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
- Entender la complejidad técnica y científica del uso de la información. - Aprender a diferenciar los conceptos de Big Data, Bussiness Intelligence (BI) y el ámbito del Analytics donde a todo se le llama "Big Data". - Identificar estrategias y oportunidades de negocio. - Conocer la tecnología necesaria para la obtención de datos y que hacer con ellos. - Diferenciar los perfiles de los profesionales adecuados según las necesidades de cada organización. - Conocer las herramientas que actualmente disponemos en el mercado y cual utilizar en cada caso. - Gestionar técnicamente proyectos y equipos de trabajo de BI/Big Data.
A quién va dirigido
Formar profesionales que combinen capacidad de análisis y conocimiento práctico en este ámbito. Adquirir habilidades de dirección y liderazgo. Capacitar al estudiante para desarrollar los procesos requeridos en cada escenario, con un alto grado de eficiencia y calidad. Así como promover la autocrítica y la capacidad de analizar distintas situaciones con el propósito de diseñar estrategias de mejora continua.
Temario completo de este curso
1. INTRODUCCIÓN AL BIG DATA
Unidad 1: Los datos en las empresas
Unidad 2: Del Business Intelligence al Big Data
Unidad 3: Arquitecturas tecnológicas Big Data
Unidad 4: Big Data Analytics
2. TABLEAU
1. Introducción
2. Primeros pasos
3. Análisis visual
4. Cálculos
5. Series de tiempo
6. Mapas
7. Combinación de fuentes
8. Técnicas de visualización
9. Cuadros de mando
10. Depuración y normalización de datos
3. BASES DE DATOS RELACIONALES: SQL. DATAWAREHOUSE
Unidad 1: Primeros pasos en SQL
Unidad 2: Comandos SQL
Unidad 3: Funciones SQL
Unidad 4: Diseño de un Datawarehouse
4. PYTHON Y R
Unidad 1: Tratamiento de datos en Python
Unidad 2: Estructuras y funciones en Python. Programación orientada a objetos
Unidad 3: Tratamientos de datos R
Unidad 4: Estructuras avanzadas en R
5. BASES DE DATOS NOSQL Y HDFS
Unidad 1: Introducción BBDD NOSQL
Unidad 2: Modelos de datos NOSQL
Unidad 3: BBDD distribuidas
Unidad 4: Ejemplos de BBDD NOSQL
6. ARQUITECTURAS BIG DATA: HADOOP Y SPARK
Unidad 1: Big Data
Unidad 2: Ecosistema HADOOP 3.X
Unidad 3: Proceso masivo de datos con SPARK
Unidad 4: Ecosistema SPARK 2.X
7. DATA MINING, MACHINE LEARNING Y DEEP LEARNING
Unidad 1: Aprendizaje supervisado (I)
Unidad 2: Aprendizaje supervisado (II)
Unidad 3: Aprendizaje no supervisado
Unidad 4: Deep Learning
8. DATA MANAGEMENT
Unidad 1: Data Management
Unidad 2: Planificación y diseño
Unidad 3: Mantenimiento y uso de datos
Unidad 4: Gestión holística de los datos
9. PREPARACIÓN DE DATOS DE AUTOSERVICIO. EXCEL, TALEND Y TRIFACTA
Unidad 1: Preparación de datos
Unidad 2: Excel
Unidad 3: Talend Data Preparation
Unidad 4: Trifacta Wrangler
TRABAJO FIN DE MÁSTER
El programa está sujeto a posibles variaciones/actualizaciones de los contenidos para mejorar la calidad de los mismos.