de las compañías
• Adquirir, organizar, combinar, limpiar y almacenar datos provenientes de diferentes fuentes en bases de datos y sistemas de almacenamiento tradicionales, incluyendo la información proveniente de Internet a través de APIs o directamente de páginas web.
• Ser capaz de definir la arquitectura de una plataforma Big Data, saber desplegar Hadoop y obtener los conocimientos para administrar dicha plataforma.
• Manejar las herramientas de última generación de computación distribuida (Spark) sobre Big Data para el análisis exploratorio, preparación y acondicionamiento de grandes volúmenes de datos.
• Comprender los fundamentos de la teoría de Recuperación de la Información (Information Retrieval) y los Sistemas de Recomendación.

5. Profesorado

6. Temario

A continuación, presentamos en temario completo del curso:

MÓDULO 1. INTRODUCCIÓN Y METODOLOGÍA

Mediante este módulo se intenta poner de manifiesto la importancia y dimensión que ha tomado el análisis de grandes volúmenes de datos (Big Data) en las empresas e incluso en la sociedad actual. Estamos generando datos continuamente, navegando por internet, moviéndonos por la ciudad, … la cantidad de datos, por tanto, no para de crecer. Todo esto conduce a que compañías de diferentes tipos y sectores estén demandando una gran cantidad de profesionales con perfiles profesionales cualificados que sepan manejar, analizar e interpretar los datos que almacenan de la manera más óptima posible para servir los objetivos de negocio. Pero para llegar a obtener el máximo rendimiento de los datos es necesario trabajar con ellos de manera cuidadosa, siguiendo una metodología clara y ajustada a este tipo de trabajo que guíe en todo momento al profesional de forma ordenada y que permita reutilizar su propio trabajo o que otros miembros del equipo sean capaces de continuar con el mismo de manera sencilla y eficiente.

OBJETIVOS:

OBJETIVOS GENERALES:

• Ofrecer una visión general del mundo actual del “data” en diversos ámbitos, conocer los principales actores y cómo actúan, siempre valiéndonos de nuestra experiencia en una empresa tecnológica

• Que el alumno tome constancia del gran reto y la oportunidad que tiene ante sí formándose en uno de los campos más demandados en el mercado de trabajo actual

• Por otra parte, que comience a pensar como un Data Science, conozca las metodologías de análisis de datos que le ayuden a plantearse y resolver los problemas de negocio

OBJETIVOS ESPECÍFICOS:

• Estudiar las causas de la aparición del Big Data, las 4 Vs, y como esto ha hecho cambiar el mundo actual en torno al dato y la información

• Conocer las empresas pioneras en utilizar los datos como base de su negocio (Data Companies) así como la estrategia que les ha llevado a ser un ejemplo en este campo

• Saber reconocer las habilidades que se le presuponen a un buen Data Scientist y conocer los otros roles relacionados con el mundo del “data” en la empresa

• Tomar conciencia de la tremenda oportunidad laboral que te ofrece tener conocimientos especializados en este campo en el momento actual de la “explosión de los datos”

• Aprender a contar historias con datos

• Tener una visión de alto nivel muy estructurada del resto de los módulos que componen el curso y que constituyen el “data journey” para el alumno

• Partiendo de Metodologías de Gestión de Proyectos tradicionales llegar a comprender el cambio de mentalidad necesario para pasar de Waterfall a las últimas tendencias Agile (Scrum, Lean Canvas) así como los diferentes roles implicados en el proceso de desarrollo software y análisis de datos.

COMPETENCIAS, APTITUDES Y DESTREZAS QUE DEBE ADQUIRIR EL ALUMNO:

• Mentalidad de Data Science

• Deseos de querer saber más

• Dejarse guiar por los casos de negocio

• Pensar en escala “Big Data”

• Ser constante, ordenado y capaz de seguir una metodología repetidas veces

• Buenos hábitos de desarrollador de software para el análisis de dat

MÓDULO 2. DATASCIENCE TRADICIONAL: ALMACENAMIENTO Y ADQUISICIÓN DE DATOS

Incrementar la satisfacción de los clientes, segmentar el público objetivo de una campaña, optimizar procesos, idear nuevos productos y servicios, , son actividades que se llevan a cabo desde hace décadas en administraciones públicas y empresas, por diversos departamentos como los de Estadística, Inteligencia del Negocio (BI), o Gestión de la Relación con los Clientes (CRM). Se trataba de información estructurada, cuyo almacenamiento se justificaba para un fin concreto. Con Big Data, sin embargo, la información no es estructurada, proviene de varias fuentes de distinta naturaleza, y se almacena en principio en modo “raw” sin tener necesariamente un objetivo concreto en esta primera fase , así como las técnicas para adquisición de nuevas fuentes de datos on-line .

OBJETIVOS

OBJETIVOS GENERALES:

• Entender la necesidad de almacenar, extraer y analizar información para diferentes propósitos.

• Comprender cómo el Big Data cambia el actual “status quo” integrando las técnicas de almacenamiento tradicionales .

OBJETIVOS ESPECÍFICOS:

• Saber almacenar y extraer información estructurada en Bases de datos relacionales y Data Warehouse

• Ser capaz de distinguir las diferencias entre esos almacenamientos de información más tradicionales y los Data Lakes

COMPETENCIAS, APTITUDES Y DESTREZAS QUE DEBE ADQUIRIR EL ALUMNO:

• Adquirir los conocimientos básicos sobre Bases de datos relacionales

MÓDULO 3. DATASCIENCE TRADICIONAL: ANÁLISIS DE DATOS Y APRENDIZAJE AUTOMÁTICO

Para dar el salto a Big Data es necesario previamente conocer las herramientas de Análisis de Datos que suelen utilizar habitualmente los Data Scientists que permitirán explotar información manejable a pequeña o media escala. resolver un problema de datos planteado l. En este módulo, como herramientas de Análisis de datos, se introducirán el lenguaje R programming y SQL, los dos lenguajes más usados por los profesionales de los datos sin duda a nivel mundial.

OBJETIVOS:

OBJETIVOS GENERALES:

• Saber manejarse con SQL y tomar conciencia de su importancia para la preparación y análisis básicos de los datos

• Explorar las posibilidades que nos ofrece R programming para las diferentes etapas de un proceso de Análisis de datos

OBJETIVOS ESPECÍFICOS:

• Análisis exploratorio

• Limpieza y preparación de datos

• Construcción de modelos de aprendizaje NO supervisado o Análisis Predictivo

• Construcción de modelos de aprendizaje supervisado

• Evaluación de modelos de aprendizaje

COMPETENCIAS, APTITUDES Y DESTREZAS QUE DEBE ADQUIRIR EL ALUMNO:

• Conocer los módulos más utilizadas para análisis de datos

• Desarrollar programas

• Utilizar no sólo para obtener estadísticas, filtrar, limpiar datos y construir modelos de análisis de datos, sino también para visualizar los resultados, facilitando la interpretación y publicación de los mismos

• Evaluar modelos desarrollados

MÓDULO 5. DATASCIENCE EN ESCALA: ADMINISTRACIÓN DE HADOOP

Empezar a utilizar herramientas que escalen bien con grandes volúmenes de datos exige antes de nada profundizar en los conocimientos adecuados para desplegar, gestionar y almacenar dichos datos en plataformas de procesado distribuido Big Data entre las que destaca, Este conocimiento de la plataforma física permitirá dilucidar en muchos casos cuestiones básicas para el correcto funcionamiento de los procesos de análisis en Big Data como el volumen de almacenamiento, memoria y capacidad de procesamiento así como dominar el diseño de arquitecturas escalables adaptadas a cada proyecto

OBJETIVOS:

OBJETIVOS GENERALES:

• Ser capaz de afrontar el dimensionado, instalación y gestión de una plataforma BigData basada OBJETIVOS ESPECÍFICOS:

• Ser capaz de definir la arquitectura de una plataforma BigData, desplegar una plataforma ejemplo y obtener los conocimientos para administrar dicha plataforma utilizando la herramienta

• Adquirir las habilidades para determinar el volumen de almacenamiento, memoria y capacidad de procesamiento en la plataforma para realizar un correcto dimensionamiento de los nodos que componen el cluster Big Data.

COMPETENCIAS, APTITUDES Y DESTREZAS QUE DEBE ADQUIRIR EL ALUMNO:

• Instalación, administración y configuración de plataforma Big Data

• Calibrar el correcto dimensionamiento de dicha plataforma

MÓDULO 6. DATASCIENCE EN ESCALA: ADQUISICIÓN y almacenamiento Big Data

Uno de los aspectos fundamentales de Big Data, precisamente por lo desmesurado de su tamaño, es el conocimiento de las técnicas de adquisición de datos y almacenamiento de los mismos en escala así como saber determinar cuál es el soporte más idóneo para cada tipo de caso de uso. Las fuentes de datos provenientes de diferentes sistemas de generación de información de tipo automático pueden ser muy variadas e incluso en ocasiones han de ser tratadas rápidamente pues los datos son generados y llegan a la plataforma Big Data a gran velocidad. Por otra parte hemos de tener en cuenta que estos sistemas Big Data van a convivir con otros sistemas de almacenamiento tradicional en muchas de . En cuanto al tipo de almacenamiento, es obvio que los datos deben ser almacenados, pero diferenciaremos básicamente las estructuras de almacenamiento Big Data HDFS que sirven como un paso intermedio para el procesamiento de la información normalmente en procesos suelen encontrarse al final de la cadena o pipeline del procesado de datos.

OBJETIVOS:

OBJETIVOS GENERALES:

• Obtención de datos desde diferentes fuente

• Conocer los diferentes soportes de almacenamiento Big Data y saber determinar el más adecuado en cada caso

OBJETIVOS ESPECÍFICOS:

• Conocer en profundidad el Sistema

• Estudiar diferentes almacene y saber en qué situaciones se aconseja su utilización

• Conocer los fundamentos y aplicaciones de los Indexadores de documentos más populares en la actualidad

COMPETENCIAS, APTITUDES Y DESTREZAS QUE DEBE ADQUIRIR EL ALUMNO:

• Integración de Big Data con varias fuentes de información

• Dimensionamiento y carga de la información en la plataforma

• Conocer los diferentes almacenes de datos y determinar el más idóneo dependiendo del caso

MÓDULO 7. DATASCIENCE EN ESCALA: ANÁLISIS DE DATOS Y MACHINE LEARNING CON BIG DATA

Con la explosión de datos que existe en la sociedad actual no nos vale con las herramientas de análisis tradicionales y es necesario dar un paso más allá y empezar a utilizar herramientas que escalen bien con grandes volúmenes de datos. El principal objetivo de este módulo es conocer los diferentes paradigmas de procesamiento y herramientas en sistemas Big Data y dominar las principales tecnologías y su utilización para el diseño de arquitecturas escalables adaptadas a cada proyecto.

OBJETIVOS:

OBJETIVOS GENERALES:

• A partir de la información de entrada el alumno será capaz de determinar cuál es la información más interesante en la toma de decisiones empresariales, la cual modelará y almacenará en la plataforma.

• El alumno adquirirá una visión global de las diferentes herramientas existentes para el modelado, procesado y toma de decisiones sobre sistemas Big Data

OBJETIVOS ESPECÍFICOS:

• Saber reconocer los servicios que forman parte del ecosistema de una plataforma distribuida

• Ser capaz de analizar los datos entrada y determinar cuál es la información más relevante contenida en ellos.

• Conocer los conceptos básicos de Spark que permitan realizar el análisis exploratorio y la preparación de un gran volumen de datos empleando muy bajo tiempo de procesamiento

COMPETENCIAS, APTITUDES Y DESTREZAS QUE DEBE ADQUIRIR EL ALUMNO:

• Conocimiento

• Análisis exploratorio en escala

• Preparación de datos en escala

• Construir algoritmos para la toma de decisiones por parte de Negocio en escala

MÓDULO 8. DATASCIENCE EN ESCALA: UNIVERSO BIG DATA

En este módulo nos centraremos en dos casos de uso particulares que hicieron que Big Data creciera exponencialmente en popularidad casi desde sus inicios. Nos referimos a los Sistemas de Recuperación de la Información que gracias a la utilización y optimización de los mismos para grandes volúmenes el interés brutal que ha despertado Big Data en los últimos años, la vertiginosa rapidez con la que evoluciona y la falta de un referente claro en muchos ámbitos del mercado ha propiciado una auténtica explosión de herramientas libres o de pago que utilizando Big Data como base intenta hacer más fácil al usuario final llegar a obtener algún conocimiento de los datos que se convierta en una decisión de negocio. Es necesario por tanto tener una visión de alto nivel de qué tipo de actores juegan en este mercado y conocer los principales referentes del mismo

OBJETIVOS:

OBJETIVOS GENERALES:

• Conocer las principales Técnicas de Recuperación de la Información y Sistemas de Recomendación

• Adquirir una visión global de las diferentes herramientas orientadas a Big Data existentes para el modelado, procesado y toma de decisiones.

OBJETIVOS ESPECÍFICOS:

• Dominar la teoría de la Recuperación de la Información (Information Retrieval) y su aplicación a buscadores

• Estudiar las diferentes técnicas para implementar Sistemas de recomendación

COMPETENCIAS, APTITUDES Y DESTREZAS QUE DEBE ADQUIRIR EL ALUMNO:

• Adquirir conceptos básicos de técnicas de Recuperación de la información y Sistemas de Recomendación

MÓDULO 9. VISUALIZACIÓN DE DATOS Y COMUNICACIÓN

Visualizar se puede definir como “el conjunto de tecnologías que transforman datos en información mediante elementos visuales”. El proceso de la visualización de datos parte de información en formato “raw”, para posteriormente estructurarla para convertirla en información. Dicha información, una vez absorbida, comprendida y aplicada, por las personas, puede convertirse en conocimientos. Este proceso se realiza durante todas las etapas del proceso de generación de conocimiento, ya sea en la fase de data Discovery o en la presentación de resultados a nuestros clientes o a las personas objetivo de nuestro análisis o estudio.

OBJETIVOS:

OBJETIVOS GENERALES :

• Aprender el flujo de trabajo que sigue un experto en visualización de datos, desde la conceptualización de la idea, el proceso analítico de la información hasta la creación o uso de un componente visual para presentar la información.

• Conocer los gráficos más representativos de cada tipo, sus características y cuando se pueden aplicar y cuando no.

OBJETIVOS ESPECÍFICOS:

• Definir las fases del proceso creativo, para construir una visualización

• Crear visualizaciones interactivas

• Crear visualizaciones de información

• Podrá crear un componente reutilizable basado y incluir en sus páginas web.

COMPETENCIAS, APTITUDES Y DESTREZAS QUE DEBE ADQUIRIR EL ALUMNO :

• Comunicar de forma efectiva un mensaje utilizando elementos visuales.

• Conocer las fases, selección de gráficos adecuados .

• Crear cuadros de mando.

• Construir componentes dejas para visualizaciones interactivas.

MÓDULO 10. MASTER CLASSES BUSINESS ANALYTICS

En este módulo se tratará de acercar al alumno a casos reales de varias empresas que utilizan el análisis de datos y Big Data como eje vertebrador de su toma de decisiones entrando de lleno en el campo conocido como Business Analytics.

OBJETIVOS:

OBJETIVOS GENERALES:

• Conocer mediante casos reales y prácticos de qué manera empresas tecnológicas e instituciones punteras están utilizando los datos para conocer mejor su negocio y realizar acciones basándose en dichos datos

OBJETIVOS ESPECÍFICOS:

• Descubrir como algunas empresas se están convirtiendo en auténticas “data driven companies”

• Conocer que perfiles reales de profesionales están trabajando en dichas empresas

• Hacerse eco de las dificultades para llegar a implantar completamente esta filosofía de actuación en las empresas

COMPETENCIAS, APTITUDES Y DESTREZAS QUE DEBE ADQUIRIR EL ALUMNO :

• Descubrir el valor del dato a partir de testimonios reales

• Impregnarse con la experiencia de verdaderos profesionales de los datos

• Tomar conciencia ética del uso que podemos/debemos hacer de los datos de los usuarios/clientes

MÓDULO 11. PROYECTO FIN DE MÁSTER

A lo largo de este módulo, el estudiante llevará a cabo la realización, presentación (tanto en la modalidad on-line ) y defensa de un Proyecto fin de Máster en el que, de una forma guiada, deberá aplicar los conocimientos adquiridos a lo largo de los módulos del máster y demostrar que ha adquirido las competencias y destrezas necesarias para trabajar en el ámbito de entornos Big Data. El trabajo se revisará “a pares”, tanto por un tutor como por un compañero. De esta forma, los estudiantes conocerán, de primera mano, dos ámbitos de estudio, el suyo propio y el de un compañero, duplicando el impacto pedagógico de la realización de este proyecto

OBJETIVOS:

OBJETIVOS GENERALES:

• Aplicar los conocimientos adquiridos a través de los módulos estudiados al o largo del Máster.

OBJETIVOS ESPECÍFICOS:

• Seleccionar la temática o campo de aplicación sobre el que se va realizar el proyecto.

• Realizar un estudio previo a la implementación del proyecto.

• Desarrollar un proyecto de Big Data siguiendo las indicaciones del mentor.

• Realizar una presentación ejecutiva del proyecto

COMPETENCIAS, APTITUDES Y DESTREZAS QUE DEBE ADQUIRIR EL ALUMNO:

• Ser capaz de articular, de forma completa, un proyecto de Big Data.

• Ejecutar, de forma eficiente, dicho proyecto.

• Comunicar de forma clara y expositiva, el trabajo realizado

7. Modalidad

MODALIDAD E-LEARNING A través del estudio de los contenidos multimedia e interactivos de los distintos módulos, la participación en dinámicas colaborativas, la realización de tareas y la elaboración del proyecto final, los estudiantes contarán con una experiencia de formación inmersiva. A través del aula virtual, los participantes, podrán:

• Consultar y descargar los materiales de estudio.

• Visualizar los contenidos audiovisuales en la sección multimedia.

• Realizar los cuestionarios de evaluación continua.

• Consultar y enviar las tareas propuestas en cada uno de los módulos.

•Espacio de Acceso, seguimiento, entrega y retroalimentación del Proyecto Fin de Máster.

• Participar en las actividades colaborativas propuestas, tanto de tipo abierto como de tipo pedagógico.

• Acceder a las herramientas de tutorización, tanto síncronas como asíncronas.

• Consultar su libro de calificaciones y sus informes de seguimiento

. • Biblioteca especializada de materiales complementarios.

8. Metodología

La metodología de impartición de los distintos módulos del Máster se sustenta sobre la base al “Learning by doing”, combinando la exposición y estudio de contenidos teóricos, enfocada a la realización de tareas prácticas del mundo real, en este caso, trabajando, de primera mano, todos aquellos aspectos esenciales del mundo del Big Data estudiados a lo largo de los distintos módulos del Máster. A lo largo de la impartición, tanto por medio de los tutores como de la Dirección Académica, se fomentan la interacción, la participación y la colaboración de los estudiantes, tanto con el equipo docente como con sus propios compañeros, favoreciendo un planteamiento socio constructivas del aprendizaje. Una vez completado el Máster, todos los participantes serán capaces de desenvolverse con soltura y profesionalidad en las distintas áreas del Universo Big Data .