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.
Temario completo de este curso
PARTE 1. INTRODUCCIÓN AL BIG DATA Y BUSINESS INTELLIGENCE
INTRODUCCIÓN
MÓDULO 1. BASES DE DATOS
UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LAS BASES DE DATOS
UNIDAD DIDÁCTICA 2. APROXIMACIÓN AL MODELO RELACIONAL
1. Teoría de conjuntos
2. Lógica de predicados
UNIDAD DIDÁCTICA 3. ELEMENTOS DE UN SISTEMA DE BASES DE
DATOS RELACIONALES
1. Tablas o relaciones
2. Atributos
3. Tuplas
4. Claves primarias y foráneas
UNIDAD DIDÁCTICA 4. NORMALIZACIÓN EN BASES DE DATOS
RELACIONALES
1. Primera forma normal
2. Segunda forma normal
3. Tercera forma normal
4. Cuarta forma normal
5. Quinta forma normal
Certificación obtenida
MÁSTER EN BIG DATA Y BUSINESS INTELLIGENCE
Una vez finalizados los estudios y superadas las pruebas de evaluación, el alumno
recibirá un diploma que certifica el “MÁSTER EN BIG DATA Y BUSINESS
INTELLIGENCE”, de FINTECH BUSINESS & MEDICAL SCHOOL, avalada por nuestra
condición de socios de la CECAP y AEEN, máximas instituciones españolas en
formación y de calidad.
Los diplomas, además, llevan el sello de Notario Europeo, que da fe de la validez de los
contenidos y autenticidad del título a nivel nacional e internacional.
El alumno tiene la opción de solicitar junto a su diploma un Carné Acreditativo de la
formación firmado y sellado por la escuela, válido para demostrar los contenidos
adquiridos.
Contenido formativo
UNIDAD DIDÁCTICA 5. OPERACIONES BÁSICAS EN BASES DE DATOS
RELACIONALES
1. Selección
2. Proyección
3. Unión
4. Diferencia
5. Producto cartesiano
6. Junta
UNIDAD DIDÁCTICA 6. LENGUAJES DE CONSULTA
1. SQL como lenguaje de consulta estructurado
2. DDL, DML y DCL en SQL
3. Consultas básicas en SQL
UNIDAD DIDÁCTICA 7. DESARROLLO DE TRANSACCIONES
1. Control de concurrencia y mecanismos de recuperación
UNIDAD DIDÁCTICA 8. ELEMENTOS DE SEGURIDAD
1. Autenticación y autorización
2. Cifrado de datos
3. Rastreo y registro de actividad
RESUMEN
AUTOEVALUACIÓN
MÓDULO 2. PROGRAMACIÓN ENFOCADA A OBJETOS
UNIDAD DIDÁCTICA 1. NOCIONES ESENCIALES DEL LENGUAJE PYTHON
1. Sintaxis y formato de Python
2. Variables y tipos de datos
3. Operadores aritméticos
4. Operadores de comparación
5. Operadores lógicos
6. Comentarios y documentación en el código
UNIDAD DIDÁCTICA 2. ESTRUCTURAS DE CONTROL EN PYTHON
1. Condicionales: if, elif, else
2. Bucles: for, while
3. Excepciones: try, except, finally
UNIDAD DIDÁCTICA 3. FUNCIONES EN PYTHON
1. Llamado de funciones
2. Parámetros y argumentos
3. Funciones anónimas (lambda)
UNIDAD DIDÁCTICA 4. MÓDULOS Y PAQUETES
1. Importación de módulos
2. Creación de paquetes
UNIDAD DIDÁCTICA 5. MANEJO DE ARCHIVOS
1. Apertura, lectura y escritura de archivos
2. Manejo de archivos JSON, CSV y TXT
UNIDAD DIDÁCTICA 6. BIBLIOTECAS ESENCIALES
UNIDAD DIDÁCTICA 7. PROGRAMACIÓN ENFOCADA A OBJETOS EN
PYTHON
1. Clases y objetos
2. Herencia y polimorfismo
3. Encapsulamiento
RESUMEN
AUTOEVALUACIÓN
MÓDULO 3. BASES DEL RAZONAMIENTO ESTADÍSTICO
UNIDAD DIDÁCTICA 1. APROXIMACIÓN CONCEPTUAL
1. Probabilidad
2. Experimentos aleatorios
• Espacio muestral
UNIDAD DIDÁCTICA 2. EVENTOS
1. Tipos de eventos
• Eventos simples
• Eventos compuestos
• Eventos independientes
• Eventos mutuamente exclusivos
UNIDAD DIDÁCTICA 3. ESPACIOS DE PROBABILIDAD
1. Propiedades
2. Construcción de un espacio de probabilidad
UNIDAD DIDÁCTICA 4. AXIOMAS DE PROBABILIDAD
1. Axioma de Kolmogorov
2. Propiedades y teoremas a partir de los axiomas de probabilidad
UNIDAD DIDÁCTICA 5. PROBABILIDAD CONDICIONAL E INDEPENDENCIA
1. Regla del producto y teorema de Bayes
UNIDAD DIDÁCTICA 6. VARIABLES ALEATORIAS
1. Funciones de distribución
• Función de distribución acumulativa
• Función de densidad
• Función de masa
UNIDAD DIDÁCTICA 7. ESPERANZA Y VARIANZA
1. Esperanza matemática
2. Varianza y desviación estándar
UNIDAD DIDÁCTICA 8. DISTRIBUCIONES DE PROBABILIDAD
1. Distribuciones discretas
• Distribución binominal
• Distribución de Poisson
• Distribución geométrica
2. Distribuciones concretas
• Distribución normal
• Distribución exponencial
• Distribución uniforme
RESUMEN
AUTOEVALUACIÓN
MÓDULO 4. FUNDAMENTOS DEL BIG DATA (3)
UNIDAD DIDÁCTICA 1. CONCEPTO
1. Características
• Volumen de datos
• Variedad de datos
• Velocidad de generación de datos
• Velocidad de procesamiento de datos
• Calidad de los datos
• Valor de los datos
2. Tipos de datos en big data
• Datos estructurados
• Datos no estructurados
• Datos semiestructurados
3. Herramientas de big data
• Almacenamiento y procesamiento distribuido
• Bases de datos NoSQL
• Herramientas de análisis y minería de datos
• Herramientas de visualización
• Casos de estudio y aplicaciones reales
UNIDAD DIDÁCTICA 2. PRINCIPALES FUENTES DE DATOS
1. Personas
2. Transacciones
3. Interacciones máquina a máquina
4. Marketing y web
5. Biometría
UNIDAD DIDÁCTICA 3. TRANSFORMACIÓN DE DATOS
UNIDAD DIDÁCTICA 4. ALMACENAMIENTO NoSQL
1. Almacenamiento key-value
2. Almacenamiento documental
3. Almacenamiento en grafo
4. Almacenamiento orientado a columnas
UNIDAD DIDÁCTICA 5. ANÁLISIS DE DATOS
1. Asociación de datos
2. Minería de datos
3. Agrupación de datos
4. Análisis de texto
UNIDAD DIDÁCTICA 6. VISUALIZACIÓN DE DATOS
RESUMEN
AUTOEVALUACIÓN
MÓDULO 5. ÁMBITOS DE APLICACIÓN DEL BIG DATA
UNIDAD DIDÁCTICA 1. ESQUEMA GENERAL
UNIDAD DIDÁCTICA 2. GOBERNANZA PÚBLICA
UNIDAD DIDÁCTICA 3. EMPRESAS
UNIDAD DIDÁCTICA 4. PERIODISMO DE DATOS
UNIDAD DIDÁCTICA 5. DEPORTES
UNIDAD DIDÁCTICA 6. SEGUROS DE SALUD
UNIDAD DIDÁCTICA 7. BANCA
UNIDAD DIDÁCTICA 8. MARKETING Y PUBLICIDAD
RESUMEN
AUTOEVALUACIÓN