Máster online
Emagister S.L. (responsable) tratará tus datos personales con la finalidad de gestionar el envío de solicitudes de información y comunicaciones promocionales de formación con tu consentimiento. Ejerce tus derechos de acceso, supresión, rectificación, limitación, portabilidad y otros, según se indica en nuestra política de privacidad.
Objetivos
o El objetivo general del Master of Science in Big Data Analytics, M.Sc., es formar profesionales investigadores capaces de crear tesis originales y de calidad, que sean aportes inéditos a la academia y permitan al egresado alcanzar los niveles de análisis y reflexión en su especialización atendiendo las necesidades y dinámicas de la sociedad actual. o El objetivo específico del Master of Science in Big Data Analytics, M.Sc., comprender los fundamentos matemáticos/estadísticos que soportan los algoritmos para el tratamiento y el análisis masivo de datos y ser capaz de programarlos de manera óptima.
A quién va dirigido
Master of Science in Big Data Analytics, M.Sc., está orientado a un amplio grupo de perfiles profesionales como pueden ser: Licenciados (B.Sc.) o Graduados en Ingeniería Informática, Ingeniería de Telecomunicación, Estadística, Matemáticas, Física e Ingeniería Industrial. El programa de Maestría está diseñado para adultos que trabajan y que ya obtuvieron el título de licenciatura y que cuentan con suficiente experiencia profesional. Puede ser terminado en 24 meses o antes dependiendo de los créditos obtenidos y de la motivación del estudiante. En este programa también se evalúa la experiencia profesional y académica del estudiante para obtener créditos.
Requisitos
Las acciones formativas están diseñadas para propiciar el fomento de las habilidades, conocimientos y experiencias relevantes para el desarrollo profesional dentro del ámbito de la temática del Master of Science in Big Data Analytics, M.Sc.
Temario completo de este curso
Unidad didáctica 0. Big Data Analytics
Unidad didáctica I. Análisis de grandes datos
Unidad didáctica II. Algoritmos, paralelización y big data
Unidad didáctica III.Aprendizaje automático
Unidad didáctica IV. Tipología y arquitectura
Unidad didáctica V. Arquitectura de un sistema big data
Unidad didáctica VI. Procesamiento distribuido
Unidad didáctica VII. Procesamiento por lotes
Unidad didáctica VIII. Procesamiento en flujo
Unidad didáctica IX. Procesamiento de grafos
Unidad didáctica X. Proyecto final.