MAESTRÍA EN ANÁLISIS DE DATOS

• Todas aquellas personas interesadas en comprender el funcionamiento, la interpretación y tratamiento de la información, especialmente de grandes volúmenes de datos y la generación desde los mismos de modelos analíticos que permitan abordar áreas estratégicas de cualquier naturaleza para poder agilizar el proceso de toma de decisiones de la empresa.

• Todas aquellos profesionales con interés por orientarse al mercado y el análisis de tendencias con un claro objetivo de liderar y gestionar equipos multidisciplinares y tomar decisiones, como en forma efectiva lo hace un líder refutado y consolidado.

• Identificar los cinco sectores más beneficiados por el Big Data.

• Reconocer los beneficios y preocupaciones del Big Data en las empresas.

• Estudiar las distintas metodologías del Big Data y analizar sus fuentes de información.

• Conocer la arquitectura del Big Data: elementos y definición del arquitecto Big Data.

• Conocer las infraestructuras necesarias para la aplicación de Big Data y cómo se lleva a cabo su implementación.

• Desarrollar la función Map y la función Reduce.

• Definir en qué consiste la tecnología Hadoop, sus conceptos básicos y los conceptos básicos de arquitectura.

• Dominar las técnicas de clasificación en inteligencia artificial y adquirir conocimientos sobre la definición y elementos del Data Science. Conocimiento de las diferencias entre BD y BI. Dominio de la estadística aplicada al BD y el modelo de visualización de datos.

• Conocer en qué consiste el lenguaje phyton, el lenguaje milk y el lenguaje iOS.

• Conocer los distintos tipos de bases de datos: jerárquicas, en red, relacionales, orientadas a objetivos etc. Además de analizar el Sistema de gestión de base de datos: arquitectura, objetivos y componentes.

• Conocer el modelo entidad - relación: entidades, relaciones, atributos y pasos generales para su creación.

• Conocer las fases del descubrimiento de conocimiento de bases de datos y la importancia de las mismas en el éxito del proceso (en especial las de limpieza y selección de datos).

• Estudiar los elementos y características del VMWARE HORIZON 7 y sus componentes clave que repercuten en la virtualización de escritorios, además de adquirir conocimientos acerca del IT como servicio y la seguridad del Cloud Computing.

• Analizar la utilidad del Big Data en el sector de los medios de comunicación y marketing.

• Identificar las metodologías y fases metodológicas que existen para llevar a cabo los proyectos en Big Data.

• Adquirir conocimientos en conceptos para el trabajo compartido en entornos virtuales (interacción entre personas, colaboración, cooperación..).

• Profundizar en los ataques e intrusiones de personal no autorizado en la red.

• Conocer el clustering como uno de los métodos de aprendizaje no supervisado más importante y estudiar las medidas de conectividad o linkage measures utilizadas por los algoritmos de clustering.

• Interpretar y analizar los datos recogidos de la muestra de investigación.

• Aprender a utilizar de forma correcta la normativa APA en la elaboración de trabajos universitarios, proyectos y textos de diversa índole.

• La especialización del área de interés de la maestría, aplicando lo aprendido y las habilidades adquiridas durante el transcurso del programa.

Salidas Profesionales

• Big Data Architect.

• Big Data Engineer.

• Data Scientist.

• Big Data Developer.

• Machine Learning Engineer.

• NLP Consultant.

• Chief Data Officer (CDO).

• Big Data Consultant.

• Data Analyst.

• Business Analyst.

• NPI Consultant.

• Consultor externo (free-lance).

• Mando intermedio cualificado en departamentos de sistemas, tecnología, datos o incluso marketing en la parte de innovación dentro de una compañía.

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 el 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 y modelo estadístico.
• Otras herramientas útiles.
• Ejemplos de aplicación exitosa con Big Data.
• Analítica y optimización de resultados.

Asignatura 3. Métodos Estadísticos Y Data Science.

• Clasificación de la información adecuada.
• Estadística aplicada al Big Data.
• Lenguaje phyton y lenguaje milk.
• Paquetes con lenguaje R.
• Comparativas de paquetes de datos.
• Data Science: concepto y características.
• Posición de un Data Scientist.
• Tipo de organización. Orientación al dato.
• Estructura de un proyecto Big Data.

Asignatura 4. Modelamiento De Datos Y Diseño De Bases 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 en 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.

• 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 HIPER-V. Infraestructura con VMWARE.
• Virtualización de escritorio.
• Gestión de un data center.
• Características de VCENTER.
• Introducción al cloud computing.
• Cloud computing aplicado a la gestión empresarial.
• Suite de producto VMWARE 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 en Big Data.
• Objetivos de la investigación y teoría.
• Metodología del proyecto.
• 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.
• Contexto de la gestión y dirección con y sin distancias.
• Modalidades y fases de gestión y dirección para salvar distancias.
• Sistemas y áreas telemáticos para gestión y dirección sin distancias.

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 y datos streaming.
• Impacto tecnologías Big Data en protección de datos.

Asignatura 11. Técnicas de Inteligencia Artificial.

• Inteligencia artificial, aprendizaje automático y minería de datos.
• Búsqueda en 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. Preparación para la investigación.

• La investigación científica.
• Tipos de investigación y diseños de investigación.
• Métodos de investigación.
• Técnicas de investigación.
• Planteamiento del problema y elaboración del marco teórico.
• Formulación de hipótesis y selección de la muestra.
• Recolección de datos. Análisis de datos.
• Elaboración de un proyecto de investigación.
• Aspectos formales y estructurales de una tesis doctoral.
• Programas estadísticos. SPSS.

Asignatura 13. Seminario de Titulación

Itinerario Académico

Semestre 1

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 el 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 y modelo estadístico.
• Otras herramientas útiles.
• Ejemplos de aplicación exitosa con Big Data.
• Analítica y optimización de resultados.

Asignatura 3. Métodos Estadísticos Y Data Science.

• Clasificación de la información adecuada.
• Estadística aplicada al Big Data.
• Lenguaje phyton y lenguaje milk.
• Paquetes con lenguaje R.
• Comparativas de paquetes de datos.
• Data Science: concepto y características.
• Posición de un Data Scientist.
• Tipo de organización. Orientación al dato.
• Estructura de un proyecto Big Data.

Asignatura 4. Modelamiento De Datos Y Diseño De Bases 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 en 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.

• 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 HIPER-V. Infraestructura con VMWARE.
• Virtualización de escritorio.
• Gestión de un data center.
• Características de VCENTER.
• Introducción al cloud computing.
• Cloud computing aplicado a la gestión empresarial.
• Suite de producto VMWARE 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.

Semestre 2

Asignatura 8. Emprender su proyecto en Big Data.

• Introducción del proyecto en Big Data.
• Objetivos de la investigación y teoría.
• Metodología del proyecto.
• 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.
• Contexto de la gestión y dirección con y sin distancias.
• Modalidades y fases de gestión y dirección para salvar distancias.
• Sistemas y áreas telemáticos para gestión y dirección sin distancias.

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 y datos streaming.
• Impacto tecnologías Big Data en protección de datos.

Asignatura 11. Técnicas de Inteligencia Artificial.

• Inteligencia artificial, aprendizaje automático y minería de datos.
• Búsqueda en 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. Preparación para la investigación.

• La investigación científica.
• Tipos de investigación y diseños de investigación.
• Métodos de investigación.
• Técnicas de investigación.
• Planteamiento del problema y elaboración del marco teórico.
• Formulación de hipótesis y selección de la muestra.
• Recolección de datos. Análisis de datos.
• Elaboración de un proyecto de investigación.
• Aspectos formales y estructurales de una tesis doctoral.
• Programas estadísticos. SPSS.

Asignatura 14. Seminario de Titulación.

Líneas de investigación:

Línea 1. Minería de datos. Tratamiento computacional de grandes volúmenes de datos. Optimización de procesos.
Línea 2. Técnicas de análisis de datos y métodos estadísticos aplicados al procesamiento de la información.
Línea 3. Modelado, tratamiento y visualización de datos. Diseño de bases de datos y almacenamiento.
Línea 4. Tratamiento virtual de los datos. Virtualización y cloud computing.
Línea 5. Aplicación del Big Data en diferentes sectores.
Línea 6. Lenguajes de programación y de gestión de datos. Protección de redes.
Línea 7: Big Data e inteligencia artificial.

Líneas de Investigación

Líneas de investigación:

Línea 1. Minería de datos. Tratamiento computacional de grandes volúmenes de datos. Optimización de procesos.
Línea 2. Técnicas de análisis de datos y métodos estadísticos aplicados al procesamiento de la información.
Línea 3. Modelado, tratamiento y visualización de datos. Diseño de bases de datos y almacenamiento.
Línea 4. Tratamiento virtual de los datos. Virtualización y cloud computing.
Línea 5. Aplicación del Big Data en diferentes sectores.
Línea 6. Lenguajes de programación y de gestión de datos. Protección de redes.
Línea 7: Big Data e inteligencia artificial.