MÓDULO 1. AGILE PROJECT MANAGEMENT UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LAS METODOLOGÍAS ÁGILES Ingeniería de software, sus principios y objetivos Metodologías en Espiral, Iterativa y Ágiles Prácticas ágiles Métodos ágiles Evolución de las metodologías ágiles Metodologías ágiles frente a metodologías pesadas UNIDAD DIDÁCTICA 2. AGILE PROJECT THINKING Principios de las metodologías ágiles Agile Manifesto User History UNIDAD DIDÁCTICA 3. LA PLANIFICACIÓN ÁGIL: AGILE LEADERSHIP Y CREATIVIDAD La interacción como alternativa a la planificación lineal La comunicación y la motivación Características del liderazgo participativo Pensamiento disruptivo y desarrollo de la idea Prueba y error, learning by doing UNIDAD DIDÁCTICA 4. METODOLOGÍA EXTREME PROGRAMMING (XP) Definición y características de Extreme Programming Fases y reglas de XP La implementación y el diseño Los valores de XP Equipo y cliente de XP UNIDAD DIDÁCTICA 5. METODOLOGÍA SCRUM La teoría Scrum: framework El equipo Sprint Planning Cómo poner en marcha un Scrum UNIDAD DIDÁCTICA 6. DESARROLLO DEL MÉTODO KANBAN Introducción al método Kanban Consejos para poner en marcha kanban Equipo Business Model Canvas o lienzo del modelo de negocio Scrumban UNIDAD DIDÁCTICA 7. LEAN THINKING Introducción al Lean Thinking Lean Startup UNIDAD DIDÁCTICA 8. OTRAS METODOLOGÍAS ÁGILES Y TÉCNICAS ÁGILES Agile Inception Deck Design Thinking DevOps Dynamic Systems Development Method (DSDM) Crystal Methodologies Adaptative Software Development (ASD) Feature Driven Development (FDD) Agile Unified Process MÓDULO 2. BIG DATA INTRODUCTION UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL BIG DATA ¿Qué es Big Data? La era de las grandes cantidades de información. Historia del big data La importancia de almacenar y extraer información Big Data enfocado a los negocios Open Data Información pública IoT (Internet of Things-Internet de las cosas) UNIDAD DIDÁCTICA 2. FUENTES DE DATOS Definición y relevancia de la selección de las fuentes de datos Naturaleza de las fuentes de datos Big Data UNIDAD DIDÁCTICA 3. OPEN DATA Definición, Beneficios y Características Ejemplo de uso de Open Data UNIDAD DIDÁCTICA 4. FASES DE UN PROYECTO DE BIG DATA Diagnóstico inicial Diseño del proyecto Proceso de implementación Monitorización y control del proyecto Responsable y recursos disponibles Calendarización Alcance y valoración económica del proyecto UNIDAD DIDÁCTICA 5. BUSINESS INTELLIGENCE Y LA SOCIEDAD DE LA INFORMACIÓN Definiendo el concepto de Business Intelligence y sociedad de la información Arquitectura de una solución de Business Intelligence Business Intelligence en los departamentos de la empresa Conceptos de Plan Director, Plan Estratégico y Plan de Operativa Anual Sistemas operacionales y Procesos ETL en un sistema de BI Ventajas y Factores de Riesgos del Business Intelligence UNIDAD DIDÁCTICA 6. PRINCIPALES PRODUCTOS DE BUSINESS INTELLIGENCE Cuadros de Mando Integrales (CMI) Sistemas de Soporte a la Decisión (DSS) Sistemas de Información Ejecutiva (EIS) UNIDAD DIDÁCTICA 7. BIG DATA Y MARKETING Apoyo del Big Data en el proceso de toma de decisiones Toma de decisiones operativas Marketing estratégico y Big Data Nuevas tendencias en management UNIDAD DIDÁCTICA 8.DEL BIG DATA AL LINKED OPEN DATA Concepto de web semántica Linked Data Vs Big Data Lenguaje de consulta SPARQL UNIDAD DIDÁCTICA 9. INTERNET DE LAS COSAS Contexto Internet de las Cosas (IoT) ¿Qué es IoT? Elementos que componen el ecosistema IoT Arquitectura IoT Dispositivos y elementos empleados Ejemplos de uso Retos y líneas de trabajo futuras MÓDULO 3. DATA SCIENCE: ALMACENAMIENTO, ANÁLISIS Y PROCESAMIENTO DE DATOS UNIDAD DIDÁCTICA 1.INTRODUCCIÓN A LA CIENCIA DE DATOS ¿Qué es la ciencia de datos? Herramientas necesarias para el científico de datos Data Science & Cloud Computing Aspectos legales en Protección de Datos UNIDAD DIDÁCTICA 2. BASES DE DATOS RELACIONALES Introducción El modelo relacional Lenguaje de consulta SQL MySQL Una base de datos relacional UNIDAD DIDÁCTICA 3. BASES DE DATOS NOSQL Y EL ALMACENAMIENTO ESCALABLE ¿Qué es una base de datos NoSQL? Bases de datos Relaciones Vs Bases de datos NoSQL Tipo de Bases de datos NoSQL Teorema de CAP Sistemas de Bases de datos NoSQL UNIDAD DIDÁCTICA 4. INTRODUCCIÓN A UN SISTEMA DE BASES DE DATOS NOSQL: MONGODB ¿Qué es MongoDB? Funcionamiento y uso de MongoDB Primeros pasos con MongoDB: Instalación y shell de comandos Creando nuestra primera Base de Datos NoSQL: Modelo e Inserción de Datos Actualización de datos en MongoDB: Sentencias set y update Trabajando con índices en MongoDB para optimización de datos Consulta de datos en MongoDB UNIDAD DIDÁCTICA 5. WEKA Y DATA MINING ¿Qué es Weka? Técnicas de Data Mining en Weka Interfaces de Weka Selección de atributos UNIDAD DIDÁCTICA 6. PENTAHO Una aproximación a PENTAHO Soluciones que ofrece PENTAHO MongoDB & PENTAHO Hadoop & PENTAHO Weka & PENTAHO UNIDAD DIDÁCTICA 7. R COMO HERRAMIENTA PARA BIG DATA Introducción a R ¿Qué necesitas? Tipos de datos Estadística Descriptiva y Predictiva con R Integración de R en Hadoop UNIDAD DIDÁCTICA 8. PRE-PROCESAMIENTO & PROCESAMIENTO DE DATOS Obtención y limpieza de los datos (ETL) Inferencia estadística Modelos de regresión Pruebas de hipótesis UNIDAD DIDÁCTICA 9. ANÁLISIS DE LOS DATOS Inteligencia Analítica de negocios La teoría de grafos y el análisis de redes sociales Presentación de resultados MÓDULO 4. INTELIGENCIA ARTIFICIAL (IA), MACHINE LEARNING (ML) Y DEEP LEARNING (DL) UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL Introducción a la inteligencia artificial Historia La importancia de la IA UNIDAD DIDÁCTICA 2. TIPOS DE INTELIGENCIA ARTIFICIAL Tipos de inteligencia artificial SUBEPÍGRAFE - Tipo 1: basado en capacidades SUBEPÍGRAFE - Tipo 2: basado en la funcionalidad UNIDAD DIDÁCTICA 3. ALGORITMOS APLICADOS A LA INTELIGENCIA ARTIFICIAL Algoritmos aplicados a la inteligencia artificial SUBEPÍGRAFE - Aprendizaje supervisado SUBEPÍGRAFE - Aprendizaje sin supervisión SUBEPÍGRAFE - Lógica difusa SUBEPÍGRAFE - Búsqueda de rutas SUBEPÍGRAFE - Algoritmos genéticos SUBEPÍGRAFE - Optimización y mínimos UNIDAD DIDÁCTICA 4. RELACIÓN ENTRE INTELIGENCIA ARTIFICIAL Y BIG DATA Relación entre inteligencia artificial y big data IA y Big Data combinados El papel del Big Data en IA Tecnologías de IA que se están utilizando con Big Data UNIDAD DIDÁCTICA 5. SISTEMAS EXPERTOS Sistemas expertos Estructura de un sistema experto Inferencia: Tipos Fases de construcción de un sistema Rendimiento y mejoras Dominios de aplicación Creación de un sistema experto en C# Añadir incertidumbre y probabilidades UNIDAD DIDÁCTICA 6. FUTURO DE LA INTELIGENCIA ARTIFICIAL Futuro de la inteligencia artificial Impacto de la IA en la industria El impacto económico y social global de la IA y su futuro UNIDAD DIDÁCTICA 7. INTRODUCCIÓN AL MACHINE LEARNING Introducción Clasificación de algoritmos de aprendizaje automático Ejemplos de aprendizaje automático Diferencias entre el aprendizaje automático y el aprendizaje profundo Tipos de algoritmos de aprendizaje automático El futuro del aprendizaje automático UNIDAD DIDÁCTICA 8. EXTRACCIÓN DE ESTRUCTURA DE LOS DATOS: CLUSTERING Introducción Algoritmos UNIDAD DIDÁCTICA 9. SISTEMAS DE RECOMENDACIÓN Introducción Filtrado colaborativo Clusterización Sistemas de recomendación híbridos UNIDAD DIDÁCTICA 10. CLASIFICACIÓN Clasificadores Algoritmos SUBEPÍGRAFE - Máquinas de vectores soporte (Support Vector Machine - SVN) SUBEPÍGRAFE - Vecion más cercano: K-nearest Neighbour (KNN) SUBEPÍGRAFE - Árbol de decisión SUBEPÍGRAFE - Random Forest UNIDAD DIDÁCTICA 11. REDES NEURONALES Y DEEP LEARNING Componentes SUBEPÍGRAFE - Perceptrón SUBEPÍGRAFE - Redes feed-forward Aprendizaje SUBEPÍGRAFE - Otras redes UNIDAD DIDÁCTICA 12. SISTEMAS DE ELECCIÓN Introducción El proceso de paso de DSS a IDSS Casos de aplicación UNIDAD DIDÁCTICA 13. DEEP LEARNING CON PYTHON, KERAS Y TENSORFLOW Aprendizaje profundo Entorno de Deep Learning con Python Aprendizaje automático y profundo UNIDAD DIDÁCTICA 14. SISTEMAS NEURONALES Redes neuronales Redes profundas y redes poco profundas UNIDAD DIDÁCTICA 15. REDES DE UNA SOLA CAPA Perceptrón de una capa y multicapa Ejemplo de perceptrón UNIDAD DIDÁCTICA 16. REDES MULTICAPA Tipos de redes profundas Trabajar con TensorFlow y Python UNIDAD DIDÁCTICA 17. ESTRATEGIAS DE APRENDIZAJE Entrada y salida de datos Entrenar una red neuronal Gráficos computacionales Implementación de una red profunda El algoritmo de propagación directa Redes neuronales profundas multicapa MÓDULO 5. ANÁLISIS DE DATOS CON PYTHON UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL ANÁLISIS DE DATOS ¿Qué es el análisis de datos? UNIDAD DIDÁCTICA 2. LIBRERÍAS PARA EL ANÁLISIS DE DATOS: NUMPY, PANDAS Y MATPLOTLIB Análisis de datos con NumPy Pandas Matplotlib SUBEPÍGRAFE - La jerarquía de objetos de Matplotlib UNIDAD DIDÁCTICA 3. FILTRADO Y EXTRACCIÓN DE DATOS Cómo usar loc en Pandas Cómo eliminar una columna en Pandas UNIDAD DIDÁCTICA 4. PIVOT TABLES Pivot tables en pandas UNIDAD DIDÁCTICA 5. GROUPBY Y FUNCIONES DE AGREGACIÓN El grupo de pandas UNIDAD DIDÁCTICA 6. FUSIÓN DE DATAFRAMES Python Pandas fusionando marcos de datos UNIDAD DIDÁCTICA 7. VISUALIZACIÓN DE DATOS CON MATPLOTLIB Y CON SEABORN Matplotlib Seaborn UNIDAD DIDÁCTICA 8. INTRODUCCIÓN AL MACHINE LEARNING Aprendizaje automático UNIDAD DIDÁCTICA 9. REGRESIÓN LINEAL Y REGRESIÓN LOGÍSTICA Regresión lineal Regresión logística UNIDAD DIDÁCTICA 10. ÁRBOL DE DECISIONES Estructura de árbol UNIDAD DIDÁCTICA 11. NAIVE BAYES Algortimo de Naive bayes Tipos de Naive Bayes UNIDAD DIDÁCTICA 12. SUPPORT VECTOR MACHINES (SVM) Máquinas de vectores soporte (Support Vector Machine-SVM) ¿Cómo funciona SVM? Núcleos SVM Construcción de clasificador en Scikit-learn UNIDAD DIDÁCTICA 13. KNN K-nearest Neighbors (KNN) Implementación de Python del algoritmo KNN UNIDAD DIDÁCTICA 14. PRINCIPAL COMPONENT ANALYSIS (PCA) Análisis de componentes principales UNIDAD DIDÁCTICA 15. RANDOM FOREST Algorimto de Random Forest MÓDULO 6. HERRAMIENTAS DE VISUALIZACIÓN DE DATOS UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA VISUALIZACIÓN DE DATOS ¿Qué es la visualización de datos? Importancia y herramientas de la visualización de datos Visualización de datos: Principios básicos UNIDAD DIDÁCTICA 2. TABLEAU ¿Qué es Tableau? Usos y aplicaciones Tableau Server: Arquitectura y Componentes Instalación Tableau Espacio de trabajo y navegación Conexiones de datos en Tableau Tipos de filtros en Tableau Ordenación de datos, grupos, jerarquías y conjuntos Tablas y gráficos en Tableau UNIDAD DIDÁCTICA 3. D3 (DATA DRIVEN DOCUMENTS) Fundamentos D3 Instalación D3 Funcionamiento D3 SVG Tipos de datos en D3 Diagrama de barras con D3 Diagrama de dispersión con D3 UNIDAD DIDÁCTICA 4. GOOGLE DATA Google Data Studio Fuentes de datos Informes UNIDAD DIDÁCTICA 5. QLIKVIEW Instalación y arquitectura Carga de datos Informes Transformación y modelo de datos Análisis de datos UNIDAD DIDÁCTICA 6. POWERBI Business Intelligence en Excel Consulta de datos Orden de los datos, horizontal, un nivel, varios niveles Filtrado de datos Cuadros resumen Herramientas de simulación y de análisis Herramientas Powerbi UNIDAD DIDÁCTICA 7. CARTO CartoDB MÓDULO 7. VISUALIZACIÓN DE DATOS EN R CON GGPLOT2 UNIDAD DIDÁCTICA 1. GGPLOT2 COMO LIBRERÍA PARA VISUALIZACIÓN DE DATOS EN R Introducción a Gplot El paquete ggplot2 UNIDAD DIDÁCTICA 2. EJES Cambiar títulos de eje Aumentar el espacio entre ejes y títulos de ejes Cambiar la estética de los títulos de Axis Cambiar la estética del texto del eje Texto del eje de rotación Eliminar texto de eje y marcas Eliminar títulos de eje Límite del rango del eje Forzar el trazado para que comience en el origen Ejes con la misma escala Usar una función para modificar etiquetas UNIDAD DIDÁCTICA 3. TÍTULOS Añade un título Ajustar la posición de los títulos Use una fuente no tradicional en su título Cambiar espaciado en texto de varias líneas UNIDAD DIDÁCTICA 4. LEYENDAS Trabajando con leyendas Apaga la leyenda Eliminar títulos de leyenda Cambiar la posición de la leyenda Cambiar la dirección de la leyenda Cambiar el estilo del título de la leyenda Cambiar título de leyenda Cambiar el orden de las claves de leyenda Cambiar etiquetas de leyenda Cambiar cuadros de fondo en la leyenda Cambiar el tamaño de los símbolos de leyenda Dejar una capa fuera de la leyenda Adición manual de elementos de leyenda Usar otros estilos de leyenda UNIDAD DIDÁCTICA 5. FONDOS Y LÍNEAS DE CUADRÍCULA Cambiar el color de fondo del panel Cambiar líneas de cuadrícula Cambiar el espaciado de las líneas de cuadrícula Cambiar el color de fondo de la trama UNIDAD DIDÁCTICA 6. MÁRGENES Trabajar con márgenes UNIDAD DIDÁCTICA 7. GRÁFICOS DE PANELES MÚLTIPLES Trabajar con gráficos de paneles múltiples Crear múltiplos pequeños basados en una variable Permitir que los ejes deambulen libremente Uso facet_wrapcon dos variables Modificar el estilo de los textos de la tira Crear un panel de diferentes parcelas UNIDAD DIDÁCTICA 8. COLORES Trabajar con colores Especificar colores individuales Asignar colores a las variables Variables Cualitativas Seleccionar manualmente colores cualitativos Utilice paletas de colores cualitativas integradas Use paletas de colores cualitativos de paquetes de extensión Variables Cuantitativas La paleta de colores Viridis Usar paletas de colores cuantitativas de paquetes de extensión Modificar paletas de colores después UNIDAD DIDÁCTICA 9. TEMAS Cambiar el estilo de trazado general Cambiar la fuente de todos los elementos de texto Cambiar el tamaño de todos los elementos de texto Cambiar el tamaño de todos los elementos de línea y rectángulo Crea tu propio tema Actualizar el tema actual UNIDAD DIDÁCTICA 10. LÍNEAS Agregar líneas horizontales o verticales a un gráfico Agregar una línea dentro de un gráfico Agregar líneas curvas y flechas a un gráfico UNIDAD DIDÁCTICA 11. TEXTO Agregue etiquetas Agregar anotaciones de texto Use Markdown y HTML Rendering para anotaciones UNIDAD DIDÁCTICA 12. COORDENADAS Voltear una parcela arreglar un eje Invertir un eje Transformar un eje Circularizar una parcela UNIDAD DIDÁCTICA 13. TIPOS DE GRÁFICOS Alternativas a un diagrama de caja Crear una representación de alfombra en un gráfico Crear una matriz de correlación Crear un gráfico de contorno Crear un mapa de calor Crear un diagrama de cresta UNIDAD DIDÁCTICA 14. CINTAS Trabajar con cintas (AUC, CI, etc.) UNIDAD DIDÁCTICA 15. SUAVIZADOS Predeterminado: agregar un suavizado LOESS o GAM UNIDAD DIDÁCTICA 16. GRÁFICOS INTERACTIVOS Trabajar con gráficos interactivos MÓDULO 8. ANALÍTICA WEB UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA ANALÍTICA WEB ¿Qué es la analítica web? Establecimiento de objetivos y KPIs Métricas principales y avanzadas Objetivos y ventajas de medir Plan de medición UNIDAD DIDÁCTICA 2. GOOGLE ANALYTICS 4 Introducción a Google Analytics 4 Interfaz Métricas y dimensiones Informes básicos Filtros Segmentos Eventos Informes personalizados Comportamiento de los usuarios e interpretación de datos UNIDAD DIDÁCTICA 3. GOOGLE TAG MANAGER Introducción a GTM Implementación con GTM Medición con GTM Uso de Debug/Preview Mode UNIDAD DIDÁCTICA 4. MODELOS DE ATRIBUCIÓN La atribución Multicanalidad Customer Journey Principales modelos de atribución Modelos de atribución personalizados UNIDAD DIDÁCTICA 5. CREACIÓN DE DASHBORAD CON GOOGLE DATA STUDIO Planificación del Dashboard Características del Dashboard Introducción a Data Studio Conectores Tipos de gráficos Personalización de informes Elementos de control Dimensiones y métricas Campos Calculados Compartir informes UNIDAD DIDÁCTICA 6. ANALÍTICA WEB ORIENTADA AL SEO Introducción al SEO Historia de los motores de búsqueda Componentes de un motor de búsqueda Organización de resultados en un motor de búsqueda La importancia del contenido El concepto de autoridad en Internet Campaña SEO UNIDAD DIDÁCTICA 7. ANALÍTICA WEB ORIENTADA AL SEM Introducción al SEM Principales conceptos en SEM Sistema de pujas y Calidad del anuncio Primer contacto con Google Ads Creación de anuncios con calidad Indicadores clave de rendimiento en SEM UNIDAD DIDÁCTICA 8. ANALÍTICA WEB ORIENTADA A LAS REDES SOCIALES Análisis del tráfico en redes sociales Fijar objetivos en redes sociales Facebook Twitter Youtube LinkedIn Tik tok Instagram UNIDAD DIDÁCTICA 9. TÉCNICAS Y ESTRATEGIAS Usabilidad Mapas de calor Grabaciones de sesiones de usuario Ordenación de tarjetas Test A/B Test multivariante KPI, indicadores clave de rendimiento Cambios a realizar para optimizar una página web UNIDAD DIDÁCTICA 10. OTRAS HERRAMIENTAS PARA ANALÍTICA WEB Hotjar Microsoft Power BI Google Search Console Matomo Awstats Chartbeat Adobe Analytics UNIDAD DIDÁCTICA 11. COOKIES Y TECNOLOGÍAS DE SEGUIMIENTO ¿Qué son las cookies? Tipos de cookies GDPR Herramientas para manejar el consentimiento de cookies MÓDULO 9. PROYECTO FIN DE MÁSTER