Máster en Big Data Engineer

Programa

1. Introducción a los sistemas distribuidos
1.1. Introducción a los sistemas distribuidos
1.2. Propiedades de los sistemas distribuidos
1.3. Técnicas para la implementación de los sistemas distribuidos
1.4. Tipologías de sistemas distribuidos (y ejemplos)

2. Herramientas de Big Data
2.1. Almacenamiento de grandes volúmenes de datos: sistemas de archivos distribuidos y NoSQL
2.2. Procesamiento escalable: Hadoop, MapReduce y Spark
2.3. Ingestión y transmisión de datos: sistemas de colas y Kafka
2.4. Herramientas de explotación de datos

3. Gestión de infraestructuras Big Data

3.1. Introducción a la gestión de clústeres
3.2. Tipos de infraestructuras
3.3. Gestión de recursos
3.4. Devops y el paradigma IaC
3.5. Herramientas para la gestión de clúster

4. El proceso de análisis de datos
4.1. El método analítico: descriptivo, predictivo y prescriptivo
4.2. Fuentes de información disponibles
4.3. Obtención, almacenaje y análisis de la información disponible
4.4. Preproceso de información para el análisis
4.5. Definición del proceso de muestreo

5. Fundamentos de estadística
5.1. Principios básicos de probabilidad
5.2. Estimadores univariables: recuento, media, mediana y desviación estándar
5.3. Estimadores bivariables: tablas de contingencia, correlación y regresión
5.4. Estimadores multivariables: segmentación, relación, reducción y previsión

6. Analítica avanzada
6.1. Analítica avanzada: computación sobre grafos
6.2. Analítica avanzada: computación sobre texto
6.3. Analítica avanzada: computación de series temporales
6.4. Introducción al machine learning
6.5. Métodos de aprendizaje automático supervisado
6.6. Métodos de aprendizaje automático no supervisado
6.7. Redes neuronales y deep learning
6.8. Implementación de modelos predictivos

7. Data Driven Approach
7.1. Introducción al data driven
7.2. La cultura como base de la toma de decisiones
7.3. El dato
7.4. La mesa ejecutiva orientada a los datos

8. Data Project Management
8.1. Gestión de los sistemas de información
8.2. Gestión de proyectos Big Data
8.3. Gobernanza de los datos
8.4. La metodología agile
8.5. Ética y leyes

9. Extracción de Insights
9.1. Introducción al business intelligence
9.2. Implementación de una estrategia business analytics en la organización
9.3. Traducción de necesidades de información en indicadores (KPIs)
9.4. Representación gráfica de información

10. Proyecto Final

Presentación
Objetivos
Destinatarios
Cuadro docente
Salidas profesionales
Descuentos y becas
Presentación del Máster