¿Qué quieres aprender?

Máster Universitario en Gestión y Análisis de Grandes Volúmenes de Datos: ...

Máster Universitario en Gestión y Análisis de Grandes Volúmenes de Datos: Big Data

Universidad Europea Miguel de Cervantes UEMC

Máster a distancia


5.100

Duración : 2 Semestres

¿Quieres hablar con un asesor sobre este curso?

Objetivos

Uno de los principales objetivos es que los alumnos adquieran una visión multidisplicinar del rol del científico de datos; que domine técnicas avanzadas de estadística, de programación, informática y conocimiento de arquitectura de datos.

A quién va dirigido

Este Máster va dirigido a personas que quieran desarrollarse profesionalmente como Científicos de Datos y que posean una carrera universitaria en Ingeniería de Telecomunicaciones, Ingeniería Informática, Ingeniería de la Organización Industrial o Estadística.

Requisitos

Acceso directo para los titulados en: - Ingeniería Informática - Ingeniería en Telecomunicaciones - Ingeniería Industrial - Ingeniería Electrónica - Graduado/Licenciado en Física - Graduado/Licenciado en Estadística - Graduado/Licenciado en Matemáticas Podrán acceder otros titulados universitarios si acreditan formación o experiencia en Desarrollo de software, Manejo de sistemas de gestión de datos, Trabajo con sistemas informáticos.

Temario completo de este curso

  • FUNDAMENTOS BÁSICOS EN EL ANÁLISIS DE DATOS
    • Introducción: Introducción a la ciencia de datos y al aprendizaje automático.
    • Aprendizaje supervisado y no supervisado.
    • La función de costes.
    • Problemas de clasificación: Descripción de los modelos de clasificación.
    • Evaluación de modelos: Herramientas de evaluación y valoración de modelos.
    • Problemas de gran tamaño.
  • TÉCNICAS DE ANÁLISIS DE DATOS
    • Combinatoria.
    • Probabilidad.
    • Variable aleatoria discreta.
    • Variable aleatoria continua.
    • Estadística descriptiva.
    • Muestreo e inferencia estadística.
    • Contraste de hipótesis.
  • TÉCNICAS AVANZADAS DE ANÁLISIS DE DATOS
    • Fundamentos de Machine Learning.
    • Regularización.
    • Selección de características.
    • Extracción de características.
    • Árboles de clasificación y regresión.
    • Métodos de ensembles.
    • Máquinas de vectores soporte.
    • Métodos kernel.
  • TÉCNICAS DE PROGRAMACIÓN
    • Introducción a los lenguajes de programación aplicados al análisis de datos
    • Métodos de almacenamiento y toma adquisición de datos
    • Procesamiento de datos
    • Python para análisis de datos
    • R para análisis de datos
  • TECNOLOGÍAS DE ALMACENAMIENTO DE DATOS
    • Introducción a la tecnología de almacenamiento de datos.
    • MongoDB.
    • Apache Cassandra.
    • Apache Hadoop.
    • Apache Spark: Fundamentos y Spark SQL.
    • Apache Spark: SparkStreaming
  • TECNICAS DE DESARROLLO AVANZADO DE APLICACIONES BIG DATA
    • Flujo de datos.
    • Web scraping.
    • Exploración y limpieza de datos.
    • Redes neuronales.
    • Redes neuronales convolucionales.
    • Redes neuronales avanzadas.
    • Desarrollo de herramientas de análisis de datos.
  • EXPLORACIÓN, VISUALIZACIÓN Y COMUNICACIÓN DE DATOS
    • Herramientas de visualización de datos
    • Generación de informes
    • Diseño y programación de cuadros de mando
  • PLATAFORMAS AVANZADAS DE DESARROLLO
    • Introducción a la computación en la nube. Azure.
    • Almacenamiento de datos. Data Lake.
    • Azure Machine Learning Studio.
    • Servicios cognitivos de Azure.
    • Integración de datos. Data Factory.
    • Procesamiento de datos. Databricks.
    • MLOps.
  • GESTIÓN DE PROYECTOS
    • Introducción a la gestión de proyectos
    • Fases genéricas de un proyecto
    • Planificación y programación de proyectos
    • Formulación y solución del problema
    • Definición de la misión, los objetivos y alcance del proyecto
    • Estimación del tiempo del proyecto
    • Estimación y programación de recursos materiales y humanos
    • Estimación de costos del proyecto
    • Planificación de las adquisiciones
    • Cuaderno de notas, Seguimiento y Control del proyecto
    • Gestión de la Calidad del proyecto
  • TRABAJO FIN DE MÁSTER
Ver más