Màster en Big Data Solutions

Programa

1. Data-Driven Business
1.1. Data Analytics in Business Real Situations
1.2. Big Data Project Management
1.3. Data Governance
1.4. Self-BI management: empowering the business user
1.5. Evidence based management.

2. Data Science Foundations

2.1. Practical Data Manipulation
2.2. Probability and Statistics
2.3. Basic Data Analysis
2.4. Data Cleaning
2.5. Exploratory Data Analysis

3. Classical Data Analysis

3.1. Regression
3.2. Classification

4. Innovation & Creative Technology
4.1. Challenges of the current Business World
4.2. Innovation Leadership skills and competencies
4.3. The discovery framework
4.4. The ideation framework

5. Infrastructure
5.1. Sistemes d’arxius distribuïts: Hadoop (HDFLS)
5.2. Bases de dades no relacionals: MongoDB, Casandra, CouchDB i HBase.
5.3. Disseny i avaluació d’infrastructures: Hadoop ecosystem i Spark ecosystem.
5.4. Infraestructures escalables: cloud computing versus sistema propietari
5.5. Gestió d’infraestructures d’emmagatzematge i processat: arquitectures de processament de dades. Exemple: Arquitectura Lamba

6. Advanced Data Analysis
6.1. Basket analysis
6.2. Social networks
6.3. Geospatial analysis

7. Big Data Legal & Security
7.1. Introducció a la ciberseguretat
7.2. Signatures digitals
7.3. Seguretat en núvol i xarxa
7.4. Protegir aplicacions de xarxa
7.5. Seguretat de la capa de transport
7.6. Seguretat web
7.7. Serveis de privadesa i criptografia. Aspectes legals a considerar en projectes Big Data
7.8. Aspectes legals a tenir en compte en projectes de Big Data

8. Data Visualization
8.1. Disseny i desenvolupament d'APIs per a l'explotació de dades
8.2. Disseny d'interfícies d’usuari amb eines BI: Tableau, Qlickview, etc.
8.3. Mapes i infografies
8.4. Conceptes de cognició humana

9. Entrepreneurship
9.1. La mentalitat empresarial, introducció a la proposta de valor
9.2. Introducció al business model canvas i 9 models d'ingressos
9.3. Validació de mercat i mètriques
9.4. Ecosistema emprenedor. Etapes de la vida d'inici
9.5. Com tractar amb inversors
9.6. Pla d'empresa per startups: estratègia financera
9.7. Estratègies de creixement

10. Real-time data analysis
Streaming and distributed algorithms
10.1.1. Streaming algorithms
10.1.2. The streaming paradigm
10.1.3. Application: detecting events/outliers
10.1.4. Algorithms for clustering on a data stream
10.1.5. Application: online clustering of an example dataset
10.1.6. Distributed algorithms with emphasis in map-reduce
10.1.7. Types of distributed algorithms
10.1.8. The map-reduce paradigma
10.1.9. Example algorithms in map-reduce
10.1.10. Streaming operations in Spark

11. Agile
11.1. Gestió Agile vs Gestió Tradicional
11.2. Scrum
11.3. Kanban
11.4. Visibilitat i transparència

12. Artificial Intelligence
12.1. Intel·ligència artificial
12.2. Neural networks basics
12.3. Restricted Boltzmann machines (single hidden layer)
12.4. Methods for training neural networks
12.5. Application: text classification
12.6. Application: image classification
12.7. Deep learning application: convolutional neural networks for image classification

13. Final Project
13.1. Executive summary
13.2. Big Data Business Case
13.3. Proof of Concept
13.4. Road Map

14. Treball de Fi de Màster

Presentació
Objectius
Destinataris
Quadre docent