Master Oficial Universitario en Big Data

Actualmente, en muchos ámbitos multisectoriales, la creciente cantidad de datos y el auge del Internet de las cosas (IoT) presentan la necesidad de analizar y procesar toda esta información para la mejora y adecuación de las estrategias de negocio de las empresas.

Además, todas las empresas buscan la reducción de sus costes y mediante la aplicación de las técnicas adecuadas de Big Data este objetivo puede cumplirse. A través del Big Data las organizaciones pueden convertir grandes cantidades de datos en información relevante para crear nuevos productos, customizar servicios según las preferencias del cliente, conocer los hábitos de los consumidores, optimizar procesos internos o solucionar problemas, por ejemplo.

Con este Máster podrás conocer y comprender todos los detalles y objetivos de un proyecto de Big Data y te otorgará la posibilidad de trabajar en proyectos donde se busca la mejor solución sin dejar de lado la escalabilidad de los datos y la seguridad de éstos.

Podrás extraer la información de una forma óptima y podrás tomar decisiones estratégicas dentro de las empresas. Se trata de una materia y un área de profesionalización en auge, en la que la rapidez y la actualización de la formación son un factor de diferenciación entre los trabajadores de una empresa.

Convocatoria

Abierta

Modalidad

ONLINE

Duración

Créditos

Precio

15.000 €

SOLICITA INFORMACIÓN

    Responsable: ENALDE BUSINESS SCHOOL. Finalidad: Información académica y comercial de nuestros servicios de enseñanza. Legitimación: Consentimiento del interesado. Destinatarios: Encargados del tratamiento para cumplir con las finalidades. Derechos: Acceder, rectificar y suprimir los datos, así como otros derechos, como se explica en la información adicional.

    Titulación

    Título Oficial de Master en Big Data expedida por la Universidad e-Campus acreditado con 60 ECTS Universitarios. Su superación dará derecho a la obtención del correspondiente Título Oficial de Máster, el cual puede habilitar para la realización de la Tesis Doctoral y obtención del título de Doctor/a.

    Objetivos

    • Conceptualizar el riesgo económico y financiero y delimitar las condiciones de equilibrio que han de regir la actividad de la empresa.
    • Analizar las distintas fuentes de variabilidad contable en la empresa para detectar los posibles riesgos.
    • Interpretar con precisión los resultados derivados del análisis y adoptar las decisiones más acertadas para conseguir el crecimiento económico del negocio.
    • Conocer el marco del sistema financiero español.
    • Planificar el análisis del entorno competitivo.
    • Planificar el análisis estratégico.
    • Identificar la estructura organizativa bancaria.
    • Dotar al alumno de una base teórica sobre las particularidades del riesgo de crédito en banca mayorista, así como sus medidas de riesgo.
    • Conocer los efectos de las condiciones de diferentes contratos financieros en el riesgo de crédito.
    • Comprender el papel de las clearing houses en la gestión de riesgo de crédito.
    • Entender todos los conceptos básicos como su definición o medidas de exposición hasta detalles prácticos sobre su estimación y problemas de modelización.

    Perfil

    Este Máster en Banca y Finanzas está dirigido preferentemente a Graduados o Licenciados en Administración y Dirección de Empresa, Contabilidad y Finanzas o Economía. No obstante, también pueden matricularse alumnos de otras titulaciones que quieran profundizar en los distintos elementos que afectan a la evolución económica o entorno económico.

    Temario


    MÓDULO 1. BIG DATA INTRODUCTION

    • UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL BIG DATA
    • UNIDAD DIDÁCTICA 2. FUENTES DE DATOS
    • UNIDAD DIDÁCTICA 3. OPEN DATA
    • UNIDAD DIDÁCTICA 4. FASES DE UN PROYECTO DE BIG DATA
    • UNIDAD DIDÁCTICA 5. BUSINESS INTELLIGENCE Y LA SOCIEDAD DE LA INFORMACIÓN
    • UNIDAD DIDÁCTICA 6. PRINCIPALES PRODUCTOS DE BUSINESS INTELLIGENCE
    • UNIDAD DIDÁCTICA 7. BIG DATA Y MARKETING
    • UNIDAD DIDÁCTICA 8. DEL BIG DATA AL LINKED OPEN DATA
    • UNIDAD DIDÁCTICA 9. INTERNET DE LAS COSAS


    MÓDULO 2. ARQUITECTURA BIG DATA

    • UNIDAD DIDÁCTICA 1. BATCH PROCESSING
    • UNIDAD DIDÁCTICA 2. STREAMING PROCESSING
    • UNIDAD DIDÁCTICA 3. SISTEMAS NOSQL
    • UNIDAD DIDÁCTICA 4. INTERACTIVE QUERY
    • UNIDAD DIDÁCTICA 5. SISTEMAS DE COMPUTACIÓN HÍBRIDOS
    • UNIDAD DIDÁCTICA 6. CLOUD COMPUTING
    • UNIDAD DIDÁCTICA 7. ADMINISTRACIÓN DE SISTEMAS BIG
    • UNIDAD DIDÁCTICA 8. VISUALIZACIÓN DE DATOS


    MÓDULO 3. TECNOLOGÍAS APLICADAS A BUSINESS INTELLIGENCE

    • UNIDAD DIDÁCTICA 1. MINERÍA DE DATOS O DATA MINING Y EL APRENDIZAJE AUTOMÁTICO
    • UNIDAD DIDÁCTICA 2. DATAMART. CONCEPTO DE BASE DE DATOS DEPARTAMENTAL
    • UNIDAD DIDÁCTICA 3. DATAWAREHOUSE O ALMACÉN DE DATOS CORPORATIVOS
    • UNIDAD DIDÁCTICA 4. INTELIGENCIA DE NEGOCIO Y HERRAMIENTAS DE ANALÍTICA
    • UNIDAD DIDÁCTICA 5. HERRAMIENTA POWERBI
    • UNIDAD DIDÁCTICA 6. HERRAMIENTA TABLEAU
    • UNIDAD DIDÁCTICA 7. HERRAMIENTA QLIKVIEW


    MÓDULO 4. HERRAMIENTAS PARA EXPLOTACIÓN Y ANÁLISIS DE BIG DATA

    • UNIDAD DIDÁCTICA 1. BASES DE DATOS NOSQL Y EL ALMACENAMIENTO ESCALABLE
    • UNIDAD DIDÁCTICA 2. INTRODUCCIÓN A UN SISTEMA DE BASES DE DATOS NOSQL. MONGODB
    • UNIDAD DIDÁCTICA 3. PROCESAMIENTO DISTRIBUIDO DE DATOS CON HADOOP
    • UNIDAD DIDÁCTICA 4. WEKA Y DATA MINING
    • UNIDAD DIDÁCTICA 5. PENTAHO UNA SOLUCIÓN OPEN SOURCE PARA BUSINESS INTELLIGENCE


    MÓDULO 5. INTRODUCCIÓN A LA PROGRAMACIÓN ESTADÍSTICA

    • UNIDAD DIDÁCTICA 1. PYTHON Y EL ANÁLISIS DE DATOS
    • UNIDAD DIDÁCTICA 2. R COMO HERRAMIENTA PARA BIG DATA


    MÓDULO 6. DATA SCIENCE

    • UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA CIENCIA DE DATOS
    • UNIDAD DIDÁCTICA 2. BASES DE DATOS RELACIONALES
    • UNIDAD DIDÁCTICA 3. PRE-PROCESAMIENTO y PROCESAMIENTO DE DATOS
    • UNIDAD DIDÁCTICA 4. ANÁLISIS DE LOS DATOS


    MÓDULO 7. INTELIGENCIA ARTIFICIAL (IA), MACHINE LEARNING (ML) Y DEEP LEARNING (DL)

    • UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL
    • UNIDAD DIDÁCTICA 2. TIPOS DE INTELIGENCIA ARTIFICIAL
    • UNIDAD DIDÁCTICA 3. ALGORITMOS APLICADOS A LA INTELIGENCIA ARTIFICIAL
    • UNIDAD DIDÁCTICA 4. RELACIÓN ENTRE INTELIGENCIA ARTIFICIAL Y BIG DATA
    • UNIDAD DIDÁCTICA 5. SISTEMAS EXPERTOS
    • UNIDAD DIDÁCTICA 6. FUTURO DE LA INTELIGENCIA ARTIFICIAL
    • UNIDAD DIDÁCTICA 7. INTRODUCCIÓN AL MACHINE LEARNING
    • UNIDAD DIDÁCTICA 8. EXTRACCIÓN DE ESTRUCTURA DE LOS DATOS: CLUSTERING
    • UNIDAD DIDÁCTICA 9. SISTEMAS DE RECOMENDACIÓN
    • UNIDAD DIDÁCTICA 10. CLASIFICACIÓN
    • UNIDAD DIDÁCTICA 11. REDES NEURONALES Y DEEP LEARNING
    • UNIDAD DIDÁCTICA 12. SISTEMAS DE ELECCIÓN
    • UNIDAD DIDÁCTICA 13. DEEP LEARNING CON PYTHON, KERAS Y TENSORFLOW
    • UNIDAD DIDÁCTICA 14. SISTEMAS NEURONALES
    • UNIDAD DIDÁCTICA 15. REDES DE UNA SOLA CAPA
    • UNIDAD DIDÁCTICA 16. REDES MULTICAPA
    • UNIDAD DIDÁCTICA 17. ESTRATEGIAS DE APRENDIZAJE


    MÓDULO 8. CIBERSEGURIDAD APLICADA A INTELIGENCIA ARTIFICIAL (IA), SMARTPHONES, INTERNET DE LAS COSAS (IOT) E INDUSTRIA 4.0

    • UNIDAD DIDÁCTICA 1. INTRODUCCIÓN Y CONCEPTOS BÁSICOS
    • UNIDAD DIDÁCTICA 2. COMUNICACIONES SEGURAS: SEGURIDAD POR NIVELES
    • UNIDAD DIDÁCTICA 3. CIBERSEGURIDAD EN NUEVAS TECNOLOGÍAS
    • UNIDAD DIDÁCTICA 4. CIBERSEGURIDAD EN SMARTPHONES
    • UNIDAD DIDÁCTICA 5. INTELIGENCIA ARTIFICIAL (IA) Y CIBERSEGURIDAD
    • UNIDAD DIDÁCTICA 6. CIBERSEGURIDAD E INTERNET DE LAS COSAS (IOT)
    • UNIDAD DIDÁCTICA 7. SEGURIDAD INFORMÁTICA EN LA INDUSTRIA 4.0


    MÓDULO 9. PROYECTO FIN DE MÁSTER