Magíster Big Data

Loading color scheme

Presentación del Máster de Big Data & Business Analytics


Las empresas cada vez disponen de más datos provenientes de sus procesos de negocios, los cuales necesitan almacenar y procesar para obtener la información de valor que les permita mejorar todos su procesos productivos. La empresa que sea capáz de realizar esa mejora, obtendrá ese punto diferenciador sobre la competencia que les supondrá conseguir el éxito empresarial.

Por todo esto es tan importante conocer todo lo referente al desarrollo y gestión de un proyecto Big Data basado en la analítica de negocio. ¿Qué quiere decir esto? Que cualquier perfil de la compañía (técnico o no técnico) debe conocer las herramientas que actualmente hay disponibles tanto para almacenamiento de grandes volúmenes de datos, como para su procesamiento y especialmente, para el análisis y explotación de dicha información (el dato es el activo más importante que tiene actualmente una empresa, por lo que debemos saber muy bien qué hacer con él y como “custodiarlo”).

En el Magister en Big Data & Business Analytics te prepararemos para desarrollar tu carrera profesional en ese perfil. De la mano de profesionales del sector, aprenderás todos los conceptos y herramientas, tanto técnicos como analíticos, para poder diseñar, planificar y gestionar un proyecto Big Data con garantías: desde la parte más core del Big Data (Hadoop), pasando por las herramientas de procesamiento de datos (Hive, Spark, etc..), almacenamiento de datos NoSql y finalizando con el área de analítica (modelo de 3 capas, gobierno del dato,  machine learning, creación de modelos, visualización, etc..)

El programa académico se encuentra estructurado de la siguiente manera:

  1. Área 1 :Conocimientos tecnológicos:

En esta área se dará una visión general de los conceptos de la arquitectura Big Data y Analítica. Se explicará el concepto de computación distribuida, así como las ventajas que ofrece y se introducirán las principales herramientas que se utilizan para procesar y analizar grandes cantidades de datos.

Se adquirirán los conocimientos necesarios para ser capaz de definir una arquitectura que sirva para recopilar datos de las fuentes de información para su monitorización, almacenar los datos en una Base de Datos NoSQL, consultarlos, tratarlos y visualizarlos sobre las principales herramientas que dispone la distribución de Hadoop.

  1. Área 2: Conocimientos analíticos: En esta área se explicará cómo analizar los datos disponibles y su naturaleza desde el punto de vista morfológico, de cara a realizar un modelado posterior que permita su explotación óptima. Así mismo, se explicarán los principales algoritmos de Machine Learning existentes así como los últimos desarrollos en Inteligencia Artificial.
  2. Área 3: Gobernanza del dato y gestión de proyectos: El “Data Governance” ayudará a responder a las preguntas que interesa responder sobre un dato de forma transversal como también sobre un proceso. Este área te dará a conocer el marco de desarrollo, la ejecución y la supervisión de planes, políticas, programas y prácticas que entregan, controlan, protegen y mejoran el valor de los datos y los activos de información a lo largo de sus ciclos de vida.

También se darán a conocer las metodologías que ayudará al planeamiento, la organización, la motivación, y el control de los recursos con el propósito de alcanzar uno o varios objetivos en el la gestión de proyectos de Big Data y Analíticos.

  1. Área 4: Desarrollo de un proyecto Big Data & Business Analytics: En esta última área se enseñará al alumno a ser capaz de afrontar un proyecto Big Data desde 0 (definición, diseño, desarrollo), aportando casos de usos reales para que le sirva de ejemplo en su desarrollo del trabajo final de máster (TFM).
Leer más
MÁS INFORMACIÓN

Temario


Fundamentos básicos de Big Data

  • ¿Qué es? Múltiples definiciones. Poner énfasis en que los mismos datos se convierten en big data en función de lo que se quiera hacer con ellos. Ejemplo: 100M registros, hacer una media = no big data, entrenar un modelo complejo = big data.
  • Principio de funcionamiento: MapReduce. Ejemplos clásicos para entender el concepto (contar palabras en un texto, etc.).
  • Framework Open Source para computación distribuida. Basado en el whitepaper de Google sobre MapReduce de 2004 y GFS (Google File System). Orientación a Cloudera.
  • Concepto de Data Lake.
  • Concepto ETL, ELT.
  • La importancia del metadato y el data governance para la analítica.
  • Los Datalabs en un modelo de integración analítica con el Data Lake y el Gobierno del dato.
  • Plataformas de Servicios en la nube (Cloud Services).
  • Hadoop: Almacenamiento y procesamiento distribuido.
  • Herramientas de obtención de datos: Sqoop, Flume y Nifi.
  • Motores de consulta SQL:
    • Hive e impala:
      • Principio de funcionamiento.
      • Sintaxis y funciones propias de HiveQL e Impala.
    • Procesamiento de datos “in-memory”:
        • Introducción y principio de funcionamiento.
        • DataFrames & Spark SQL.
      • Interfaces:
        • Web (Hue, Ambari, Cloudera Manager).
      • Bases de datos NoSQL:
        • Hbase, Cassandra, MongoDB y Neo4J.
      • Procesamiento de datos en Streaming.

 

  • Definición e historia de la Ciencia de Datos.
  • Aplicaciones típicas por sector y casos de éxito reales.
  • Principales perfiles en el mundo Data: Data Engineer, Data Scientist, Data Analyst.
  • Errores comunes de las empresas al desarrollar proyectos de Data Science y cómo evitarlos.
  • Entorno de trabajo de un Data Scientist: principales herramientas, tecnologías, lenguajes de programación y entornos de desarrollo.
  • Análisis inicial del dato:
    • Análisis exploratorio de los datos.
    • Localización de datos atípicos y métodos de detección de outliers y valores extremos.
    • Obtención de estadísticos descriptivos.
    • Evaluación de la calidad del dato.
    • Tipologías de datos: categóricos, numéricos, ordinales, temporales (fechas).
    • Caso práctico: evaluación de un dataset real propuesto por los profesores.
  • El modelo de datos en tres capas:
    • Capa Raw: ingesta de datos en crudo.
    • Capa Master: principales filtros y agregaciones sobre los datos.
    • Capa de Consumo: limpieza final y feature engineering para consumo en dashboards y modelos de IA.
  • Visualización:
    • Tipos de visualizaciones de datos y cuándo usar cada tipo de visualización.
    • Principales librerías open source para visualización, con sus ventajas e inconvenientes:
      • matplotlib y seaborn: principales librerías de visualización estática.
      • Plotly: librería para visualización dinámica.
    • Business Intelligence:
      • Herramientas de reporting (Tableau y Microsoft Power BI).
      • Ejercicio práctico: realización de un dashboard con Power BI.
  • Metodología para el desarrollo de algoritmos de Inteligencia Artificial:
    • Sesgo y Varianza.
    • Conjuntos de entrenamiento, validación y test.
    • Validación cruzada (cross-validation).
  • Algoritmos de Inteligencia Artificial:
    • Aprendizaje supervisado:
      • Modelos lineales.
      • Modelos basados en árboles de decisión.
      • Redes Neuronales (Deep Learning).
      • Clasificación y Regresión.
    • Aprendizaje no supervisado:
      • Clusterización.
      • Detección de anomalías.
    • Procesamiento del Lenguaje Natural.
    • Visión Artificial.
  • Gestión de datos:

Cómo desarrollamos , ejecutamos y supervisamos los planes , políticas, programas y prácticas que permiten entregar, controlar, proteger e incrementar el valor de los datos durante su ciclo de vida.

  • Conceptos esenciales
  • Ética en el manejo del dato
  • Gobierno de datos (Data Governance) y Arquitectura de datos

Qué datos tenemos, dónde residen y cómo se pueden utilizar

  • Conceptos esenciales,actividades y herramientas.
  • Arquitectura, modelo y diseño del dato.
    • Conceptos esenciales, actividades y herramientas.
  • Gestión de metadatos (Metadata Management)

Datos que hablan de datos, describen el contenido de los archivos o de su información de los mismos

  • Conceptos esenciales.
  • Tipos, fuentes y arquitectura de Metadatos
  • Almacenamiento de datos y Operaciones :
    • Conceptos esenciales, herramientas y técnicas.
    • Tiempo de vida de los datos.
  • Data Security:

Medidas de protección de la privacidad digital que se aplican para evitar el acceso no autorizado a los datos.

  • DSA (Data Sharing Agreement). Seguridad en base a contratos de uso (Compliance).
  • Integración con los sistemas Legacy de seguridad y servicios en las empresas
  • Integración de los procesos existentes en una plataforma para que pasen a estar gobernados.
  • Reglamentos de protección del dato.
  • Roles típicos dentro de los procedimientos de gobierno:

Quién es quién en el gobierno del dato

  • Artefactos a controlar. DSA, Datasets, Procesos
  • Uso de los datos

¿Cómo se están usando los datos? ¿Quién los usa?

  • Analítica semántica de los datos de mayor interés para anticipar necesidades futuras de datos.
  • Data lineage. datos y procesos:

De dónde vienen los datos y donde se mueven en el tiempo

  • Tipos de lineage: estático, semi dinámico, dinámico y de negocio.
  • Data Quality:

Asegurar que los datos sean exactos, íntegros, confiables , relevantes y actualizados están.

  • Ciclo de vida de los datos.
  • Ciclo de vida de la calidad del Dato.
  • Perfilado de los datos.
  • Roles de la calidad del dato.
  • Data Quality y Data Governance.
  • Diccionario de datos.

Cómo utilizar el conjunto de definiciones que contiene las características de los datos. Enriquecimiento del metadato:

  • Aprovechar las sinergias en cuanto a la existencia de un Diccionario en la empresa.
  • Aprovechar las sinergias en cuanto a la existencia de Modelos de Datos en la empresa.
  • Data Governance en la nube

Dónde y cómo poner en práctica todo lo aprendido de Data Governance

  • Plataformas
  • Características y servicios de gobernanza.
  • Soluciones
  • Introducción en la gestión de proyectos Big Data y Analíticos.
  • Cuáles son los principales desafíos y riesgos de un Proyecto de Big Data y Analíticos.
  • Cómo organizar, estructurar y desplegar un Proyecto de Big Data:
    • Etapas
    • Riesgos
    • Metodologías
    • Claves para el éxito y desafíos de la gestión.
  • Cómo organizar, estructurar y desplegar un proyecto de Analítica:
    • Etapas: implementación y automatización. ML Operations. Feature Stores.
    • Riesgos: reproducibilidad de modelos y predicciones. Drifting.
    • Diagnóstico (referencia incorrecta - repetida). Error Analysis.
    • Gobernanza y cumplimiento normativo.
    • Claves para el éxito y desafíos de la gestión.
  • Optimización y elaboración de Plan de Desarrollo de proyecto (PDP).
  • Cultura y Metodologías Ágiles: Nuevas capacidades y Roles, metodologías LEAN: Scrum y Kanban. Etapas y entregables.
  • Adaptación de las metodologías ágiles a los proyectos de Analítica.
  • Operatividad en los proyectos: despliegue, orquestación, integración continua y entrega continua.
  • Aciertos y errores en los casos de uso de Big Data y Analiticos.
  • Claves para el éxito de un proyecto de Big Data y Analiticos.
  • Casos de uso.
  • Trabajo fin de máster.

Profesorado de Magister Big Data & Business Analytics


Contamos con un claustro de alto nivel académico y directivo, con más de 15 años de experiencia docente y profesional

Fernando Agudo Tarancón

Fernando Agudo Tarancón

LinkedIn
Alfieri Olcese

Alfieri Olcese

LinkedIn
Cristina Ruiz

Cristina Ruiz

Titulación de Magister Big Data & Business Analytics


Título Académico
Institución Académica
Título European Business School
European Business School

Título del European Business School - CEUPE

MÁS INFORMACIÓN

Objetivos del Máster


  • Adquirir conocimientos de ecosistemas Big Data y su aplicación en los negocios.
  • Utilizar el valor de aplicar Big Data y la analitica de los negocios como activo estratégico para el desarrollo de nuevos productos, servicios y modelos de negocio.
  • Comprender la analítica de negocios, sus conceptos y herramientas esenciales, para identificar y evaluar las oportunidades en todas las áreas funcionales de una empresa.
  • Adquirir conocimientos necesarios sobre el uso, análisis, calidad, control, seguridad y la explotación de los datos para toma de decisiones, operaciones y generación de valor en el negocio.
  • Adquirir herramientas necesarias para la gestión de proyectos Big Data y proyectos Analiticos.
  • Obtener herramientas de mejora de resultados al aplicar algoritmos, analítica de negocios, Inteligencia Artificial y cualquier tipo de procesamiento basado en datos.
  • Directivos y Gerentes de las Áreas de Negocio.
  • Directores de Sistemas de Información y CIOs.
  • Directores / Gerentes de Innovación.
  • Directores / Gerentes de Transformación Digital y CDOs.
  • Directores / Gerentes de Proyectos BI / Big Data.
  • Business Partners.
  • Consultores de TI.
  • Líderes de equipos.
  • Gerentes de Proyectos
  • Gerentes de gobierno y calidad del dato
  • Jefes de Proyectos / Scrum Master
  • Profesionales que necesiten combinar la gestión de los datos con la estrategia de la empresa basados en tecnología Big Data y Analiticos como estrategia de negocio.
  • Profesionales de negocios que requieran tomar decisiones basados en el análisis del dato.
  • Profesionales técnicos que requieran incorporar conocimientos de big data y análisis del dato.
  • Profesionales de gestión y calidad de la información.

COMPLEMENTO DE IDIOMAS AL PROGRAMA MASTER

En un mundo tan globalizado como es el actual, las necesidades del mercado laboral demandan un profesional cada vez más competitivo. Por ello, desde CEUPE, hemos querido apostar plenamente por una formación  en la que nuestro programa de especialización impartido en español, vaya integrado de forma paralela en el aprendizaje del inglés de negocio para poder reforzar el perfil profesional de nuestros alumnos.

CEUPE cuenta con una de las herramientas de formación online de idiomas más innovadoras y potentes del mercado, posibilitando al alumno el acceso durante un año del estudio del idioma, prestando especial atención a la formación en el idioma seleccionado centrándonos en una perspectiva de estudio orientada hacia los negocios en las diferentes vertientes comercial, jurídico, en el ámbito del marketing, coloquial, profesional, etc. 

Una vez finalizado el curso de idiomas elegido, podrás obtener un Certificado que acredita las horas cursadas, las fechas de realización y los contenidos superados.

 

CURSO IDIOMAS 1 AÑO GRATIS

 

La metodología de aprendizaje, en el caso de seleccionar el idioma Inglés, permite la posibilidad de una vez finalizado los niveles, poder presentarse al acceso para obtener el certificado TOEIC, actualmente, la certificación empresarial más reconocido a nivel internacional.

Asimismo, es importante aprender un tercer idioma de lenguas consolidadas en el mundo profesional como francés, alemán, italiano, ruso y portugués (de Brasil). Para aquellas personas que ya dominen la lengua inglesa y deseen aprender otro idioma, desde CEUPE damos la posibilidad de acceder al estudio de esas otras lenguas citadas.

Para tener más información sobre la herramienta de estudio que vamos a ofrecerte con este  programa máster, te facilitamos este enlace que te ayudará bastante: VIDEO DEMOSTRACION

La contratación de este módulo es independiente al precio del curso, teniendo un coste de 180€.

HERRAMIENTA DE NETWORKING Y DESARROLLO PROFESIONAL

Comprometidos con la preparación integral de nuestros alumnos en el mercado laboral, CEUPE es la única Escuela de Negocios que apuesta por un nuevo servicio exclusivo, capaz de fortalecer el perfil profesional de cada estudiante. Desde el Departamento de Orientación Profesional, y en colaboración con las principales agencias de colocación y outplacement, consultoras de selección de personal y coaches especializados en la rama empresarial, se ha desarrollado una Herramienta con la que, a lo largo de su formación, el alumno podrá contar para mejorar su desarrollo profesional y empleabilidad.

CURSO HERRAMIENTA DE NETWORKING Y DESARROLLO PROFESIONAL

La Herramienta está pensada para la mejora y crecimiento profesional del alumno, con tres ejes conductores: 

  1. La búsqueda activa de empleo, donde el alumno dispondrá de las principales bases de datos de empleo del país, así como fuentes de reclutamiento internacionales. 
  2. Cambio profesional, con herramientas para elaborar una estrategia directa y efectiva que gire en torno a la preparación del CV, de la entrevista y de las dinámicas de grupo o networking.  
  3. Desarrollo de la carrera profesional, en la que podrá hacer uso de aprendizaje interactivo relacionado con el coaching profesional activo o employer branding, para perfiles con una experiencia profesional más amplia.

Esta Herramienta de apoyo está integrada en el Campus Virtual, donde su uso es de fácil acceso para nuestros alumnos. Desarrollado y estructurado de forma muy intuitiva por el equipo equipo de Orientación Profesional, garantiza una formación en constante actualización, para un aprendizaje ágil y efectivo. En ella el alumno encontrará el apoyo de tutoriales, foros, vídeos, bases de datos, documentación digital e imprimible, conferencias online y grabadas, así como otros soportes de trabajo. VIDEO INFORMATIVO

Empleabilidad


Data Analyst
Data Analyst
Data Architect
Data Architect
Data Engineer
Data Engineer
Chief Data Officer
Chief Data Officer
Big Data Developer
Big Data Developer
Data Scientist
Data Scientist

Semana Internacional
Datos de interés Acto de graduación


Visita guiada Palacio Real Visita guiada Madrid DHL Bienvenida Diplomas Ponencia
Semana Internacional con un planning de trabajo académico, profesional y cultural
El alumno disfrutará de un programa de visitas culturales a la ciudad de Madrid y Palacio Real
MÁS INFORMACIÓN

Ayudas al Estudio


Realizar un Programa de Postgrado de alto nivel como es el Master en Energías Limpias y Eficiencia Energética supone un compromiso económico que a veces puede ser difícil de asumir.

CEUPE – Centro Europeo de Posgrado dota una gran parte de sus recursos financieros a fin de:

  • Ofrecer a sus alumnos Programas de Ayudas Económicas a las que pueden optar si reúnen los requisitos exigidos.
  • Facilitar flexibilidad en los pagos que el alumno debe afrontar, ofreciendo la posibilidad de fraccionarlos sin intereses.
  • Los Programas Masters cuentan con una financiación interna a través de la cual no cobran al alumno ningún tipo de interés ni existe intermediación bancaria.
  • Todos sus programas contemplan su abono en cómodos plazos para que el alumno no tenga que realizar importantes desembolsos. Es importante consultar al orientador académico que informará con detalle sobre las condiciones del programa seleccionado.

PROGRAMAS INTERNACIONALES DE AYUDAS DIRECTAS AL ESTUDIO

CEUPE, como miembro oficial de la UNITED NATIONS GLOBAL COMPACT, defiende que la formación de calidad es un Derecho Humano Fundamental, piedra angular de la sociedad del conocimiento y elemento estratégico para el desarrollo Sostenible y la inclusión social.

Por ello dota una gran parte de sus recursos financieros a fin de ofrecer a sus alumnos Programas Internacionales de Ayudas Económicas a las que pueden optar si reúnen los requisitos exigidos, por ejemplo el PROGRAMA GLOBAL LEARNING que ofrece Ayudas Económicas sobre todos los Másteres y cubre hasta el 65% de su coste.

PAGO EN CUOTAS SIN INTERESES 

CEUPE ofrece a sus alumnos flexibilidad en los pagos que deben afrontar, ofreciendo la posibilidad de fraccionarlos sin intereses y sin intermediación bancaria. Es importante consultar con el orientador académico que informará con detalle de las ayudas dependiendo del programa formativo que se seleccione.

MÁS INFORMACIÓN
Ceremonia de graduación
Impulsa tu Futuro
Metodología de estudio
España
Colombia
Chile
Paraguay
Ecuador
México
Perú
Argentina
República Dominicana
Venezuela
Costa Rica
Bolivia