Máster en Big Data & Analytics FT en Madrid - España

Máster en Big Data & Analytics.


Formato: Full Time
Modalidad: Presencial
Duración / Créditos: 12 meses / 70 ECTS
Idioma: Español
Campus: MAD


Presentación.

En la actualidad, la información tiene un valor incalculable. Las compañías quieren sacar partido de ese hecho y es por eso que están implementando herramientas relacionadas con el big data. 

Estas implementaciones necesitan profesionales cualificados que extraigan datos y los analicen de manera correcta para recabar información relevante para la empresa. Actualmente y teniendo en cuenta esa necesidad que se plantea, los puestos de trabajo relacionados con el análisis de datos, data science y el big data son los más demandados por las compañías. 

El Máster en Big Data & Analytics de EAE Business School Madrid es un programa desarrollado desde una perspectiva técnica. Te sumergirás de lleno en las herramientas y elementos tecnológicos relacionados con el big data (Python, Tableu o el entorno de Anaconda) y destacarás obteniendo la máxima rentabilidad y eficiencia mediante el tratamiento de datos.  

Con este máster obtendrás paralelamente una amplia perspectiva del mundo empresarial, complementaria a la parte técnica. 

De esa manera, y por medio de la simbiosis entre tecnología y gestión, conseguirás abrirte camino profesionalmente y desarrollarás proyectos con la ayuda de la tecnología. De la misma forma, serás capaz de tomar decisiones eficientes en cualquier compañía, en un ámbito muy actualizado e innovador, además de contar con una gran proyección profesional.

TÍTULO OFICIAL.

Una vez que completes con éxito tu programa, obtendrás una doble titulación: el Máster en Big Data & Analytics por EAE Business School y el Máster Universitario en Análisis de Datos Masivos (Big Data) e Inteligencia Empresarial (Business Intelligence) por la Universidad Internacional de la Empresa (UNIE).


Matricúlate ya y empieza a disfrutar de tu plan de impulso profesional.

Desde el momento de tu matriculación empezaremos a trabajar juntos en la materialización de tu proyecto profesional a través de un plan de desarrollo personalizado. ¿Te lo vas a perder? Solicita información y te lo explicamos.


Razones por las que estudiar este máster en EAE Business School.

Incubadora de negocios propia: Contarás con la ayuda de EAE Lab, una incubadora de negocios propia, que te proporcionará recursos de formación, financiación y asesoramiento necesarios para convertir ideas de proyecto prometedoras en una realidad empresarial.  
Software especializado: Tendrás acceso a licencias gratuitas, herramientas y tecnologías de data warehousing, analytics y machine learning. Además, tendrás la oportunidad de utilizar componentes de Microsoft y Qlik, y lenguajes, como, por ejemplo, SQL y Python.  
Business networking: Dispondrás de opciones para ampliar tu red de contactos profesionales. Tejerás relaciones con el resto de compañeros y tendrás encuentros con directivos de grandes compañías del sector como Cepsa, Cabify, Everis, Volvo o SAP, entre otras muchas.  
Claustro experto: Nuestros profesores son directivos y profesionales que conocen bien la realidad empresarial e investigadores que aportan conocimiento relevante a través de sus estudios y publicaciones. 
Teoría puesta a la práctica: Te enfrentarás a situaciones y casos reales donde tendrás que tomar decisiones que te prepararán para tu desempeño en los contextos profesionales y directivos actuales, desarrollando tu pensamiento crítico y tu capacidad de resolver problemas. 
True Potential Experience: Disfruta de una experiencia que combina el Máster en Big Data & Analytics (Full Time) con un plan de desarrollo profesional personalizado, guiado por un True Potential Advisor, que te ayudará a encontrar tu verdadero potencial, a enfocarlo y desarrollarlo.


Perfil del alumno.
59% Participantes nacionales
3 años Experiencia media
70% Mujeres
30% Hombres

Plan de estudios.

MÓDULO 1
Macrodatos / Big Data
Fundamentos de la tecnología Big Data - 6 ECTS

• Introducción al Big Data. Fuentes de datos en entornos Big data
• Estructuras de datos y tecnologías para selección de datos útiles. Criterios de calidad de datos en Big Data
• Técnicas de rastreo, procesamiento, indexación y recuperación de información estructurada y no estructurada. Principales estrategias de scraping y crawling
• Diseño y explotación de Sistemas de almacenamiento y gestión Big Data
• Sistemas de almacenamiento para Big Data. Sistemas distribuidos. Teorema CAP
• Paradigmas de modelado de datos mas utilizados en entorno Big Data: SQL y NoSQL
• Soluciones tecnológicas Big Data disponibles
• Riesgos y medidas de Seguridad en el Big Data. Legislación y Big Data
• Propiedad intelectual sobre el desarrollo de proyectos de Big Data. Anonimización, privacy by design y análisis de riesgos (Privacy Impact Assessment).
• Privacidad y Big Data. Protección de datos personales en España
• Aseguramiento de la seguridad de la información en entornos Big Data. Fugas de información
• Procesamiento de datos masivos - 6 ECTS
• Introducción a tecnologías y servicios cloud en el análisis masivo de datos
• Desarrollo de aplicaciones escalables
• Tipos de procesamiento Big Data para modelar la lógica de negocio: batch, streaming, arquitectura Lambda, y Kappa
• Modelo de procesamiento MapReduce
• Herramientas y lenguajes de alto nivel para el procesamiento masivo de datos
• Aplicación de soluciones en la nube para procesamiento masivo de datos
• Diseño de una solución Big Data
• Cloud Computing - 6 ECTS
• Virtualización de infraestructura: Infraestructura local vs Cloud, Infraestructura como Servicio (IaaS), Cloud público vs Cloud privado, Plataforma como servicio (PaaS)
• Clouds híbridos. Clouds federados. Estándares Cloud
• Contenedores: Contenedores vs Maquinas virtuales, Contenedores estandarizados, Docker Containers.
• Diseño de aplicaciones en contenedores
• Desarrollo y despliegue de aplicaciones para la nube: metodologías
• Herramientas de automatización de despliegues
•  

MÓDULO 2

• Ciencia de Datos / Data Science
• Estadística avanzada y minería de datos - 6 ECTS
• Técnicas de descripción y modelado de datos complejos
• Modelos de Regresión. Regularización: ridge y lasso
• Métodos núcleo y splines. Función de pérdida
• Aprendizaje Bayesiano: análisis bayesiano, inferencia bayesiana, métodos MCMC, modelado bayesiano e inferencia, modelos jerárquicos Bayes.
• Modelos gráficos probabilistas. Bayesianos, cadenas de Markov, Filtros de Kalman, redes de creencia
• Modelado de funciones de densidad de probabilidad
• Series temporales: introducción, descomposición, medias móviles, ARIMA, estacionariedad, predicción
• Optimización para grandes volúmenes de datos: Programación lineal. Programación cuadrática
• Programación no lineal. Heurísticas. Metaheurísticas
• Proyectos de minería de datos
• Proceso de KDD
• Técnicas de preprocesamiento de datos
• Métodos de clasificación
• Sistemas de recomendación
• Análisis de datos con cubos y modelos de minería
• Evaluación y selección de modelos: matriz de confusión, métricas, costes. Curvas ROC
• Visualización de datos - 6 ECTS
• Visualización
• Herramientas para la visualización de datos procesados
• Visualización dinámica de datos
• Tipos de visualización de datos según las necesidades del análisis. 
• La detección de outliers. Ordenación y caracterización de distribuciones. Localización de anomalías.
• Detección de agrupaciones y correlaciones.
• Diseño de cuadros de mandos mediante herramientas de visualización
• Herramientas de visualización
• Ejemplos de visualizaciones con mapas
• Layouts y exportación del resultado de visualización a un archivo PDF, Bitmaps y SVG

MÓDULO 3

• Inteligencia de Negocio / Business Intelligence
• Soluciones de Inteligencia de negocio - 6 ECTS
• Análisis del nuevo entorno de negocio
• Soportes de información para decisiones estratégicas y tácticas
• Los sistemas de Inteligencia de Negocio
• Alcance de la Inteligencia de Negocio
• Herramientas y técnicas de ETL 
• Indicadores para el modelado del negocio y la elección de indicadores
• Conceptualización y diseño de sistemas de Inteligencia de Negocio
• Metodología de desarrollo y administración del ciclo de vida de soluciones de inteligencia de negocio
• Arquitectura y componentes de soluciones de inteligencia de negocio
• Diseño de almacenes de datos. Data Marts y Datawarehousing
• Procesos de extracción y explotación de datos
• Reporting con Inteligencia de Negocio. Informes predefinidos, informes a medida, consultas (Query Tools), cubos OLAP (On-line Analytic Processing) y alertas
• Executive Information Systems (EIS)
• Decision Support Systems (DSS)
• Gestión de proyectos de empresa (Enterprise Project Management)
• Ciencia de datos para la toma de decisiones estratégica - 6 ECTS
• Estadística de negocio y Business Intelligence
• La información como base para la toma de decisiones estratégicas
• Análisis del entorno competitivo. La inteligencia competitiva
• Diseño y simulación de estrategias alternativas
• Diseño de indicadores, informes y cuadros de mando
• Indicadores estratégicos de control de gestión. Generación de KPIs (Key Performance Indicators)
• El concepto Dashboard Corporativo (Cuadro de Mando)
• Diseño e Implantación de un Cuadro de Mando Integral. Mapas estratégicos
• Análisis financiero con Big Data
• Customer Relationship Management (CRM)
• Business Process Management (BPM)

MÓDULO 4
Prácticas
Prácticas Externas - 6 ECTS

MÓDULO 5
Minor Online 
Elige las asignaturas que quieras cursar y que amplían tu abanico de futuras opciones profesionales – 10 ECTS 

MÓDULO 6
Trabajo de Fin de Máster 
Trabajo de Fin de Máster - 12 ECTS 


Salidas Profesionales.

Lo que estudias aquí y ahora, tiene mañana un impacto en tu vida laboral. Comienza a imaginar tu futuro, echa un vistazo a las salidas profesionales que te están esperando. 

• IT Business Partner 
• Big Data Consultant 
• Business Intelligence & Data  
• Analytics Consultant 
• Business Analyst 
• Project Management for BI Projects 
• Data Architect 
• Data Scientist 
• Digital Transformation Manager 

Perfil de Ingreso.

El perfil de los estudiantes que inicien el Máster en Big Data & Analytics será heterogéneo, si bien su procedencia desde determinadas titulaciones, preferentemente de la rama de las ingenierías o de las ciencias, como las que se detallan a continuación, aportarán determinados conocimientos, actitudes y capacidades iniciales que marcarán su afinidad con el master:

• Grado en Ciencia de Datos o equivalente.
• Grado en Ingeniería Informática y titulaciones equivalentes de la ordenación de enseñanzas previa. 
• Grado en Ingeniería en Telecomunicaciones y titulaciones equivalentes de la ordenación de enseñanzas previa.
• Se valorará la admisión de estudiantes de otras titulaciones, como Grado, Licenciatura o Diplomatura del área de Matemáticas o Física (o equivalente), y Grado o Ingeniería Superior del área de la Ingeniería no vinculada a las Tecnologías de la Información y Comunicación. Con el objeto de compensar posibles deficiencias formativas que pudieran existir en cada caso, en función de la titulación de origen de los estudiantes y de su experiencia profesional, se requerirá́ a los estudiantes la realización de complementos formativos de forma previa al Máster.