Bloque 1. Fundamentos y aplicaciones del Big Data

Ecosistema Big Data y Data Science

Este módulo tiene como objetivo introducir las principales características del Big Data, así como incidir en los aspectos más relevantes del ciclo de vida de los datos, en las organizaciones. Para ello se ahonda en los principales conceptos y definiciones del Big Data, las diferencias existentes entre Big Data, Data Sciences y Business Intelligence, así como la interrelación entre éstos y el ciclo de vida del dato, entre otros.

Fundamentos de programación en Python

Este módulo tiene como objetivo proporcionar las bases necesarias de programación en Python, necesarias para el desarrollo de las diferentes etapas del proceso de preparación y procesamiento de los datos. Para ello se abordan temas como los objetos, operadores y expresiones, las estructuras de control y las principales librerías y paquetes de Python, entre otros.

Bases de datos SQL y NoSQL

Este módulo tiene como objetivo diferenciar entre las bases de datos relacionales y no relacionales, incidiendo en las principales características de cada una de ellas y en el uso particular en función de la naturaleza de un determinado proyecto. De este modo se tratan temas como las principales características y aplicaciones de las bases de datos relaciones y no relacionales, así como se incide en las diferentes herramientas existentes.

ETLs y ELTs

Este módulo tiene como objetivo que el estudiante entienda las diferencias existentes entre los procesos ETL y ELT, analizando su uso en determinados contextos, en función de los objetivos de un determinado proyecto y del tratamiento de los datos que se deba hacer para alcanzarlos. Se abordan temas como las principales características y aplicaciones de los procesos ETL y ELTs, así como las herramientas existentes y procesos clave, entre otros.

Aplicaciones del Big Data y Data Science para el negocio

Este módulo tiene como objetivo presentar las diferentes aplicaciones del Big Data y del Data Science en las organizaciones, así como las tecnologías vinculadas y su interrelación con las mismas. Para ello, se tratan temas como las aplicaciones del Big Data y del Data Scienceen el sector industrial y de servicios, y el impacto del Big Data y del Data Science en las nuevas tecnologías, entre otros.

Bloque 2.Gestión de los datos

Ecosistema Hadoop

Este módulo tiene como objetivo ofrecer una visión integral de las diferentes herramientas disponibles en el espacio Hadoop, incidiendo, posteriormente, en Apache Spark. En este sentido, se ahonda en aplicaciones como Hadoop distributed file system, Hadoop yarn y Hadoop map reduce, así como en Spark SQL, MLib, Graphx y SparkStreaming, entre otros.

Pre-procesado de datos

Este módulo tiene como objetivo Incidir en los procesos vinculados al pre-procesado de datos, analizando las diferentes fuentes de procedencia de éstos, las herramientas y métodos para evitar los errores, duplicidades y valores faltantes y los procesos de integración y la transformación de los datos, mediante la implementación de diferentes métodos y técnicas. Así, se verán temas como el data collection, el Data Cleansing, el Data Integration y el Data transformation.

Almacenamiento de datos y Cloud Computing

El objetivo de este módulo es identificar las diferentes tipologías de almacenamiento de datos, incidiendo en el caso específico del Cloud Computing. Así, se verán temas como los diferentes dispositivos para el almacenamiento de los datos, las tipologías de almacenamiento existentes y el impacto del Cloud Computing en el Big Data, entre otros.

Procesado de datos

El objetivo de este módulo es profundizar en las diferentes técnicas y modelos existentes para la extracción de la información necesaria para la toma de decisiones. Para ello, se ahondará en temas como las etapas dentro del procesado de datos: verificación, transformación y organización.

Data Science y Machine Learning

El objetivo de este módulo es ahondar en los conceptos, métodos y principales técnicas para el Data Science, así como incidir en el Machine Learning y sus principales algoritmos. Para ello, se verán temas como el Data Mining, la visualización de datos, el análisis de grados y el Machine Learning, entre otros.

Trabajo Final de Máster

Durante 6 meses los estudiantes deberán trabajar, de forma grupal, en el desarrollo de un proyecto vinculado a la implementación de un entorno Big Data en una organización, a su elección.