¡Contacta con nosotros!
Telefono Euroinnova ¡Te llamamos!
Whatsapp Euroinnova 607 061 329
CHAT ONLINE

Menú
EUROINNOVA LOGO
Curso en: España España

Matricúlate en este Master en Ingeniería de Sistemas de Decisión y consigue una doble Titulación expedida por Euroinnova International Online Education y la Universidad Antonio de Nebrija

Modalidad
Online
Duración - Créditos
725 horas - 5 ECTS
Baremable Oposiciones
Administración pública
Becas y Financiación
sin intereses
Equipo Docente
Especializado
Acompañamiento
Personalizado

Opiniones de nuestros alumnos

Media de opiniones en los Cursos y Master online de Euroinnova

Nuestros alumnos opinan sobre: Master en Ingenieria de Sistemas de Decision + Titulacion Universitaria

4,6
Valoración del curso
100%
Lo recomiendan
4,9
Valoración del claustro

Pablo V.

SALAMANCA

Opinión sobre Master en Ingenieria de Sistemas de Decision + Titulacion Universitaria

Muy buen máster online, los contenidos aparecen muy bien estructurados y se entienden con facilidad. Además, he notado mucho mi mejoría en cuanto minería de datos y toma de decisiones, por lo que el Master en Ingeniería de Sistemas de Decisión ha cumplido mis expectativas.

David P.

TERUEL

Opinión sobre Master en Ingenieria de Sistemas de Decision + Titulacion Universitaria

La buena accesibilidad a la plataforma de Euroinnova me ha facilitado mucho la realización del Master en Ingeniería de Sistemas de Decisión. Además poder contar con los materiales para consultarlos siempre que surja alguna duda es algo que valoro muy positivamente. Mi enhorabuena a la escuela

Carlos I.

TERUEL

Opinión sobre Master en Ingenieria de Sistemas de Decision + Titulacion Universitaria

Todo lo que he aprendido en este Master en Ingeniería de Sistemas de Decisión me ha parecido muy interesante, sobre todo los conocimientos avanzados sobre Six Sigmna. Tras haber finalizado mi formación puedo decir que conozco y domino varias herramientas de tratamiento de datos y puedo enfrentarme de una forma mucho más eficiente a una toma de decisión.

Sergio T.

MADRID

Opinión sobre Master en Ingenieria de Sistemas de Decision + Titulacion Universitaria

En este Master en Ingeniería de Sistemas de Decisión he podido aprender a manejar un sistema gestor de bases de datos relacionales para almacenar y manipular datos, entre otras muchas cosas. Respecto a la plataforma online de Euroinnova debo decir que es de lo mejor que he visto. Lo recomiendo sin duda.

Silvia M.

BARCELONA

Opinión sobre Master en Ingenieria de Sistemas de Decision + Titulacion Universitaria

Me decidí por este Master en Ingeniería de Sistemas de Decisión con motivo de aumentar mi formación y por la atención recibida antes de matricularme, ya que los asesores de Euroinnova fueron muy atentos conmigo. Tras haber finalizado la formación solo puedo decir cosas buenas, atención y formación de 10.
* Todas las opiniones sobre Master en Ingenieria de Sistemas de Decision + Titulacion Universitaria, 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.
Alumnos

Plan de estudios de Master en ingeniería de sistemas de decisión

MASTER EN INGENIERÍA DE SISTEMAS DE DECISIÓN. Realiza ya este Master para poder especializarte en todo sobre la Ingeniería de Sistemas de Decisión y convertirte en un profesional. Matricúlate en Euroinnova para poder conseguir tus metas profesionales. ¡No dudes en preguntarnos!.

Resumen salidas profesionales
de Master en ingeniería de sistemas de decisión
La toma de decisiones es uno de los ejes principales en torno a los cuáles gira la gestión de cualquier tipo de organización o entidad, ya que la mayor parte de las acciones a llevar a cabo dependen, en mayor o menor medida, de una decisión previa. Realizar la elección adecuada en cada situación puede resultar fundamental para asegurar el buen funcionamiento y la supervivencia de la entidad en cuestión, ya se trate de una empresa, una administración pública, una ONG, etc. Ante la enorme cantidad de información a la que se tiene acceso hoy día, el proceso de toma de decisiones puede optimizarse en gran medida, si esta sabe emplearse y analizarse de la forma adecuada, ya que en caso contrario los resultados podrían no ser los esperados. La ingeniería de sistemas de decisión se centra precisamente en la búsqueda, clasificación, gestión y análisis de la información disponible, con el objetivo de obtener una base sólida sobre la que tomar una decisión. A través del presente Master en Ingenieria de Sistemas de Decision se ofrece al alumnado la formación adecuada para especializarse en uno de los sectores profesionales con mayor demanda de personal cualificado en la actualidad.
Objetivos
de Master en ingeniería de sistemas de decisión
Entre los objetivos del Master en Ingenieria de Sistemas de Decision destacamos: - Conocer los elementos fundamentales de la ingeniería de la decisión. - Aprender a realizar la modelización y tratamiento de la incertidumbre. - Conocer la simulación y metaherísticas. - Conocer un Sistema Gestor de Bases de Datos Relacionales (SGBDR) para almacenar y manipular datos. - Describir los principales comandos más utilizados del lenguaje SQL (independientemente de las variaciones realizadas por los editores de los diferentes SGBDR) para permitir al alumno hacerse cargo rápidamente de una base de datos relacional y ser capaz de crear tablas, de consultarlas, de modificarlas, de insertar y suprimir registros. - Conocer los aspectos fundamentales sobre la minería de datos. - Aprender las técnicas de aplicación. - Aplicar técnicas descriptivas y predictivas de clasificación. - Desarrollar campañas. - Conocer las tecnologías disponibles para realizar estrategias de Big Data para Ingenierías, realizar un desarrollo con Spark y Hadoop y analizar datos con Pig Hive e Impala. - Aplicar los algoritmos utilizados en Big Data, aprender el lenguaje R para su uso en Big Data, realizar un desarrollo con R y Hadoop, así como realizar Data Mining con Weka. - - Conocer los fundamentos del Lean Six Sigma. - Aprender sobre el desarrollo de proyectos de mejora de procesos. - Estudiar el Método DMAIC. - Adquirir los conocimientos estadísticos avanzados necesarios para la aplicación del Six Sigma. - Saber gestionar los equipos de trabajo de proyectos de mejora Lean Six Sigma.
Salidas profesionales
de Master en ingeniería de sistemas de decisión
Una vez finalizada tu formación en el presente máster, habrás adquirido los conocimientos y habilidades que aumentarán tus expectativas laborales en los siguientes sectores: Gestión de bases de datos, análisis de datos, big data, mineria de datos, data mining, toma de decisiones, gestión y dirección, etc.
Para qué te prepara
el Master en ingeniería de sistemas de decisión
Gracias al Master en Ingenieria de Sistemas de Decision podrás adquirir los conocimientos y competencias profesionales adecuadas para desarrollar una carrera profesional, especializándote en áreas de gran interés en la actualdiad como son la minería de datos, el big data, la gestión de bases de datos, la getión de la calidad con six sigma, etc.
A quién va dirigido
el Master en ingeniería de sistemas de decisión
El Master en Ingenieria de Sistemas de Decision se dirige a estudiantes y profesionales de cualquier ámbito o actividad, que como parte del desarrollo de sus funciones deba enfrentarse a la toma de decisiones por medio del análisis de todo tipo de datos e información. De igual forma, se dirige a cualquier persona que por cuestiones personales o profesionales quiera aprender todo lo relativo a la ingeniería de sistemas de decisión.
Metodología
de Master en ingeniería de sistemas de decisión
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.

Temario de Master en ingeniería de sistemas de decisión

Descargar GRATIS
el temario en PDF
Estoy de acuerdo con la Política de privacidad y Condiciones de Matriculación. Información básica sobre Protección de Datos aquí.

  1. Ventajas e inconvenientes de las baes de datos
  2. Conceptos generales
  3. El modelo entidad-relación
  4. El modelo entidad-relación extendido
  5. Restricciones de integridad
  1. Estructura del modelo relacional
  2. Claves en el modelo relacional
  3. Restricciones de integridad
  4. Teoría de la normalización
  5. Diseño de una base de datos relacional
  6. Tipos de lenguajes relacionales
  1. Caracterísiticas de SQL
  2. Sistemas de Gestión de Bases de Datos con soporte SQL
  3. Sintaxis en SQL
  4. Especificación de restricciones de integridad
  1. Caracterísiticas de MySQL
  2. Tipos de datos
  3. Sisntaxis SQL para MySQL
  1. Posibles fallos en una base de datos
  2. Elementos de recuperación
  3. Tipos de soporte
  4. RAID
  5. Servidores remotos de salvaguarda de datos
  6. Diseño de un plan de salvaguarda y protocolo de recuperación de datos
  7. Tipos de salvaguardas de datos
  8. RTO (Recovery Time Objective) y RPO (Recovery Point Objective)
  9. Mecanismos de verificación de la integridad de las copias de seguridad
  1. Definición de SGBD distribuido. Principales ventajas y desventajas
  2. Características esperadas en un SGBD distribuido
  3. Clasificación de los SGBD distribuidos
  4. Enumeración y explicación de las reglas de DATE para SGBD distribuidos
  5. Replicación de la información en bases de datos distribuidas
  6. Procesamiento de consultas
  7. Descomposición de consultas y localización de datos
  1. Conceptos de seguridad de los datos: confidencialidad, integridad y disponibilidad
  2. Normativa legal vigente sobre datos
  3. Supuestos prácticos
  1. Herramientas para importar y exportar datos
  2. Clasificación de las herramientas
  3. Ejemplo de ejecución de una exportación e importación de datos
  4. Migración de datos entre diferentes SGBD
  5. Inconvenientes al traspasar datos entre distintos SGBD

  1. Conceptos básicos, técnicas y sistemas
  2. Implantación en la empresa
  3. Definición de la necesidad
  4. Objetivos
  5. Costes
  6. Áreas de aplicación
  1. Redes neuronales de modelización predictiva
  2. Algoritmos matemáticos
  3. Árboles de decisión
  4. Técnicas de visualización de datos
  5. Elección de la técnica
  6. Explotación de datos según las necesidades de las diferentes áreas del negocio
  7. Ventajas
  1. Segmentación
  2. Clasificación y segmentación de clientes
  3. Ofertas
  4. Fidelizar clientes
  5. Operaciones básicas para descubrir la información oculta
  6. Estructurar la información
  1. Herramientas para la fidelización
  2. Entornos transaccionales
  3. Acciones promocionales puntuales
  4. Utilidad del conocimiento
  5. Reportes estándares, simulaciones ad-hoc y procesamiento de la información LOPD

  1. ¿Qué es Big Data?
  2. Paradigmas de procesamiento en Big Data
  3. Las 8 V de Big Data (Volumen, Volatilidad, Variedad, Valor, Velocidad, Variabilidad, Veracidad, Validez).
  1. MapReduce

    2. - Entorno MapReduce

    - Función Map y función Reduce

    - Flujo de datos

    - Características de MapReduce

    - Uso de MarpReduce

    - Ventajas e inconvenientes de Map Reduce

    - Ejercicios y ejemplos con MapReduce

  2. Hadoop

    3. - Entorno Hadoop

    - Almacenamiento: HDFS

    - Características de HDFS

  3. Apache Hadoop YARN

    4. - Funciones de Framework computacionales

    - YARN: El gestor de recursos del cluster

    - Conceptos de Apache Spark

    - Ejecución de Computational Frameworks en YARN

    - Exploración de las aplicaciones de YARN Applications a través de la Web UIs y de Shell

  4. Agregación de los logs de YARN

    5. - Configuración de Hadoop y registros de Daemon

    - Localizar configuraciones y aplicar cambios de configuración

    - Gestión de instancias de Role y añadir servicios

    - Configuración del servicio HDFS

    - Configuración de los logs de Hadoop Daemon

    - Configuración del servicio YARN

  5. Obtención de datos en HDFS

    6. - Ingestión de datos desde fuentes de recursos externos con Flume

    - Ingestión de datos desde bases de datos relacionales con Sqoop

    - REST Interfaces

    - Buenas prácticas para la importación de datos

  6. Planificación de un cluster Hadoop

    7. - Consideraciones generales de planificación

    - Elección correcta de Hardware

    - Opciones de Virtualización

    - Consideraciones de red

    - Configuración de nodos

  7. Instalación y configuración de Hive, Pig e Impala
  8. Clientes Hadoop incluidos en Hue

    9. - ¿Qué es un cliente de Hadoop?

    - Instalación y configuración de clientes Hadoop

    - Instalación y configuración de Hue

    - Autorizaciones y autenticación Hue

  9. Configuración avanzada de un cluster

    10. - Parámetros avanzados de configuración

    - Configuración de puertos Hadoop

    - Configuración de HDFS para la organización en rack

    - Configuración de HDFS para obtención de alta disponibilidad

  10. Seguridad Hadoop

    11. - ¿Por qué es importante la seguridad en Hadoop?

    - Conceptos del sistema de seguridad de Hadoop

    - Qué es Kerberos y cómo funciona

    - Securización de un clúster Hadoop Cluster con Kerberos

    - Otros conceptos de seguridad

  11. Gestión de recursos

    12. - Configuración de cgroups con Static Service Pools

    - El Fair Scheduler

    - Configuración de Dynamic Resource Pools

    - Configuraciones de CPU y memoria YARN

    - Impala Query Scheduling

  12. Mantenimiento de un cluster

    13. - Chequeo del estado de HDFS

    - Copia de datos entre clústers

    - Añadir y eliminar de nodos en el clúster

    - Rebalanceo del Cluster

    - Directorio de Snapshots

    - Actualización del clúster

  13. Solución de problemas y monitorización de un cluster

    14. - Sistema general de monitorización

    - Monitorización de clústers Hadoop

    - Solución de problemas habituales en el clúster de Hadoop

    - Errores habituales en la configuración

  1. Data Science

    2. - Que hacen los data scientists, herramientas y procesos que utilizan

    - Aplicación de lo aprendido en módulo 2: Uso de Hue

  2. Apache Spark

    3. - Cómo trabaja Apache Spark y que capacidades nos ofrece

    - Que formatos de ficheros populares puede usar Spark para almacenar datos

    - Que lenguajes de programación puedes utilizar para trabajar con Spark

    - Cómo empezar a utilizar PySpark y Sparklyr

    - Cómo comparar PySpark y Sparklyr

  3. Machine Learning

    4. - ¿Qué es machine learning?

    - Algunos conceptos y términos importantes

    - Diferentes tipos de algoritmos

    - Librerías que se utilizan

  4. Apache Spark MLlib

    5. - Que capacidades de machine learning nos proporciona MLlib

    - Cómo crear, validar y utilizar modelos de machine learning con MLlib

    - Ejecución de trabajos Apache Spark

    - Cómo un trabajo de Spark se compone de una secuencia de transformaciones seguida de una acción

    - Cómo Spark utiliza la ejecución lenta

    - Cómo Spark divide los datos entre las particiones

    - Cómo ejecuta Spark operaciones limitadas y grandes

    - Cómo Spark ejecuta un trabajo en tareas y fases

  1. Datasets y Dataframes
  2. Operaciones en Dataframe
  3. Trabajar con Dataframes y Schemas
  4. Crear Dataframes a partir de Data Sources
  5. Guardar DataFrames en Data Sources
  6. DataFrame Schemas
  7. Rapidez y lentitud de ejecución
  8. Análisis de datos con consultas de DataFrame

    9. - Consultar DataFrames con el empleo de expresiones de columna

    - Agrupación y agregación de consultas

    - Unión de DataFrames

  9. RDD

    10. - Introducción RDD

    - RDD Data Sources

    - Creando y guardando RDDs

    - Operaciones con RDDs

  10. Transformación de datos con RDDs

    11. - Escritura y paso de funciones de transformación

    - Ejecuciones de transformación

    - Conversión entre RDDs y DataFrames

  11. Agregación de datos con Pair RDDs

    12. - Key-Valué Pair RDDs

    - Mal-Reduce

    - Otras operaciones Pair RDD

  12. Consulta y vistas de tablas con Spark SQL

    13. - Datasets y DataFrames

    - Creación de Datasets

    - Ejecución y guardado de Datasets

    - Operaciones de Dataset

  13. Creación, configuración y ejecución de aplicaciones Spark

    14. - Creación de una aplicación Spark

    - Compilar y ejecutar la aplicación

    - Application Deployment Mode

    - La interfaz Spark Application Web UI

    - Configuración de las propiedades de la aplicación

  14. Procesamiento distribuido

    15. - Apache Spark en un Clúster

    - Particiones RDD

    - Ejemplo: Particionamiento en consultas

    - Etapas y Tareas

    - Planificación de tareas de ejecución

  15. Persistencia de datos distribuidos

    16. - Persistencia en Datasets y DataFrames

    - Persistencia en niveles de almacenamiento

    - Visualización de RDDs persistentes

  16. Patrones comunes al procesar datos con Spark

    17. - Casos comunes de uso de Spark

    - Algoritmos de iteración en Apache Spark

    - Machine Learning

  17. Spark Streaming: Introducción a DStreams

    18. - Vista general de Spark Streaming

    - DStreams

    - Desarrollo de aplicaciones en Streaming

  18. Spark Streaming: procesamiento de múltiples lotes

    19. - Operaciones Multi-Batch

    - Time Slicing

    - Operaciones de estado

    - Operaciones Sliding Window

    - Vista previa: Streaming estructurado

  19. Apache Spark Streaming: Data Sources

    20. - Vista general de Streaming Data Source

    - Apache Flume y Apache Kafka Data Sources

    - Ejemplo: uso de un Kafka Direct Data Source

  1. Introducción a Pig

    2. - ¿Qué es Pig?

    - Características de Pig

    - Casos de empleo de Pig

    - Interacción con Pig

  2. Análisis de datos básico con Pig

    3. - Sintaxis Pig Latin

    - Carga de datos

    - Tipos simples de datos

    - Definición de campos

    - Datos de salida

    - Vistas y esquemas

    - Filtrado y ordenación de datos

    - Funciones habituales

  3. Procesado de datos complejos con Pig

    4. - Formatos de almacenamiento

    - Tipos de datos complejos y anidados

    - Agrupaciones

    - Funciones predefinidas para datos complejos

    - Iteración de datos agrupados

  4. Operaciones con multiconjuntos de datos con Pig

    5. - Técnicas para combinar conjuntos de datos

    - Unión de conjuntos de datos con Pig

    - Conjunto de operaciones

    - División de conjuntos de datos

  5. Troubleshooting y optimización de Pig

    6. - Troubleshooting en Pig

    - Inicio de sesión

    - Empleo de UI web Hadoop

    - Muestreo de datos y depuración

    - Visión general del rendimiento

    - Comprensión del plan de ejecución

    - Consejos para mejorar el rendimiento de Jobs en Pig

  6. Introducción a Hive e Impala

    7. - ¿Qué es Hive?

    - ¿Qué es Impala?

    - ¿Por qué utilizar Hive e Impala?

    - Schema y almacenamiento de datos

    - Comparación entre Hive y bases de datos tradicionales

    - Casos de uso

  7. Consultas con Hive e Impala

    8. - Tablas y bases de datos

    - Sintaxis básica en consultas Hive e Impala

    - Tipos de datos

    - Empleo de Hue para ejecutar consultas

    - Empleo de Beeline (la Shell de Hive)

    - Empleo de la Shell de Impala

  8. Administración de datos

    9. - Almacenamiento de datos

    - Creación de bases de datos y tablas

    - Carga de datos

    - Alteración de bases de datos y tablas

    - Simplificación de consultas con vistas

    - Almacenamiento de resultados de consultas

  9. Almacenamiento y datos de rendimiento

    10. - Partición de tablas

    - Carga de datos en tablas particionadas

    - Cuándo utilizar el particionamiento

    - Elección de formato de almacenamiento

    - Gestión de metadatos

    - Control de acceso a datos

  10. Análisis de datos relacional con Hive e Impala

    11. - Unión de conjuntos de datos

    - Funciones predefinidas habituales

    - Agregaciones y Windowing

  11. Datos complejos con Hive e Impala

    12. - Datos complejos con Hive

    - Datos complejos con Impala

  12. Análisis de texto con Hive e Impala

    13. - Empleo de expresiones regulares

    - Procesamiento de texto con SerDes en Hive

    - Análisis de los sentimientos y N•Grams

  13. Optimización Hive

    14. - Rendimiento de las consultas

    - Bucketing

    - Indexación de datos

    - Hive en Spark

  14. Optimización de Impala

    15. - Ejecución de consultas

    - Mejorar el rendimiento de Impala

  15. Extendiendo Hive e Impala

    16. - Customizar SerDes y formatos de fichero en Hive

    - Transformación de datos con Scripts personalizados en Hive

    - Funciones definidas por el usuario

    - Consultas parametrizadas

    - Comparación entre MapReduce, Pig, Hive, Impala, y bases de datos relacionales. ¿Cuál elegir?

  1. Introducción a la minería de datos y el aprendizaje automático

    2. - Proceso KDD

    - Modelos y Técnicas de Data Mining

    - Áreas de aplicación

    - Minería de textos y Web Mining

    - Data mining y marketing

  1. Instalación de R y RStudio

    2. - Introducción al lenguaje

    - Historia e Introducción a R

    - Operaciones Básicas y Números

    - Atributos, Entrada y Coerción

    - Matrices

    - Precedencia Operaciones Vectoriales

    - Manejo de fechas y tiempo

    - Listas, Factores, Valores Faltantes y Dataframes

    - Subconjuntos de Datos

    - Leer y Escribir Datos

  2. Uso del lenguaje

    3. - Estructuras de Control

    - Funciones

    - Reglas de Alcance

  3. Sistema de gráficos

    4. - Funciones *apply: apply

    - Funciones *apply: lapply / sappy

    - Funciones *apply: mapply / rep

    - Graficación con el Sistema de Base de Gráficos

    - Algunas Funciones Gráficas de Alto Nivel

    - Parámetros en el Sistema de Gráficos

    - Colores en el Sistema de Gráficos

    - Graficación con Notación Matemática

    - Graficación con texto y notación matemática

    - Creación de Gráficas en 3D

  4. Expresiones regulares. Gráficas con ggplot2 y Simulación

    5. - Expresiones Regulares

    - Paquete de gráficos ggplot2

    - Simulación

  5. R en el mundo real

    6. - Estadística Descriptiva y Predictiva con R

    - Integración de R en Hadoop

  1. Obtención y limpieza de los datos (ETL)
  2. Inferencia estadística
  3. Pruebas de hipótesis
  4. Modelos de regresión
  5. Árboles de Decisión
  6. Algoritmos de Clasificación / Regresión (J48/C5.0, M5P)
  7. Normalización, Tipos de distancia, Correlación
  8. Machine Learning
  9. Comparar Artículos (k-NN)
  10. Modelo predictivo de profit (k-NN, M5P...)
  11. Modelo predictivo de clasificación (J48, k-NN)
  1. Inteligencia Analítica de negocios
  2. La teoría de grafos y el análisis de redes sociales
  3. Presentación de resultados
  1. ¿Qué es Hadoop?
  2. El sistema de archivos HDFS
  3. Algunos comandos de referencia
  4. Procesamiento MapReduce con Hadoop
  5. El concepto de los clusters en Hadoop
  1. ¿Qué es Weka?
  2. Técnicas de Data Mining en Weka
  3. Interfaces de Weka
  4. Selección de atributos

  1. ¿Qué es el Six Sigma?
  2. Historia y Aplicación del Six Sigma
  3. Otros Métodos de Mejora de los Procesos de Calidad
  4. Conceptos de Lean
  5. Conceptos Básicos de Six Sigma
  6. Definición de los Problemas
  1. ¿Qué es un proceso?
  2. La Gestión de la Calidad
  3. Seleccionar los Proyectos Adecuados
  4. Principios de Gestión Básica del Equipo Six Sigma
  5. Introducción a los métodos DMAIC y DMADV
  1. Definir
  2. Medir
  3. Analizar
  4. Mejorar
  5. Controlar
  1. Análisis Gráfico
  2. Distribución Normal de la Probabilidad
  3. Correlación y Regresión
  1. Distribución No-Normal de la Probabilidad
  2. Evaluación de la Hipótesis
  3. El Tamaño de la Muestra
  4. Gráficos de Control Avanzados
  5. Estadística en Aplicaciones de Negocios a Través del Six Sigma
  1. Introducción a Minitab
  2. Gráficos y Herramientas de Calidad de Minitab
  3. El Menú Estadísticas en Minitab
  1. Análisis de Varianza (ANOVA)
  2. Diseño de Experimentos
  3. Interacciones, Factores Multinivel y Creación de Experimentos
  1. Tormenta de Ideas y otras Herramientas de Mejora de Procesos
  2. Mapas de Procesos
  3. Monitoreo de la Cadena de Valor

Titulación de Master en ingeniería de sistemas de decisión

Doble Titulación:

Titulación de Master en Ingeniería de Sistemas de Decisión con 600 horas expedida por EUROINNOVA INTERNATIONAL ONLINE EDUCATION, miembro de la AEEN (Asociación Española de Escuelas de Negocios) y CLADEA (Consejo Latinoamericano de Escuelas de Administración)

Titulación Universitaria en Creación y Gestión de Base de Datos SQL con 5 Créditos Universitarios ECTS. Formación Continua baremable en bolsas de trabajo y concursos oposición de la Administración Pública.

Master EuroinnovaMaster en ingeniería de sistemas de decisiónCurso homologado universidad Antonio de Nebrija

EURO - EUROINNOVA - Privados

Cursos relacionados

Maestria en Ingenieria de Sistemas y de la Computacion
MAESTRÍA EN INGENIERÍA DE SISTEMAS: Maestría en Ingeniería de Sistemas y de la Computación
4,8
1495€
Ver Curso
Maestria en Ingenieria de Sistemas Automaticos y Electronica Industrial
MAESTRÍA INGENIERÍA DE SISTEMAS: Maestría en Ingeniería de Sistemas Automáticos y Electrónica Industrial
4,8
1495€
Ver Curso
Maestria en Sistemas Computacionales. Especializacion en Ingenieria de Software
MAESTRÍA EN INGENIERÍA DE SOFTWARE: Maestría en Sistemas Computacionales. Especialización en Ingeniería de Software (Validez oficial otorgada por la SEP)
4,8
3800€
Ver Curso
Master en Ingenieria de Software y Sistemas Informaticos + Titulacion Universitaria
MASTER EN INGENIERÍA DE SOFTWARE: Master en Ingeniería de Software y Sistemas Informáticos + Titulación Universitaria
4,8
1495€
Ver Curso

Claustro docente de Master en ingeniería de sistemas de decisión

Euroinnova Formación
Ana Belén Salinas Lozano
Tutor
Titulado Universitario 2 ciclo o Licenciado - Licenciado en Psicopedagogía, Titulado Universitario 1 ciclo o Diplomado - Maestro-Especialidad de Educación Primaria
Su formación +
Linkedin Euroinnova
Euroinnova Formación
Emilio Romero Sánchez
Tutor
Formación Profesional de Grado Superior - Diseño y producción editorial
Su formación +
Linkedin Euroinnova
Euroinnova Formación
Jesús Morales Domínguez
Tutor
Titulado Universitario 2 ciclo o Licenciado - Licenciado en Ciencias del Trabajo, Titulado Universitario 1 ciclo o Diplomado - Diplomado en Turismo
Su formación +
Linkedin Euroinnova

7 razones para realizar el Master en ingeniería de sistemas de decisión

1
Nuestra experiencia

Más de 20 años de experiencia en la formación online.

Más de 300.000 alumnos ya se han formado en nuestras aulas virtuales.

Alumnos de los 5 continentes.

25% de alumnado internacional.

Las cifras nos avalan
Logo google
4,7
2.625 Opiniones
Logo youtube
8.582
suscriptores
Logo facebook
4,4
12.842 Opiniones
Logo youtube
5.856
Seguidores
2
Nuestra Metodología

Flexibilidad

Aprendizaje 100% online, flexible, desde donde quieras y como quieras

Docentes

Equipo docente especializado. Docentes en activo, digitalmente nativos

Acompañamiento

No estarás solo/a. Acompañamiento por parte del equipo de tutorización durante toda tu experiencia como estudiante.

Aprendizaje real

Aprendizaje para la vida real, contenidos prácticos, adaptados al mercado laboral y entornos de aprendizaje ágiles en campus virtual con tecnología punta

Seminarios

Seminarios en directo. Clases magistrales exclusivas para los estudiantes

3
Calidad AENOR

Se llevan a cabo auditorías externas anuales que garantizan la máxima calidad AENOR.

Nuestros procesos de enseñanza están certificados por AENOR por la ISO 9001, 14001 y 27001.

Certificación de calidad
4
Confianza

Contamos con el sello de Confianza Online y colaboramos con las Universidades más prestigiosas, Administraciones Públicas y Empresas Software a nivel Nacional e Internacional.

Confianza logo Proteccion logo
5
Empleo y prácticas

Disponemos de Bolsa de Empleo propia con diferentes ofertas de trabajo, y facilitamos la realización de prácticas de empresa a nuestro alumnado.

6
Nuestro Equipo

En la actualidad, Euroinnova cuenta con un equipo humano formado por más de 300 profesionales. Nuestro personal se encuentra sólidamente enmarcado en una estructura que facilita la mayor calidad en la atención al alumnado.

7
Somos distribuidores de formación

Como parte de su infraestructura y como muestra de su constante expansión, Euroinnova incluye dentro de su organización una editorial y una imprenta digital industrial.

Paga como quieras

Financiación 100% sin intereses

Hemos diseñado un Plan de Becas para facilitar aún más el acceso a nuestra formación junto con una flexibilidad económica. Alcanzar tus objetivos profesionales e impulsar tu carrera profesional será más fácil gracias a los planes de Euroinnova.

Si aún tienes dudas solicita ahora información para beneficiarte de nuestras becas y financiación.

25%
Antiguos Alumnos

Como premio a la fidelidad y confianza de los alumnos en el método EUROINNOVA, ofrecemos una beca del 25% a todos aquellos que hayan cursado alguna de nuestras acciones formativas en el pasado.

20%
Beca Desempleo

Para los que atraviesan un periodo de inactividad laboral y decidan que es el momento idóneo para invertir en la mejora de sus posibilidades futuras.

15%
Beca Emprende

Una beca en consonancia con nuestra apuesta por el fomento del emprendimiento y capacitación de los profesionales que se hayan aventurado en su propia iniciativa empresarial.

15%
Beca Amigo

La beca amigo surge como agradecimiento a todos aquellos alumnos que nos recomiendan a amigos y familiares. Por tanto si vienes con un amigo o familiar podrás contar con una beca de 15%.

* Becas aplicables sólamente tras la recepción de la documentación necesaria en el Departamento de Asesoramiento Académico. Más información en el 900 831 200 o vía email en formacion@euroinnova.es

* Becas no acumulables entre sí

* Becas aplicables a acciones formativas publicadas en euroinnova.es

Materiales entregados con el Master en ingeniería de sistemas de decisión

Información complementaria

Preguntas al director académico sobre el Master en ingeniería de sistemas de decisión

Artículos relacionados

1495 €
1495 €
Cómodos plazos sin intereses + Envío gratis
InnovaPAY
Simulador de cuotas, selecciona número de cuotas:
150 € / mes
¿Tienes dudas?
Llámanos gratis al 900 831 200
Matricúlate
Datos personales
+34
Dirección de envío
Guardar
Becas ofrecidas por la Fundación Euroinnova
Beca del 25% Antiguos alumnos
Beca del 20% de desempleo
Beca del 15% Emprendimiento
Beca del 15% Amigo
Sin beca
Resumen matrícula:

Precio original

1495 €

Beca exclusiva 0%

-0 €

Precio final:

1495 €

Método de pago
Selecciona el número de plazos:
1495 € / mes en cuotas, SIN INTERESES
VisaMasterCardAmerican ExpressDinersClub InternationalMaestrovisaelectronDiscover Network Card
PayPal
Amazon Pay
Bizum
Google Pay
Contrarrembolso Contrarrembolso
Métodos de pago verificados
Síguenos
Facebook Instagram Linkedin Pinterest Twitter Youtube Telegram
Euroinnova Business School
Directorio Oficial Euroinnova
Aviso Legal | Condiciones de Matriculación | Política de Privacidad | Política de Cookies
Tablón De Anuncios © 2004 / 2023
trustmark
star-graystar-graystar-graystar-graystar-gray
star-yellowstar-yellowstar-yellowstar-yellowstar-yellow

4,61

Excelente

ellipsis

Protección al Comprador

Cookies

Este sitio web utiliza cookies propias y de terceros para mejorar los servicios relacionados con tus preferencias, mediante el análisis de tus hábitos de navegación. En caso de que rechace las cookies, no podremos asegurarle el correcto funcionamiento de las distintas funcionalidades de nuestra página web.

Puede obtener más información y cambiar su configuración en nuestra Política de Cookies.

Configurar

Tardarás 3 minutos

El responsable del tratamiento es Euroinnova International Online Education