Programa del Máster en Business Intelligence y Big Data de EOI

RECIBE OFERTAS ESPECIALES DE UNIVERSIDADES COLABORADORAS

Programa del Máster en Business Intelligence y Big Data de EOI:

FUNDAMENTOS DE BI, BA Y BIG DATA

• Definición, componentes y tipología de sistemas de inteligencia de negocio.
• Contextualización y diseño de sistemas de inteligencia de negocio.
• Diseño de informes, cuadros de mando e indicadores.
• Fuentes y calidad de los datos.
• El business case de una iniciativa de inteligencia de negocio.

ESTRATEGIA Y GESTIÓN BASADA EN DATOS

• Fundamentos de la dirección estratégica. La información como base del análisis estratégico.
• Análisis del entorno competitivo, sectorial y particular para toma de decisiones.
• La inteligencia competitiva.
• Definición de la estrategia: diseño y simulación de estrategias alternativas.
• Implantación y seguimiento de la estrategia. Definición de indicadores clave (KPI’s).

HERRAMIENTAS I

• Herramientas auxiliares: instalación y gestión de máquinas virtuales con VirtualBox, Amazon.
• WorkSpaces y uso de la línea de comandos en un entorno Linux.
• El lenguaje de programación Python.
• El entorno Jupyter Notebook.
• Librerías para el análisis de datos: Numpy, Pandas y Matplotlib.
• Introducción a las bases de datos relacionales: nociones básicas del modelo relacional.
• SQL Introducción.
• Introducción a XML y JSON como formatos de datos usando Python.

FUNDAMENTOS DE IN

• DW: qué es y conceptos básicos.
• Arquitecturas de referencia y diseño: data marts y data warehousing.
• Multidimensionalidad y su tipología. OLAP/MOLAP/ROLAP.
• Esquema de bases de datos: desnormalización y multidimensionalidad.
• Diseño de data warehouses. Elementos hardware y software.
• Herramientas de extracción, transformación y carga – ETL.
  Lenguaje de consulta analítico: MDX vs. SQL.
• Manipulación, análisis y visualización de datos: visor OLAP y funciones básicas.

MEDICIÓN DE NEGOCIO Y VISUALIZACIÓN

• Introducción a la analítica de negocio.
• Medición del negocio.
• Visualización de datos.

INTRODUCCIÓN AL APRENDIZAJE AUTOMÁTICO Y MINERÍA DE DATOS

• Aprendizaje supervisado y no supervisado.
• Clustering y clasificación. Técnicas y medidas de calidad.
• Herramientas de aprendizaje automático, visualización.
• El ciclo de la minería de datos.

ANÁLISIS DE REDES SOCIALES

• Fundamentos para el estudio, medida e investigación de redes sociales.
• Tratamiento, visualización y análisis de grandes redes.
• Herramientas de visualización de redes sociales.
• Tecnologías para el análisis y acceso a datos en la web de los datos.

TECNOLOGÍAS DE ALMACENAMIENTO ESCALABLE

• Introducción a las bases de datos NoSQL: origen, evolución y contexto histórico.
• Persistencia políglota: escoger el modelo de datos más adecuado para cada problema.
• Modelos de agregación: características, tipos, consideraciones de diseño y casos de uso.
• Modelos en grafo: características, consideraciones de diseño y casos de uso.
• Sistemas distribuidos: definición, tipos, estrategias de distribución y consistencia de datos.
• (ACID vs BASE).
  Ejercicios y ejemplos usando bases de datos NoSQL: MongoDB y Neo4J.

MINERÍA DE TEXTO Y ENLACES EN LA WEB

• Fundamentos teóricos, técnicas y aplicaciones prácticas del PLN.
• Librerías y herramientas de NLP (NLTK, Brad, Gate).
• Soluciones NLP (Análisis de Sentimiento, Text Mining de datos web, Asistente Virtual).

METODOLOGÍA DE PROYECTOS

• Ideas de modelos de negocio.
• Formación de grupos de trabajo y asignación tutores para proyecto fin de máster.

PARALELIZACIÓN DE DATOS

• Procesamiento paralelo y ecosistema Hadoop.
• Procesamiento paralelo bajo arquitectura Hadoop. MapReduce.
• Mecanismos de explotación de la información en entornos distribuidos.
• Hadoop.

ADQUISICIÓN DE DATOS EN TIEMPO REAL

• Introducción y conceptos básicos.
• Arquitectura general de un proyecto IoT.
• Plataformas IoT y Big Data.
• Ejemplos y casos de uso.

HERRAMIENTAS II

• Introducción al lenguaje de programación R:
  El entorno RStudio.
• Introducción al lenguaje R y su aplicación a la estadística.

ESTUDIO DE CASOS

• Analítica Financiera.
• Análisis de Clientes.
• Analítica de Marketing.
• Análisis de Datos Abiertos.
• Analítica de Operaciones

• Volver al Listado de Másteres de Big Data