Programa

Máster Big Data y Data Science: Aplicaciones al Comercio, Empresa y Finanzas

Universidad Complutense de Madrid

¿Qué vamos a aprender?

Módulo I: Bases de datos relacionales

La base de datos: ¿qué es y cómo se gestiona? Una introducción a la herramienta básica del Big Data desde el diseño a su modelización y arquitectura. Aprendizaje del lenguaje de consulta estructurado (SQL) y herramientas como Server Management Studio.

Módulo II: Lenguajes de programación

El alumno avanza en las competencias de análisis estadístico y predictivo del técnico Big Data. Fundamentos en las bases de la programación, programación en ‘R’ y Python, el módulo propone una inmersión en la base de la programación sin que sea imprescindible contar con conocimientos previos.

Módulo III: Bases de datos NoSQL

Cómo utilizar y modelar bases de datos NoSQL de almacenamiento estructurado. Diferentes modelos NoSQL, para qué sirven y cuándo utilizarlos. Instalación y operativa de modelos Mongo DB; el Find y sus funciones; proyección de campos en resultados; y operaciones CRUD.

Módulo IV: Fundamentos de estadística

La estadística ofrece conclusiones a partir de los datos extraídos. Una introducción en la otra gran herramienta del técnico Big Data prestando especial atención a la estadística descriptiva y a la inferencia, que permite identificar propiedades del conjunto a partir de una pequeña muestra.

Módulo V: Tecnologías del Big Data

El Big Data da un paso de gigante con la plena integración del Internet de las Cosas (IoT). Modelos de conectividad con otras fuentes de datos a través de brokers de mensajes y hubs. Introducción al sistema Spark para expresar patrones de programación, y a Hadoo, que gestiona grandes volúmenes de datos. Introducción a la visualización de datos.

Módulo VI: Minería de Datos y Modelización predictiva

No se entiende el valor del Big Data en la empresa sin sus modelos predictivos. Pero es imprescindible limpiar el macrodato de cualquier sesgo. El alumno avanza en el conocimiento y práctica de herramientas de data mining: algoritmos de regresión lineal y logística, clasificación no supervisada, análisis clúster, scorecard…

Módulo VII: Machine Learning

Introducción a técnicas de aprendizaje automático, área que representa una gran oportunidad para gestionar, automatizar y enriquecer la inteligencia de datos. Aprendizaje sobre árboles de decisión, bosques aleatorios, algoritmo KNN, redes neuronales y deep learning.

Módulo VIII: Text Mining

Procesamiento de textos como análisis de información no estructurada o semiestructurada. La extracción de datos de fuentes escritas es uno de los campos que más evolucionan gracias a herramientas como lenguaje R. Práctica en técnicas de análisis de sentimiento, modelos temáticos o minería de opinión.

Módulo IX: Redes Sociales y Big Data

Las opiniones vertidas en las redes sociales ofrecen una valiosa información para las organizaciones. Softwares libres para medición de grandes redes como Pajek facilitan esta minería de datos en medios sociales permitiendo clasificar o medir a los agentes de cada red social.

Módulo X: Scala

Scala es un lenguaje de programación orientado a objetos, muy similar a Java, con características de lenguaje funcional. Dentro del mundo del Big Data se habla de Scala ya que Spark, que es una de las plataformas que se emplean para procesar datos de tipo Big Data, está hecho con Scala.

Módulo XI: Visualización avanzada y herramientas de visualización

El técnico Big Data solo pondrá en valor su trabajo si aprende a comunicarlo. Módulo dedicado a herramientas de visualización: diseño de mapas con R, representación interactiva con Shiny, gramática de gráficos con Ggplot2, introducción a D3 y Tableau.

Módulo XII: Productivizar un modelo

Cómo convertir un conjunto de datos en un modelo que aporte valor: estudio del dato, testeado de algoritmos y selección de la mejor opción. Los alumnos realizan prácticas con la generación de un binario y el diseño de una aplicación para su productivización.

Módulo XIII: Data Science aplicada a la empresa y emprendimiento en empresas de Big Data

Los alumnos son entrenados en entornos reales de empresa: creación de quipos de científicos de datos y organización de proyecto de inteligencia de datos. Finalmente desarrollarán una startup que tenga en el Big Data su mayor propuesta de valor.

Módulo XIV: Trabajo fin de master

Para asentar el conocimiento adquirido, el alumno diseña una estrategia integral de inteligencia de datos para una organización, utilizando el mayor número de las técnicas, herramientas y softwares en los que ha sido formado.

Master 360º: conocimiento que te sitúa a la vanguardia del profesional Big Data; entrenamiento que abre la puerta a las mejores organizaciones; y experiencia que te capacita para asumir responsabilidades.

***NTIC Master se reserva el derecho de modificar, suprimir y actualizar los programa del máster