¿Qué quieres aprender?

MASTER EN BIG DATA (Universidad UDIMA + IOE)

MASTER EN BIG DATA (Universidad UDIMA + IOE)

Grupo IOE

Máster online


2.650
+ IVA

Duración : 12 Meses

Actualmente uno de los recursos más valiosos que existen en el mundo es la información. Las empresas a nivel mundial invierten mucho dinero en contar con información fiable la cual es necesaria para la toma de importantes decisiones. Contar con los conocimientos para recabar esta información te abre las puertas al mercado laboral. GRUPO IOE junto a Lectiva.com tienen para ofrecerte, este Master en Big Data que te dara las herramientas que necesitas para tu desarrollo profesional.

El principal objetivo de esta Maestría es que el alumno aprenda los conceptos de las principales diferencias del Big Data frente al Business Intelligence. Así como los beneficios de los mecanismos inteligentes sobre los tradicionales, conocer en profundidad el proceso de este tipo de sistemas, la utilidad diferencial en cada uno de los sectores que conforman el mercado.

Gracias a la metodología online, cuentas con la facilidad de realizar la formación desde la comodidad de tu hogar y establecer de esta manera tu propio régimen de estudio, tendrás una carga horaria de 600 horas con una extensión de 12 meses, contaras con tutoría personalizada para evacuar tus dudas, además de al finalizar la capacitación acceder a una pasantía para desarrollar las practica.

¿Quieres hablar con un asesor sobre este curso?

Objetivos

Comprender las oportunidades del Big Data a través de entender su entorno y la gestión de información. Aprender los conceptos técnicos, conocer a fondo la arquitectura y herramientas necesarias para su utilización. Conocer las tecnologías utilizadas como MapReduce y Hadoop. Aprenda a analizar de forma óptima los grandes volúmenes de datos. Estudiar los lenguajes y paradigmas de programación y entornos virtuales. Ver los sistemas de protección de redes y el impacto de las tecnologías Big Data en la protección de datos. Profundizar los diferentes tipos, características y fundamentos de las distintas bases de datos. Aprender a gestionar y tratar los datos con MongoDB, desde sus arquitecturas hasta sus diferentes soluciones. Aplicar métodos estadísticos para incorporarlos al Big Data. Aprender a clasificar la información de forma adecuada. Utilizar diferentes tipos de lenguajes, como lenguaje Python, Milk o los paquetes de lenguaje R. Estudiar los diferentes tipos de aplicación del Big Data en diferentes sectores y el beneficio que conlleva para cada uno de ellos. Aprender a emprender un proyecto Big Data y ejemplos prácticos que pueden ayudar a aplicar el suyo propio. Conocer las técnicas de Inteligencia Artificial (Machine Learning) y como implementarla para aplicarlas a los sistemas Big Data. Ver diferentes casos de éxito de empresas que ya trabajan con sistemas Big Data y sus diferentes beneficios en los resultados.

Temario completo de este curso

Plan de Estudios

Asignatura 1. Introducción al Big Data.

  • ¿Qué es el Big Data? .
  • Conceptos y oportunidades del Big Data.
  • Gestión de la información en entornos Big Data.
  • Sectores para la aplicación del Big Data.

Asignatura 2. Entendiendo Big Data: estructura, técnica y aplicación.

  • Contexto, aplicación y funcionamiento del Big Data.
  • Arquitectura y herramientas utilizadas en el Big Data.
  • Creación y desarrollo de aplicaciones útiles.
  • Tecnologías utilizadas. Mapreduce, Hadoop.
  • Diseño de experimentos con visualizaciones.
  • Otras herramientas útiles.
  • Ejemplos de aplicación exitosa con Big Data.
  • Analítica y optimización de resultados.

Asignatura 3. Métodos estadísticos y Data Science.

  • Clasificación de información adecuada.
  • Estadística aplicada al Big Data.
  • Lenguaje Python y Lenguaje Milk.
  • Paquetes con lenguaje R.
  • Comparativas de paquetes de datos.
  • Data Science.
  • Posición del Data Scientist.
  • Tipos de organización. Orientación al dato.
  • Estructura de un proyecto de Big Data.

Asignatura 4. Modelamiento de datos y diseño de base de datos.

  • Métodos de captura y almacenamiento de información. Tipos de bases de datos.
  • Bases de datos relacionales y orientadas a objetos.
  • Bases de datos y Big Data. NOSQL.
  • Big Data con MONGODB. Tratamiento de datos en MONGODB.
  • Gestión de MONGODB. Arquitectura de una solución MONGODB.

Asignatura 5. Data Warehouse y gestión documental.

  • Conceptos y características esenciales de un proceso de software
  • Paradigmas, proyectos y procesos del software.
  • De los datos a la información. Fundamentos del data Warehousing.
  • Data Warehouse: herramientas de verificación y técnicas de descubrimiento de información.
  • Acceso y recuperación de la información textual y gestión de documentos.

Asignatura 6. Virtualización y Cloud Computing

  • Introducción a la Virtualización.
  • Componentes (Microsoft Hyper-V, infraestructura con VMWARE).
  • Virtualización de escritorio.
  • Gestión de un Datacenter.
  • vCenter.
  • Introducción al Cloud Computing.
  • Cloud Computing aplicado a la gestión empresarial.
  • vSphere.
  • Virtualización de servidores en la nube.
  • Virtualización de aplicaciones.

Asignatura 7. Big Data para diferentes sectores.

  • Medios de comunicación y marketing.
  • Deportes, cultura y espectáculos.
  • Hostelería, turismo y restauración.
  • Banca digital, derecho y RR.HH.

Asignatura 8. Emprender su proyecto en Big Data.

  • Introducción del proyecto
  • Objetivos de la investigación y teoría
  • Metodología
  • Resultados y conclusiones

Asignatura 9. Entornos virtuales de trabajo colaborativo y lenguajes y paradigmas de programación.

  • Conceptos para el trabajo compartido en entornos virtuales.
  • Tecnologías para el trabajo compartido en entornos virtuales.
  • Lenguajes de programación.
  • Programación funcional.
  • Programación imperativa y orientada a objetos.

Asignatura 10. Técnicas y herramientas de protección de redes.

  • Protección en nivel de red.
  • Ataques a redes e intrusiones.
  • Protección de sistemas.
  • Servidores Big Data.
  • Impacto de las tecnologías Big Data en protección de datos.

Asignatura 11. Técnicas de inteligencia artificial.

  • Inteligencia artificial, aprendizaje autonómico y minería de datos.
  • Búsqueda de inteligencia artificial.
  • Sistemas expertos basados en reglas.
  • Incertidumbre e imprecisión en sistemas expertos basados en reglas.
  • Árboles para la toma de decisiones.
  • Algoritmos de aprendizaje de reglas.
  • Clasificación no supervisada.
  • Sistemas recomendadores.
  • Sistemas neuronales.
  • Algoritmos genéticos.
  • Casos de estudio.

Asignatura 12. Trabajo fin de máster.

Ver más