Master en Big Data & Business Analytics (Online)

Convocatoria
2024
Periodo lectivo
Fechas de inicio: Abril | Octubre
Duración

12 meses (450 h. + proyecto)

Localidad
Madrid
Modalidad
Online
Precio

12.000€ (incluye alojamiento y desayuno en hotel y almuerzo en EOI)

 

Consulta aquí DESCUENTOS Y BONIFICACIONES (hasta 40%)

 

VER FOLLETO

 

Solicitar información

PRESENTACIÓN

Vivimos un mundo globalizado donde la disrupción digital está provocando la generación de datos procedentes de múltiples fuentes (dispositivos móviles, sensores IoT, logs, RR.SS, sistemas transaccionales, Open Data, etc.) que necesitan de profesionales capaces de extraer el valor que éstos ocultan para generar beneficios (económicos, sociales y/o ambientales).

El Master en Big Data & Business Analytics tiene como misión responder a esta creciente demanda de formación cualificada en las diferentes áreas de una organización. A través de este programa, conocerás en profundidad la gestión de la estrategia basada en datos, las tecnologías Business Intelligence y Big Data, las herramientas de visualización líderes en el mercado y la analítica de datos avanzada y desarrollarás las habilidades necesarias para adquirir una combinación de capacidades única en las áreas de Data Science, Business Analytics y Big Data management.

El Máster cuenta con dos convocatorias al año:

  • Inicio en marzo
  • Inicio en octubre

 

logo_qs.jpg
El Master en Big Data de EOI destaca en el Ranking QS entre los 75 mejores programas del mundo por su retorno de inversión: un 25% superior a la media internacional.

• En 10 años, el Big Data de EOI tiene una estimación de retorno de la inversión en más de 240.000 dólares USA respecto a la media global de 192.366 dólares USA.

• Además, según el Ranking QS el coste del programa se recupera 22 meses antes que en el resto de escuelas de negocio.

 

“Gracias a este Master he adquirido las habilidades necesarias, tanto tecnológicas como estratégicas, para hacer de la exploración y la explotación de los datos un valor clave para empresas de cualquier sector. El conocimiento en nuevas tecnologías nos habilita para la creación de nuevos modelos de negocio, para mejorar la toma de decisiones de las empresas y, en el ámbito público, para alcanzar la eficiencia en los servicios al ciudadano”.

Fabiola Solino Díaz. Técnico Superior de Proyectos Informáticos en la Secretaría General de Administración Digital

 

"Ha sido un placer realizar el Master en Business Intelligence y Big Data en EOI. Lo mejor de todo ha sido el gran nivel de los profesores, que aportan gran experiencia profesional y gracias a ello el enfoque es muy práctico y realista. Mis expectativas se han cumplido con creces".

Patricia Benito. Técnico de Desarrollos Digitales en Banca March

Dirigido a

Contenidos

BLOQUE 1. INTRODUCCIÓN Y ESTRATEGIA

FUNDAMENTOS DE BUSINESS INTELLIGENCE

  • Definición, Componentes y Tipología de Sistemas de Inteligencia de Negocio.
  • Contextualización y Diseño de Sistemas de Inteligencia de Negocio.
  • Diseño de Informes, Cuadros de Mando e Indicadores.
  • Fuentes y Calidad de los Datos.
  • El business case de una iniciativa de inteligencia de negocio

HERRAMIENTAS AUXILIARES – Parte 1

  • Herramientas auxiliares: Instalación y gestión de máquinas virtuales con VirtualBox, Amazon Workspaces y uso de la línea de comandos en un entorno Linux.
  • Introducción a las bases de datos relacionales:
  • Nociones básicas del modelo relacional: Modelo conceptual, modelo lógico y modelo físico.
  • Introducción a SQL:
  • DDL
  • DML
  • DCL

ANALÍTICA EN LA NUBE: MODERN BI

  • Cloud computing y el impacto que ha tenido en la revolución del Big Data
  • Poner los almacenes de datos en el panorama actual y el porqué de su importancia
  • Opciones cloud en los entornos profesionales
  • Taller de modelización, integración y explotación de datos en la nube

ESTRATEGIA Y GESTIÓN BASADA EN DATOS

  • Fundamentos de la dirección estratégica. La información como base del análisis estratégico
  • Análisis del entorno competitivo, sectorial y particular para toma de decisiones. La inteligencia competitiva.
  • Definición de la estrategia: Diseño y simulación de estrategias alternativas
  • Implantación y seguimiento de la estrategia. Definición de indicadores clave (KPI’s).
BLOQUE 2. INTEGRACIÓN DE DATOS

HERRAMIENTAS AUXILIARES – Parte 2

  • El lenguaje de programación Python.
  • El entorno Jupyter Notebook.
  • Librerías para el análisis de datos: Numpy, Pandas, y Matplotlib.
  • Introducción a XML y JSON como formatos de datos usando Python.

TECNOLOGÍAS DE ALMACENAMIENTO ESCALABLE

  • Introducción a las bases de datos NoSQL: origen, evolución y contexto histórico
  • Persistencia poliglota: escoger el modelo de datos más adecuado para cada problema.
  • Modelos de Agregación: características, tipos (clave-valor, documental y orientado a columnas) consideraciones de diseño y casos de uso.
  • Modelos en grafo: características, consideraciones de diseño y casos de uso.
  • Sistemas distribuidos: definición, tipos (cliente/servidor, peer-to-peer…), estrategias de distribución (fragmentación y replicación) y consistencia de datos (ACID vs BASE).
  • Ejercicios y ejemplos usando bases de datos NoSQL: MongoDB y Neo4J.

PARALELIZACIÓN DE DATOS. HADOOP

  • Procesamiento paralelo y ecosistema hadoop.
  • Procesamiento paralelo bajo arquitectura hadoop. MapReduce.
  • Mecanismos de explotación de la información en entornos distribuidos hadoop.

PROCESAMIENTO DISTRIBUIDO CON APACHE SPARK

  • Framework de computación en cluster Apache Spark
  • Spark SQL
  • Spark Streaming
  • Spark MLib

VACACIONES DEL 27/07/2020 AL 30/08/2020

BLOQUE 3. EXPLOTACIÓN DE DATOS. ANALÍTICA AVANZADA

ESTADÍSTICA CON R

  • Introducción a la estadística: Análisis y descripción de datos
  • Contrastes de hipótesis
  • Estimación de intervalos de confianza
  • Entrenamiento con R

INTRODUCCIÓN AL APRENDIZAJE AUTOMÁTICO

  • Aprendizaje supervisado y no supervisado.
  • Clustering y clasificación. Técnicas y medidas de calidad.
  • Herramientas de aprendizaje automático, visualización.
  • El ciclo de la minería de datos.

SISTEMAS RECOMENDADORES DE PRODUCTOS

  • Introducción a los sistemas de recomendación
  • Sistemas de recomendación clásicos: “El carrito de la compra”
  • Sistema de recomendación personalizados
  • Caso de uso real.

PLN. MINERÍA DE TEXTO

  • Comprender los fundamentos teóricos, las técnicas y las aplicaciones prácticas del PLN
  • Manejar de forma práctica distintas librerías y herramientas de NLP (NLTK, Brad, Gate)
  • Implementar de forma básica distintas soluciones NLP (Análisis de Sentimiento, Text Mining de datos web, Asistente Virtual)

CHATBOTS Y ASISTENTES VIRTUALES

  • Estado del arte en chatbots y altavoces inteligentes
  • Posibilidades actuales y plataformas disponibles
  • Creando un chatbot con DialogFlow

TEORÍA DE REDES NEURONALES. DEEP LEARNING

  • Entendimiento del modelo matemático de una red neuronal
  • Conocer las diversas arquitecturas de redes neuronales
  • Poder implementar modelos de regresión y clasificación de manera práctica
  • Entender el algoritmo de backpropagation para entrenar redes neuronales
  • Comprender las diferencias entre machine learning y deep learning
  • Uso de los lenguajes de programación R y Python para implementar modelos de redes neuronales

METODOLOGÍA DE PROYECTOS

  • Ideas modelos de negocio
  • Formación de grupos de trabajo
  • Asignación tutores
BLOQUE 4. EXPLOTACIÓN DE DATOS. VISUALIZACIÓN

VISUALIZACIÓN DE DATOS

  • Fundamentos de la visualización de datos
  • Visualizando datos con PowerBI

TEORÍA DE GRAFOS: ANÁLISIS DE REDES

  • Fundamentos para el estudio, medida e investigación de redes sociales
  • Tratamiento, visualización y análisis de grandes redes
  • Herramientas de visualización de redes sociales

GEOVISUALIZACIÓN DE DATOS Y STORYTELLING

  • Introducción a los SIG (Sistemas de información Geográfica)
  • Herramientas de tratamiento de datos: QGis, PostgreSQL
  • Capas cartográficas y principales operaciones geométricas
  • Creación de un proyecto GIS, como base de una Visualización de datos
BLOQUE 5. CASOS DE USO

ADQUISICIÓN DE DATOS EN TIEMPO REAL

  • Introducción y conceptos básicos
  • Arquitectura general de un proyecto IoT
  • Plataformas IoT y Big Data
  • Ejemplos y casos de uso

CASO ANALÍTICA DE CLIENTES

  • Location Analytics: Concepto y aplicaciones
  • El valor de la ubicación
  • Aplicación en el análisis de resolución de un problema de negocio
  • Casos prácticos y trabajo individual de aplicación de Location analytics en un caso práctico

CASO ANALÍTICA DE MARKETING

  • Aplicación al Marketing Digital
  • Campañas con públicos seleccionados
  • Selección de Clientes mediante Modelos de Propensión

CASO ANALÍTICA EN EL SECTOR AGROALIMENTARIO

  • Introducción de la tecnología aplicada en el sector
  • Aplicación del IoT, gamificación, etc. en la operativización
  • Análisis de datos predictivos para la toma de las decisiones

CASO ANALÍTICA FINANCIERA

  • Conceptos financieros y de riesgos
  • Aplicación práctica de BI y BIGDATA a la visión financiera/riesgos
  • Obtención y preparación de datos financieros y de riesgos              
  • Modelos estadísticos para maximizar el RAR (Rentabilidad ajustada al Riesgo) y para inferir el riesgo de operaciones financieras.

PROYECTO FIN DE MÁSTER

  • Semana Presencia Virtual
  • Desarrollo del Proyecto Fin de Máster

Metodología

Con una dilatada experiencia en formación e-learning, desde 1997, en EOI Escuela de Organización industrial, para nuestros master online, proponemos una metodología mixta, que conjuga el trabajo a distancia y la presencialidad, y es totalmente compatible con actividades personales y profesionales. La metodología EOI te aportará todos los elementos necesarios para reproducir en un entorno real tu paso por la escuela.

SESIONES ONLINE

La metodología online de EOI garantiza la misma calidad docente que el formato presencial, con un enfoque flexible e innovador que rompe con las barreras geográficas y la incompatibilidad de horarios. Fomentamos la interacción constante entre alumnos y profesores. El desarrollo del trabajo se distribuye según una rigurosa planificación y evaluación.

FASE PRESENCIAL

Durante una estancia de una semana en Madrid, teoría y práctica se dan la mano mediante el estudio, análisis y desarrollo de multitud de supuestos y casos prácticos que permiten al participante consolidar sus conocimientos, orientarlos a la acción y vivir experiencias similares a las que experimenta en su desempeño profesional. Esta etapa formativa se compone de diversas actividades tales como:

  • Ponencias
  • Conferencias y mesas redondas
  • Talleres
  • Trabajo en proyecto

PROYECTO FIN DE MASTER

Los alumnos deberán realizar un Proyecto Fin de Master al concluir el curso, que será presentado por videoconferencia ante un tribunal. El proyecto consiste en la realización de un trabajo de aplicación práctica en grupo.

Claustro
Alberto
Turégano

Asesor de compañías en proceso de transformación digital – Líderes y Digitales

Perfil en LinkedIN

Valvanera
Castro

Senior Innovation Consultant - Talenmo

Perfil en LinkedIN

Jordi
Conesa

Profesor - Universitat Oberta de Catalunya

Perfil en LinkedIN

Jaime
Del Pozo

Director - The Business Advisory Group

Perfil en LinkedIN

Ignacio
Charfolé

Head of Big Data Architecture and Delivery

Perfil en LinkedIN

Néstor
Guerra

CEO y cofundador - IEC

Perfil en LinkedIN

Noa
Cruz

Investigadora aplicada en Procesamiento del Lenguaje Natural - Centro de Excelencia de Inteligencia Artificial de Bankia

Perfil en LinkedIN

Ana
Salgado

Gerente del DataLAB de Ferrovial en el Digital HUB

Perfil en LinkedIN

Alberto
Oikawa

Director Técnico del Máster en Big Data & Business Analytics - CTO Hispatec Analytics  

Perfil en LinkedIN

Javier
Pastor

Software Development Director IoT - Altair

Perfil en LinkedIN

 

Antonio
Pita

Director en Coordinación de Transformación Digital - Liberbank

Perfil en LinkedIN

 

Carlos
Sacristán

Principal Data Architect - Bip Spain

Perfil en LinkedIN

Iván
Pastor

Quantitative Credit Risk Analyst Modeler - Banco Santander

Perfil en LinkedIN

Carlos
Santana

Machine Learning Educator. Owner of the AI/ML educational Youtube channel DotCSV

Perfil en LinkedIN

Rus María
Mesas

Data Scientist

Perfil en LinkedIN

Antonio
Sánchez

Data scientist - Fronkonstin.com

Perfil en LinkedIN

José Luis
Calvo

Director Inteligencia Artificial - Sngular

Perfil en LinkedIN

Rafael
Zambrano

Head of Applied Science - Openbank

Perfil en LinkedIN

Daniel
Burrueco

Business Intelligence & Machine Learning Consultant

Perfil en LinkedIN

Jaime
Requejo

Analytic Client architect - IBM

Perfil en Linkedin

Ver más profesores

¿Cómo solicitar admisión?

Si deseas solicitar la admisión en el programa, completa el formulario de admisión y envíalo junto con tu CV o enlace a tu perfil de LinkedIn actualizado. Nos pondremos en contacto contigo para informarte de los siguientes pasos.

Solicita admisión

Puedes consultar aquí información detallada del proceso de admisión y matriculación en nuestros programas.

#eoiteayuda: Bonificaciones y Descuentos

EOI, como Fundación Pública comprometida con la formación y el talento ofrece, a través del programa #eoiteayuda, un amplio abanico de descuentos y bonificaciones con el fin de facilitar el acceso a la formación, al mayor número posible de candidatos. Estas bonificaciones pueden llegar a cubrir el 40% del precio total del curso.

Convocatoria de becas y descuentos disponibles: Más información