Máster en Formación Permanente en Big Data y Data Science.
Course descriptionMÁSTER DE FORMACIÓN PERMANENTE EN BIG DATA Y DATA SCIENCE.
Objetivos :
OBJETIVO 1. VISIÓN INTEGRAL
Entiende el proceso íntegro de gestión de los datos en diferentes organizaciones, desde la recolección de los datos hasta la transformación de los mismos, incidiendo en el procesamiento y posterior análisis de éstos.
OBJETIVO 2. APLICACIONES BIG DATA
Incide en las diferentes aplicaciones del Big Data en los negocios y su impacto, haciendo especial hincapié en las diferentes tecnologías vinculadas como las aplicaciones de Inteligencia Artificial.
OBJETIVO 3. ECOSISTEMA HADOOP
Obtén una visión integral de las diferentes herramientas existentes en el ecosistema Hadoop y saca el mayor rendimiento en el proceso de gestión de los datos a nivel organizacional.
OBJETIVO 4. PROGRAMACIÓN EN PYTHON
Adquiere las bases necesarias de programación en Python, clave para el desarrollo de las diferentes etapas del proceso de preparación, procesamiento y análisis de los datos en cualquier organización.
Plan de estudios:
El Máster de formación permanente en Big Data y Data Science te proporciona una visión holística de las diferentes fases que integran el proceso de análisis y gestión de grandes volúmenes de datos, desde la recolección de los mismos hasta el procesamiento, dejándolos organizados para su análisis y presentación a las partes interesadas. Nuestro programa se estructura en 2 bloques y culmina con el Trabajo Fin de Máster. Además, durante el desarrollo, se realizarán dos bootcamps voluntarios y diferentes actividades adicionales.
Bloque 1. Fundamentos y aplicaciones del Big Data.
Bloque 2. Gestión y análisis de los datos
Trabajo Fin de Máster
Bootcamp y actividades adicionales
Enlace vídeo DP:
No hay
Director del programa
Plan de estudios detalle:
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 Science en 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 Spark Streaming, 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.
Bootcamps
Curso de nivelación | Bases para el Big Data.
OBS Business School pone a disposición de los estudiantes un curso de nivelación que les permitirá adquirir aquellos conocimientos y habilidades necesarios para poder seguir de forma adecuada el programa. Este taller es autodirigido y voluntario. Si bien, es altamente recomendable para aquellos estudiantes que provenga de ámbitos distintos a las ingenierías técnicas. A través del desarrollo de este curso, los estudiantes podrán identificar aquellas áreas que necesitas reforzar.
Bootcamp | Big Data Lab:
Este bootcamp se desarrolla de forma transversal a lo largo del programa. Así, los estudiantes, tendrán diferentes sesiones puntuales después de los diferentes módulos, que les orientarán durante todo el proceso de gestión de los datos y selección de las herramientas y técnicas más adecuadas según la tipología de información disponible. Este bootcamp es 100% práctico.
Bootcamp | Gestión de proyectos Big Data.
Este bootcamp tiene como objetivo incidir en las diferentes fases vinculadas a la gestión de proyectos en el entorno Big Data.
Actividades adicionales:
El Máster de formación permanente en Big Data y Data Science se complementa con conferencias y seminarios que se imparten en cada uno de los bloques. Estas actividades adicionales las realizan profesionales reconocidos en la gestión empresarial quienes, mediante videoconferencias, exponen sus experiencias y casos prácticos.
‘Case studies’: Método del caso:
La componente práctica del programa es indispensable y completa la formación teórica. Para ello, durante el curso se realizarán debates de temas de actualidad e interés en cada una de las asignaturas, simulaciones para la toma de decisiones aplicadas a situaciones reales o casos prácticos donde se analizarán, desde un punto de vista académico, los problemas planteados y las soluciones propuestas, así como los criterios tenidos en cuenta para llevarlas a cabo.
Webinars:
La mayor parte de la formación se realiza de forma asíncrona, es decir, el intercambio de conocimiento se realiza a través de una plataforma que permite compartir textos escritos sin necesidad de que las personas estén conectadas al mismo tiempo.
Adicionalmente, en cada uno de los módulos se organizan sesiones síncronas o ‘webinars’, donde todos los participantes están conectados al mismo tiempo a través de una aplicación, lo que permite el intercambio de conocimiento en ‘tiempo real’.