MÓDULO 01. Modelos y aprendizaje estadísticos.

• Lenguaje R y tratamiento de datos.
• Análisis exploratorio de datos.
• Probabilidad e Inferencia estadística.
• Modelos lineales y aprendizaje estadístico.
• Regresión logística, modelos restringidos de ridge y lasso y gradiente descendiente.
• GLMS y series temporales.

MÓDULO 02: Aprendizaje automático aplicado.

• Introducción al aprendizaje automático.
• Modelos supervisados.
• Modelos no supervisados.
• Fundamentos de programación con Python.
• Compartir datos, código y recursos en repositorios.
• Fundamentos de tratamiento de datos con el stack científico de Python.
• Ingeniería de características y selección de mode.
• Reglas de asociación y market basket analysis.

MÓDULO 03: Aprendizaje profundo.

• Introducción al aprendizaje profundo.
• Modelos conexionistas.
• Redes neuronales multicapa.
• Redes neuronales convolucionales.
• Redes neuronales recurrentes.
• Redes neuronales adversarias.

MÓDULO 04: Minería de texto y procesamiento del lenguaje natural (PLN).

• Introducción histórica y tecnológica.
• Herramientas PNL I: NLTK.
• Herramientas de PLN II: Brat y Gate.
• Text mining I: clustering.
• Text mining II: sentimiento y temas.
• Otras aplicaciones y técnicas de PLN.

MÓDULO 05: Business Inteligence y visualización.

• Introducción al Business Inteligence.
• Fundamentos de bases de datos relacionales.
• Almacenes de datos y bases de datos analíticas.
• Metología Kimball.
• Herramientas de extracción, transformación y carga.
• Aplicaciones de Business Inteligence.
• Fundamentos de visualización de datos.
• Herramientas de visualización.

MÓDULO 06: Almacenamiento e integración de datos.

• Bases de datos no convencionales.
• Modelos de base de datos basados en documentos.
• Modelos de base de datos basados en columnas.
• Modelos de base de datos basados en grafos.
• Modelos de base de datos basados en clave-valor.
• Adquisición de datos.

MÓDULO 07: Infraestructura de Big Data

• Manejo de máquinas virtuales y terminal de comandos.
• Fundamentos de tecnologías de Internet.
• Procesamiento de datos con Hadoop.
• Herramientas Hadoop.
• Procesamiento de datos con Spark.
• Arquitecturas de streaming.
• Componentes de arquitecturas de streaming.

MÓDULO 08: Valor y contexto de la analítica big data

• El business case de Big Data.
• Proyectos de Big Data.
• Aplicaciones analíticas por sectores.
• Tecnologías emergentes en analítica.
• Gestión de equipos y métodos ágiles.
• Estándares de gestión de proyectos.
• Buenas prácticas en los procesos de Big Data.

MÓDULO 09: Aplicaciones analíticas y Seguridad de los Datos

• Caso de estudio de analítica escalable.
• Caso de estudio de analítica en redes sociales.
• Caso de estudio en Internet Of Things.
• Caso de estudio en analítica financiera (el rating de empresas).
• Caso de estudio en analítica de clientes: Location Analytics.
• Caso de estudio de técnicas de recuperación de información.
• Principios de seguridad de datos.
• Legislación en la seguridad de datos.
• Auditoría e informática forense.
• Fundamentos y técnicas de ciberseguridad.

MÓDULO 10. Desarrollo TFM