Euroinnova Business School

master data science y analisis de datos

MASTER DATA SCIENCIE Y ANALISIS DE DATOS: Master Data Science y Analisis de Datos + 60 Creditos ECTS
(MASTER DATA SCIENCIE Y ANALISIS DE DATOS con TITULACION UNIVERSITARIA de la UNIVERSIDAD UNNE)

master data science y analisis de datos
Modalidad
Modalidad
Online
Duración - Créditos
Duración - Créditos
1500 horas - 60 ECTS
Baremable Oposiciones
Baremable Oposiciones
Administración pública
Becas y Financiación
Becas y Financiación
Sin Intereses
Equipo Docente Especializado
Equipo Docente Especializado
Acompañamiento Personalizado
Acompañamiento Personalizado

Master Data Science y Analisis de Datos. Realiza este Master Data Science y Analisis de Datos. Hazte experto en Data Science y Analisis de Datos, gracias a este Master Online con Titulacion expedida por la Univ. Antonio de Nebrija acreditada con 60 Creditos ECTS.

PARA MATRICULARTE INTRODUCE TU EMAIL
MÉTODO DE PAGO
cursos online comprar

cursos online comprar

Sin pago por adelantado
(Pagarás cuando lo recibas)
Tarjeta
Tarjeta
VisaMasterCardAmerican ExpressDinersClub InternationalMaestrovisaelectronDiscover Network Card
Pagar
Amazon Pay
Bizum
Pago a Plazos
Pago a Plazos
VisaMasterCardAmerican ExpressDinersClub InternationalvisaelectronDiscover Network Card
197 / mes en Cuotas, SIN INTERESES
Pagar
197 / mes en Cuotas, SIN INTERESES
Información básica sobre Protección de Datos aquí
En el siguiente punto se procedera con la forma de pago
Pago Seguro Euroinnova
Últimas becas
RELLENA TUS DATOS
Y TE LLAMAMOS GRATIS
+34
Estoy de acuerdo con la Política de privacidad y Condiciones de matriculación
Información básica sobre Protección de Datos aquí

Información y contenidos de: master data science y analisis de datos

Titulación Propia Universitaria expedida por la Universidad Antonio de Nebrija con 60 créditos ECTS.

Curso homologado universidad Antonio de Nebrija

MANI - Master INESEM Nebrija
Manual Master Data Science y Analisis de Datos + 60 Creditos ECTSCurso Online 100% Calidad
¿Te interesa esta formación?
¡MATRICULATE YA!
SOLICITAR INFO

MÓDULO 1. CONCEPTOS PREVIOS EN BIG DATA Y DATA SCIENCE

UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL BIG DATA
  1. ¿Qué es Big Data?
  2. La era de las grandes cantidades de información: historia del big data
  3. La importancia de almacenar y extraer información
  4. Big Data enfocado a los negocios
  5. Open Data
  6. Información pública
  7. IoT (Internet of Things - Internet de las cosas)
UNIDAD DIDÁCTICA 2. FASES DE UN PROYECTO DE BIG DATA
  1. Diagnóstico inicial
  2. Diseño del proyecto
  3. Proceso de implementación
  4. Monitorización y control del proyecto
  5. Responsable y recursos disponibles
  6. Calendarización
  7. Alcance y valoración económica del proyecto
UNIDAD DIDÁCTICA 3. INTRODUCCIÓN AL DATA SCIENCE
  1. ¿Qué es Data Science?
  2. Historia del Data Science
  3. ¿Qué función tiene un Científico de datos?
  4. Data Science vs Big Data. Principales diferencias

MÓDULO 2. ARQUITECTURA BIG DATA

UNIDAD DIDÁCTICA 1. BATCH PROCESSING.
  1. Hadoop
  2. Pig
  3. Hive
  4. Sqoop
  5. Flume
  6. Spark Core
  7. Spark 2.0
UNIDAD DIDÁCTICA 2. STREAMING PROCESSING.
  1. Fundamentos de Streaming Processing
  2. Spark Streaming
  3. Kafka
  4. Pulsar y Apache Apex
  5. Implementación de un sistema real-time
UNIDAD DIDÁCTICA 3. SISTEMAS NOSQL.
  1. Hbase
  2. Cassandra
  3. MongoDB
  4. NeoJ
  5. Redis
  6. Berkeley DB
UNIDAD DIDÁCTICA 4. INTERACTIVE QUERY.
  1. Lucene + Solr
UNIDAD DIDÁCTICA 5. SISTEMAS DE COMPUTACIÓN HÍBRIDOS.
  1. Arquitectura Lambda
  2. Arquitectura Kappa
  3. Apache Flink e implementaciones prácticas
  4. Druid
  5. ElasticSearch
  6. Logstash
  7. Kibana
UNIDAD DIDÁCTICA 6. CLOUD COMPUTING.
  1. Amazon Web Services
  2. Google Cloud Platform
UNIDAD DIDÁCTICA 7. ADMINISTRACIÓN DE SISTEMAS BIG.
  1. Administración e Instalación de clusters: Cloudera y Hortonworks
  2. Optimización y monitorización de servicios
  3. Seguridad: Apache Knox, Ranger y Sentry
UNIDAD DIDÁCTICA 8. VISUALIZACIÓN DE DATOS.
  1. Herramientas de visualización: Tableau y CartoDB
  2. Librerías de Visualización: D, Leaflet, Cytoscape

MÓDULO 3. EXPLOTACIÓN Y ANÁLISIS DE BIG DATA EN DATA SCIENCE

UNIDAD DIDÁCTICA 1. BASES DE DATOS NOSQL Y EL ALMACENAMIENTO ESCALABLE
  1. ¿Qué es una base de datos NoSQL?
  2. Bases de datos Relaciones Vs Bases de datos NoSQL
  3. Tipo de Bases de datos NoSQL: Teorema de CAP
  4. Sistemas de Bases de datos NoSQL
UNIDAD DIDÁCTICA 2. INTRODUCCIÓN A UN SISTEMA DE BASES DE DATOS NOSQL: MONGODB
  1. ¿Qué es MongoDB?
  2. Funcionamiento y uso de MongoDB
  3. Primeros pasos con MongoDB: Instalación y shell de comandos
  4. Creando nuestra primera Base de Datos NoSQL: Modelo e Inserción de Datos
  5. Actualización de datos en MongoDB: Sentencias set y update
  6. Trabajando con índices en MongoDB para optimización de datos
  7. Consulta de datos en MongoDB
UNIDAD DIDÁCTICA 3. ECOSISTEMA HADOOP
  1. ¿Qué es Hadoop? Relación con Big Data
  2. Instalación y configuración de insfraestructura y ecosistema Hadoop
  3. Sistema de archivos HDFS
  4. MapReduce con Hadoop
  5. Apache Hive
  6. Apache Hue
  7. Apache Spark
UNIDAD DIDÁCTICA 4. WEKA Y DATA MINING
  1. ¿Qué es Weka?
  2. Técnicas de Data Mining en Weka
  3. Interfaces de Weka
  4. Selección de atributos
UNIDAD DIDÁCTICA 5. PENTAHO UNA SOLUCIÓN OPEN SOURCE PARA BUSINESS INTELLIGENCE
  1. Una aproximación a Pentaho
  2. Soluciones que ofrece Pentaho
  3. MongoDB & Pentaho
  4. Hadoop & Pentaho
  5. Weka & Pentaho

MÓDULO 4. ANALÍTICA WEB Y BIG DATA

UNIDAD DIDÁCTICA 1. ¿QUÉ ES LA ANALÍTICA WEB?
  1. Introducción
  2. La Analítica Web: Un reto cultural
  3. ¿Qué puede hacer la analítica web por ti o tu empresa?
  4. Glosario de Analítica Web
UNIDAD DIDÁCTICA 2. ANALÍTICA WEB BÁSICA: INTRODUCCIÓN
  1. La analítica web en la actualidad
  2. Definiendo la analítica web
  3. El salto a la analítica web moderna
UNIDAD DIDÁCTICA 3. ANALIZAR LA INFORMACIÓN CUANTITATIVA
  1. Identificar los factores críticos
  2. Otros factores que convienen medir
  3. Las macro y microconversiones
  4. Medir el valor económico
  5. Sitios sin comercio: valores a medir
  6. Medición de sitios BB
UNIDAD DIDÁCTICA 4. ANALIZAR LA INFORMACIÓN CUALITATIVA
  1. Introducción
  2. La usabilidad Web
  3. Pruebas Online y a Distancia
  4. Las encuestas
UNIDAD DIDÁCTICA 5. DEFINICIÓN DE KPIS
  1. Definición de KPIs
  2. KPI, CSF y metas
  3. Principales KPIS
  4. Ejemplos de KPIS
  5. Supuesto práctico: Cálculo de KPI con Excel
UNIDAD DIDÁCTICA 6. CI: INTELIGENCIA COMPETITIVA
  1. Introducción
  2. Recopilar datos de Inteligencia Competitiva
  3. Análisis del tráfico de sitios web
  4. Búsquedas
UNIDAD DIDÁCTICA 7. ANALÍTICA WEB 2.0. MÓVILES Y VÍDEOS
  1. Introducción
  2. La nueva web social y como medir datos
  3. Las aplicaciones
  4. Analizar el comportamiento desde el móvil
  5. Analizar el rendimiento de los vídeos
UNIDAD DIDÁCTICA 8. ANALÍTICA WEB 2.0. REDES SOCIALES
  1. Análisis de Blogs
  2. Coste y beneficios de escribir en un blog
  3. Nuestro impacto en Twitter
  4. Métricas para Twitter
UNIDAD DIDÁCTICA 9. PROBLEMAS Y SOLUCIONES DE LA ANALÍTICA WEB
  1. La calidad de los datos
  2. Obtener datos válidos
  3. ¿En qué basarnos para la toma de decisiones?
  4. Beneficios de análisis multicanal
UNIDAD DIDÁCTICA 10. MÁS ALLÁ DE LOS DATOS
  1. Segmentación en base al comportamiento
  2. Predicción y minería de datos
  3. Rumbo a la analítica inteligente
UNIDAD DIDÁCTICA 11. DEL BIG DATA AL LINKED OPEN DATA
  1. Concepto de web semántica
  2. Linked Data Vs Big Data
  3. Lenguaje de consulta SPARQL

MÓDULO 5. DATA SCIENCE

UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA CIENCIA DE DATOS
  1. ¿Qué es la ciencia de datos?
  2. Herramientas necesarias para el científico de datos
  3. Data Science & Cloud Computing
  4. Aspectos legales en Protección de Datos
UNIDAD DIDÁCTICA 2. BASES DE DATOS RELACIONALES
  1. Introducción
  2. El modelo relacional
  3. Lenguaje de consulta SQL
  4. MySQL: Una base de datos relacional
UNIDAD DIDÁCTICA 3. PRE-PROCESAMIENTO & PROCESAMIENTO DE DATOS
  1. Obtención y limpieza de los datos (ETL)
  2. Inferencia estadística
  3. Modelos de regresión
  4. Pruebas de hipótesis
UNIDAD DIDÁCTICA 4. ANÁLISIS DE LOS DATOS
  1. Inteligencia Analítica de negocios
  2. La teoría de grafos y el análisis de redes sociales
  3. Presentación de resultados

MÓDULO 6. INTRODUCCIÓN A LA PROGRAMACIÓN ESTADÍSTICA

UNIDAD DIDÁCTICA 1. PYTHON Y EL ANÁLISIS DE DATOS
  1. Introducción a Python
  2. ¿Qué necesitas?
  3. Librerías para el análisis de datos en Python
  4. MongoDB, Hadoop y Python: Dream Team del Big Data
UNIDAD DIDÁCTICA 2. R COMO HERRAMIENTA PARA BIG DATA
  1. Introducción a R
  2. ¿Qué necesitas?
  3. Tipos de datos
  4. Estadística Descriptiva y Predictiva con R
  5. Integración de R en Hadoop

MÓDULO 7. CUADRO DE MANDO Y DASHBOARD

UNIDAD DIDÁCTICA 1. DEFINICIÓN DE KPIS
  1. Definición de KPIs
  2. KPI, CSF y metas
  3. Principales KPIS
  4. Ejemplos de KPIS
  5. Supuesto práctico: Cálculo de KPI con Excel
UNIDAD DIDÁCTICA 2. CONCEPTO Y CREACIÓN DE CUADROS DE MANDO
  1. Introducción a los cuadros de mando y dashboard
  2. Estrategias para la creación de un cuadro de mando
  3. Dashboard en Excel o Google Analytics
UNIDAD DIDÁCTICA 3.HERRAMIENTAS PARA LA CREACIÓN DE CUADROS DE MANDO
  1. Aplicaciones gratuitas
  2. Aplicaciones propietarias

MÓDULO 8. DATA WAREHOUSE CON HERRAMIENTAS BI (BUSINESS INTELLIGENCE)

UNIDAD DIDÁCTICA 1. PRESENTACIÓN
  1. Nociones básicas
  2. Concepto de DataWareHouse
UNIDAD DIDÁCTICA 2. DATA WAREHOUSE
  1. Aplicación
  2. Elementos
  3. Data Warehouse en la nube
UNIDAD DIDÁCTICA 3. DATAMART
  1. Datamart
  2. DataMart: Componentes
UNIDAD DIDÁCTICA 4. BASE DE DATOS CENTRAL
  1. Base de datos central
UNIDAD DIDÁCTICA 5. IMPLEMENTACIÓN DE CUBOS 75
  1. Creación de Cubos
  2. Transformación, extracción y carga
UNIDAD DIDÁCTICA 6. SISTEMAS OLAP
  1. Discoverer Administrador
  2. MOLAP, ROLAP & HOLAP
  3. Sistema de Soporte a la Desición (DSS)
  4. Sistemas de Información Ejecutiva (EIS)
  5. Cliente y Servidor
  6. Discoverer Desktop
UNIDAD DIDÁCTICA 7. MINERÍA DE DATOS
  1. Minería de datos
  2. ¿Qué podemos hacer con data Mining?
  3. ¿Qué usos puede tener el data Mining?
  4. Metodología de la minería de datos
  5. Algunas técnicas estadísticas utilizadas en data mining
  6. Árboles de decisión
  7. Reglas de inducción
  8. Redes Bayesanas
  9. Algoritmos Genéticos
UNIDAD DIDÁCTICA 8. CICLO DATA MINING
  1. Ciclo data mining
  2. Minería de Textos y Web Mining
  3. Data mining y marketing

MÓDULO 9. PROYECTO FINAL

Media de opiniones en los Cursos y Master online de Euroinnova

Nuestros alumnos opinan sobre el Master Online Master Data Science y Analisis de Datos + 60 Creditos ECTS

Media de opiniones de los Cursos y Master Euroinnova
Opinión de Rafael
Sobre Master Data Science y Analisis de Datos + 60 Creditos ECTS
ORENSE
El Master Data Science y Analisis de Datos es un Master con un temario actualizado que te brinda la oportunidad de formarte en un nuevo sector muy demandado. Aprende los lenguajes de programación estadística y a manejar grandes volúmenes de información para tus clientes. Interpreta resultados gracias a este Master Data Science y Analisis de Datos y triunfa con esta profesión. Lo recomiendo sin pensarlo
Opinión de Jose Antonio R.O
Sobre Master Data Science y Analisis de Datos + 60 Creditos ECTS
CADIZ
El Master Data Science y Analisis de Datos trata aspectos muy innovadores para conseguir un puesto de trabajo remunerado en una empresa de tu ciudad. Gracias a este Master Data Science y Analisis de Datos he aprendido desde en qué consiste el Data Science y el Big Data hasta saber manejar grandes volúmenes de información y lo más importante de todo, su interpretación. Un Master muy novedoso con el que no te va a faltar el trabajo.
Opinión de Alfredo H. M.
Sobre Master Data Science: Big Data en Marketing Digital + Titulacion Universitaria
SEVILLA
Muy contento de haberme matriculado con Euroinnova. Espero poder volver a disfrutar de sus ofertas.
Opinión de GUSTAVO SEBASTIÁN L. R.
Sobre Curso en Data Science (Titulacion Universitaria + 8 Creditos ECTS)
MONTEVIDEO
Que he aprendido:

La parte de data science

Lo que mas me ha gustado:

data science, y base

Opinión de SAMU V. M.
Sobre Master of Science in Management. Specialization in Marketing
LUGO
Lo que mas me ha gustado: Contenido del temario, duración y precio. No he echado nada en falta.
Opinión de Paula G. F.
Sobre Master Oficial Universitario en Big Data + 60 Creditos ECTS
BARCELONA
En general muy bien. Volveré a matricularme con Euroinnova.
* Todas las opiniones sobre el Master Online Master Data Science y Analisis de Datos + 60 Creditos ECTS, aquí recopiladas, han sido rellenadas de forma voluntaria por nuestros alumnos, a través de un formulario que se adjunta a todos ellos, junto a los materiales, o al finalizar su curso en nuestro campus Online, en el que se les invita a dejarnos sus impresiones acerca de la formación cursada.
Resumen salidas profesionales de master data science y analisis de datos:
El constante crecimiento de la información que se analiza en las empresas día a día y el desarrollo tan grande las tecnologías, hacen que conceptos como Data Science, Big Data, Analisis de datos estén cada vez mas presentes, sobre todo en el ámbito empresarial, haciendo que el papel de analista de datos ó data scientist sea cada vez más demandado y tenga una importancia muy grande en las empresas.Con la realización de este máster podrás optar a trabajar en grandes empresas que tramiten grandes cantidades de datos diariamente y podrás realizar la planificación, análisis y extracción de conclusiones de estos datos para la mejora de las decisiones, a veces vitalmente importantes, que toma la empresa para la mejora de sus productos /ventas/herramientas y que pueden llegar a tomar el valor diferencial con la competencia.
Objetivos de master data science y analisis de datos:
- Aprender en qué consiste el Data Science y el Big Data.- Saber manejar grandes volúmenes de información e interpretarla.- Capacitar para la conversión de datos en productos o servicios.- Desarrollar dashboards para la presentación de información.- Conocer y aprender lenguajes de programación estadística.
Salidas profesionales de master data science y analisis de datos:
Con la realización de este máster podrás optar a los siguientes puestos:- Data Scientist- Analista de datos- Business Intelligence Administrator- Gestor de infraestructuras de Big Data- Business Analist. Y en general cualquier puesto que necesite el análisis de grandes cantidades de datos para la toma de decisiones.
Para qué te prepara el master data science y analisis de datos:
Con este máster en Data Science podrás aprender todos los conocimientos necesarios de Data Science y Big Data para poder convertirse en un profesional que sepa analizar y manejar cantidades de datos elevadas que sirvan para tomar decisiones fundamentales en las empresas para mejorar muchos aspectos de ella. Este máster lo convertirá en un valor diferencial muy a tener en cuenta por las empresas del sector.
A quién va dirigido el master data science y analisis de datos:
Este máster está dirigido a una variedad muy amplia de perfiles con titulación universitaria entre los que destacan los perfiles informáticos y del ámbito matemático, estadístico o económico. Aunque está pensado sobre todo para estos perfiles, existen muchos campos en los que se puede aplicar los contenidos aquí desarrollados.
Metodología de master data science y analisis de datos:
Metodología Curso Euroinnova
Carácter oficial de la formación:
La presente formación no está incluida dentro del ámbito de la formación oficial reglada (Educación Infantil, Educación Primaria, Educación Secundaria, Formación Profesional Oficial FP, Bachillerato, Grado Universitario, Master Oficial Universitario y Doctorado). Se trata por tanto de una formación complementaria y/o de especialización, dirigida a la adquisición de determinadas competencias, habilidades o aptitudes de índole profesional, pudiendo ser baremable como mérito en bolsas de trabajo y/o concursos oposición, siempre dentro del apartado de Formación Complementaria y/o Formación Continua siendo siempre imprescindible la revisión de los requisitos específicos de baremación de las bolsa de trabajo público en concreto a la que deseemos presentarnos.
Comparte con tus amigos: Compartir en Facebook Compartir en Twitter Compartir en Whatsapp Compartir en Linkedin
Es tu momento.
Continúa creciendo profesionalmente con Euroinnova
¡MATRICULATE YA!
Juan Antonio Cortés Ibañez
Grado en Ingeniería en Informática, Máster universitario en Ciencia de Datos
Linkedin Euroinnova Twitter Euroinnova Google Scholar Euroinnova
Rafael Marín Sastre
Titulado Universitario 1 ciclo o Diplomado - Ingeniero Técnico en Informática de Sistemas
Linkedin Euroinnova Twitter Euroinnova Google Scholar Euroinnova

Blogs relacionados con master data science y analisis de datos