Master en Business Intelligence y Big Data (Tenerife)

Contenidos

BLOQUE I. FUNDAMENTOS
MÓDULO DE NIVELACIÓN Y HERRAMIENTAS
  • Uso de máquinas virtuales
  • Manejo de la línea de comandos
  • Introducción a la programación estadística con R y Python
  • Formatos de datos para la web
  • Bases de datos relacionales y SQL
FUNDAMENTOS DE BUSINESS INTELLIGENCE, BUSINESS ANALYTICS Y BIG DATA
  • 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
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)
  • El business case de una iniciativa de inteligencia de negocio
BLOQUE II – CIENTÍFICO DE DATOS
INTRODUCCIÓN AL APRENDIZAJE AUTOMÁTICO Y MINERÍA DE DATOS
  • 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
REDES NEURONALES
  • La neurona artificial, el perceptrón
  • Clasificación y regresión con redes neuronales
  • Perceptrones multicapa, retropropagación
  • Representation Learning y Deep Learning
LA WEB DE LOS DATOS
  • Conceptos de web semántica y web de los datos
  • La nube de los datos enlazados
  • El lenguaje de consultas SPARQL
  • Enlazado y enriquecimiento de información
MINERÍA DE TEXTO Y ENLACES EN LA WEB
  • 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)
BLOQUE III – TECNOLOGÍAS Y HERRAMIENTAS BIG DATA
PARALELIZACIÓN DE DATOS
  • Procesamiento paralelo y ecosistema Hadoop
  • Procesamiento paralelo bajo arquitectura Hadoop. MapReduce
  • Mecanismos de explotación de la información en entornos distribuidos Hadoop
TECNOLOGÍAS DE ALMACENAMIENTO ESCALABLE
  • Introducción a las bases de datos NoSQL: origen, evolución y contexto histórico

  • Persistencia políglota: escoger el modelo de datos más adecuado para cada problema

  • Modelos de agregación: características, tipos, consideraciones de diseño y casos de uso

  • Modelos en grafo: características, consideraciones de diseño y casos de uso
  • Sistemas distribuidos: definición, tipos, estrategias de distribución y consistencia de datos (ACID vs BASE)
  • Ejercicios y ejemplos usando bases de datos NoSQL: MongoDB y Neo4J
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
SUPERCOMPUTACIÓN
  • Introducción a la supercomputación
  • Introducción a la programación en paralelo
  • El modelo de paso de mensajes
  • El modelo de memoria compartida
  • Análisis de rendimiento
  • Introducción a la supercomputación basada en GPUs
VISUALIZACIÓN DE DATOS CON TABLEAU
  • Teoría de la visualización
  • Tableau
  • Casos de uso
BLOQUE IV – FUNDAMENTOS DE BUSINESS INTELLIGENCE
DATA WAREHOUSING Y BASES DE DATOS ANALÍTICAS
  • Utilidad y conceptos. Arquitectura: data marts y data warehousing

  • Herramientas de Extracción, Transformación y Carga - ETL

  • Diseño de data warehouses. Elementos hardware y software

  • Metodologías de implementación

  • Soluciones de data discovery

  • Multidimensionalidad y su tipología. OLAP/MOLAP/ROLAP
  • Esquema de bases de datos: desnormalización y multidimensionalidad      
  • Lenguaje de Consulta Analítico: MDX vs SQL
BLOQUE V – ANALÍTICA E INTELIGENCIA DE NEGOCIO
CASO ANALÍTICA ANALÍTICA ESPACIAL
  • 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 DE DATOS ABIERTOS
  • Datos abiertos en el sector público. Reutilización
  • Apertura de datos empresariales. APIs y concursos
  • Estrategias basadas en datos abiertos
  • Casos de uso
BLOQUE VI –EMPRESAS Y PROYECTOS
METODOLOGÍA DE PROYECTOS
  • Ideas modelos de negocio

  • Formación de grupos de trabajo

  • Asignación tutores
INICIACIÓN A NUEVAS EMPRESAS

Preparación del plan financiero del proyecto empresarial 

Proyecto fin de master

Como parte de tu formación, realizarás un Proyecto Fin de Master en grupo, liderado por un tutor, que te permitirá poner en práctica todos los conocimientos adquiridos.

A lo largo del Master, y de manera especial con el proyecto final, fomentarás tu capacidad para tomar decisiones y exponer tus argumentos de manera clara y estructurada. También aprenderás a trabajar en equipo y a cumplir diferentes hitos en los plazos establecidos.