Máster semipresencial en Big Data y Data Analytics
Master
Semipresencial en Madrid (España)
*Precio estimado
Importe original en EUR:
4.490 € 9.990 €
Descripción
-
Tipología
Master
-
Metodología
Semipresencial
-
Idiomas
Castellano
-
Lugar
Madrid (España)
-
Duración
12 Meses
-
Inicio
Fechas disponibles
¿Quieres medir y analizar factores del entorno que afectan directamente el rendimiento y la toma de decisiones en las unidades empresariales y desarrollar una visión estratégica sobre el valor de los datos como motor de transformación empresarial y ventaja competitiva? Si tu respuesta es sí, este máster está hecho para ti.
El Máster en Big Data y Data Analytics, que se encuentra disponible en el catálogo de Emagister, proporciona a los profesionales las herramientas y conocimientos necesarios para liderar procesos de transformación digital mediante el análisis avanzado de datos. Este programa combina una base teórica sólida con aplicaciones prácticas, permitiendo a los estudiantes adquirir competencias clave en gestión y análisis masivo de datos, visualización, minería de datos y toma de decisiones basada en datos, respondiendo a las exigencias actuales del entorno empresarial. Con un enfoque integral y orientado a la realidad del mercado, el máster está diseñado para formar a expertos capaces de convertir grandes volúmenes de datos en conocimiento estratégico, optimizando procesos y generando ventajas competitivas sostenibles. Su metodología práctica y flexible permite aplicar los contenidos aprendidos desde el primer momento en contextos reales y dinámicos.
Estudiando en UNISEB contarás con el acompañamiento de tutores y profesionales especializados que, junto con la metodología de estudio, te ayudarán a alcanzar tus metas académicas y potenciar tu desarrollo profesional.
Información importante
¿Qué objetivos tiene esta formación?:
Evaluar de forma crítica la influencia de las variables del entorno —económicas, sociales, legales y culturales— en la gestión empresarial y en el logro de los objetivos organizacionales.
Medir y analizar factores del entorno que afectan directamente el rendimiento y la toma de decisiones en las unidades empresariales.
Desarrollar una visión estratégica sobre el valor de los datos como motor de transformación empresarial y ventaja competitiva.
Comprender la evolución del análisis de datos y su papel fundamental en la innovación y adaptación organizacional.
Interpretar correctamente los resultados derivados de modelos analíticos y predictivos para impulsar decisiones basadas en evidencia.
Aplicar las mejores prácticas en el ciclo de vida de los datos: desde su recopilación, tratamiento y análisis hasta su visualización y presentación efectiva ante distintos públicos de interés.
Liderar con eficacia proyectos de Big Data y Data Analytics en entornos complejos, cambiantes y altamente competitivos.
¿Esta formación es para mí?:
Profesionales con experiencia en tecnología y datos: Que buscan asumir roles de liderazgo en proyectos de análisis avanzado, inteligencia de negocio y gestión estratégica de datos.
Líderes emergentes en analítica de datos: Interesados en desarrollar habilidades directivas para acceder a posiciones de mayor responsabilidad en entornos basados en datos.
Emprendedores tecnológicos y del ámbito digital: Que desean adquirir competencias clave para lanzar, gestionar y escalar negocios centrados en Big Data y analítica.
Graduados en ingeniería, informática, matemáticas, economía u otras áreas afines: Que desean complementar su formación académica con un enfoque aplicado y actual en el análisis de grandes volúmenes de datos.
Profesionales en transición de carrera: Que buscan reinventarse o especializarse en el ámbito de la analítica, incorporando una base sólida en ciencia de datos, herramientas tecnológicas y gestión de la información.
Consultores en datos y analítica: Que desean potenciar sus capacidades técnicas y estratégicas para ofrecer mayor valor añadido en proyectos de transformación digital y toma de decisiones basada en datos.
Especialistas funcionales en áreas como marketing, finanzas, recursos humanos o logística: Que desean integrar la analítica de datos a sus funciones para optimizar procesos y mejorar el rendimiento organizacional.
Directivos y gerentes: Que buscan actualizar sus conocimientos en gestión de datos y tecnologías analíticas para liderar con éxito en un entorno empresarial cada vez más orientado al dato.
¿Qué pasará tras pedir información?: Tendrás a tu disposición un asesor al que podrás contactar para que te brinde la ayuda necesaria o con la realización del proceso de matriculación.
Precio a usuarios Emagister:
Requisitos:
El acceso a los Másteres UNISEB generalmente requiere:
Estar en posesión de un título de Grado, Licenciatura o equivalente.
Profesionales con experiencia y proyección profesional en el puesto desempeñado.
Si no se cumplen las condiciones anteriores, el departamento de admisiones valorará cada caso particular.
Sedes y fechas disponibles
Ubicación
Inicio
Inicio
Materias
- E-business
- Management
- ITIL
- Big Data
- Python
- Power BI
- Bases de datos
- Análisis de datos
- Data Technology
Programa académico
Plan de estudios
MÓDULO 1. BIG DATA INDUSTRY
- Tema 1. ¿Qué es el big data?
- Tema 2. Big Data Project Management
- Tema 3. Metodologías Agile + SCRUM
- Tema 4. Inteligencia Artificial en la era del big data
- Tema 5. Aplicación del big data
MÓDULO 2. BUSINESS INTELLIGENCE
- Tema 1. Introducción al Business Intelligence
- Tema 2. Tipos y selección de Business Intelligence
- Tema 3. Cuadros de mando
- Tema 4. Fuentes de datos
- Tema 5. Data quality
MÓDULO 3. DATA ANALYSIS
- Tema 1. Estadística
- Tema 2. Métricas
- Tema 3. Regresión y Correlación
- Tema 4. Probabilidad
- Tema 5. Distribuciones
- Tema 6. Intervalos de confianza
- Tema 7. Introducción a los contrastes de hipótesis
- Tema 8. Estadística con R
MÓDULO 4. DATA STORAGE
- Tema 1. Apache Hadoop
- Tema 2. El ecosistema Hadoop
- Tema 3. Apache Spark
- Tema 4. Tecnologías para Streaming
- Tema 5. Sistemas de ficheros y plataformas para big data en cloud
MÓDULO 5. DATABASE MANAGEMENT
- Tema 1. Introducción al dato
- Tema 2. El gobierno del dato
- Tema 3. Privacidad y protección de datos
- Tema 4. Data storage
- Tema 5. Data management en el marketing
MÓDULO 6. INTELIGENCIA ARTIFICIAL
- Tema 1. Introducción al análisis de datos con Python
- Tema 2. Introducción al machine learning
- Tema 3. Machine learning supervisado
- Tema 4. Machine learning no supervisado
- Tema 5. Reinforcement Learning
- Tema 6. Fundamentos de Deep Learning
MÓDULO 7. TECNOLOGÍAS DE BASES DE DATOS
- Tema 1. Fundamentos de bases de datos
- Tema 2. Data technology
- Tema 3. Práctica de SQL (MySQL)
- Tema 4. Práctica de NoSQL. MONGODB
- Tema 5. Práctica de NoSQL (HBase)
- Tema 6. Bases de datos de grafos
- Tema 7. Bases de datos en cloud
MÓDULO 8. VISUALIZACIÓN DE DATOS
- Tema 1. Teoría de la visualización de datos
- Tema 2. Python
- Tema 3. CARTO
- Tema 4. Power BI
- Tema 5. Google Data Studio
MÓDULO 9. API Y SERVICIOS EN LA NUBE
- Tema 1. Concepto y rol estratégico de las APIs (Application Programming Interfaces)
- Tema 2. Tipos de APIs (REST, GraphQL, SOAP) y criterios para su adopción
- Tema 3. Arquitectura Basada en Microservicios
- Tema 4. Contenedorización y Docker ç
- Tema 5. Puesta en contexto del cloud computing
- Tema 6. Diseño y ciclo de vida de las APIs
- Tema 7. Modelos de servicio y proveedores cloud
- Tema 8. Dimensión estratégica y financiera del cloud
- Tema 9. Gobernanza de datos, cumplimiento normativo y gestión del riesgo
- Tema 10. Arquitectura serverless y FaaS
- Tema 11. Integración de microservicios, contenedores y serverless
- Tema 12. Casos prácticos y tendencias futuras
MÓDULO 10. DIRECCIÓN DE PROYECTOS TIC
- Tema 1. Introducción a ITIL
- Tema 2. ¿Por qué ITIL?
- Tema 3. Historia y evolución de ITIL
- Tema 4. Fundamentos de la dirección de proyectos TIC
- Tema 5. Objetivos y beneficios de adoptar ITIL en la gestión de servicios de TI
- Tema 6. Componentes y estructura de ITIL
- Tema 7. Principales publicaciones y versiones de ITIL
- Tema 8. Estructura general y conceptos clave
- Tema 9. Prácticas de ITIL, KPIs, Cadena de Valor del Servicio
- Tema 10. Introducción a la gestión de servicios y ciclo de vida en ITIL
- Tema 11. El ciclo de vida del servicio en ITIL
- Tema 12. Relación entre las fases del Ciclo de Vida del Servicio y su contribución a la calidad del servicio
- Tema 13. ITIL y DevOps: Integración y Colaboración en Entornos Ágiles
- Tema 14. Roles clave en ITIL
- Tema 15. Relaciones entre los roles en ITIL
- Tema 16. Introducción
- Tema 17. Estrategia del servicio
- Tema 18. Diseño del servicio
- Tema 19. Transición del servicio en ITIL
- Tema 20. Operación del servicio en ITIL
- Tema 21. Mejora Continua del Servicio
- Tema 22. Gestión de la Calidad del servicio
- Tema 23. Mejora Continua del Servicio
- Tema 24. Herramientas y técnicas para la Mejora Continua
- Tema 25. Herramientas de gestión de servicios
- Tema 26. Funcionalidades críticas para soportar procesos ITIL
- Tema 27. Integración con otras Herramientas
- Tema 28. Importancia de la integración para una gestión eficaz de servicios
MÓDULO 11. AUDITORÍA Y CALIDAD DE LOS SISTEMAS INFORMÁTICOS
- Tema 1. Definición y Conceptos Básicos de la Calidad en Sistemas Informáticos
- Tema 2. Factores que influyen en la Calidad
- Tema 3. Planificación de la calidad
- Tema 4. Gestión de la calidad en proyectos de Software
- Tema 5. Organización de un Plan de Calidad
- Tema 6. Control de la Calidad
- Tema 7. Métodos del control de la Calidad
- Tema 8. Pruebas de Calidad en Sistemas Informáticos
- Tema 9. Ejemplo práctico de aplicación de diferentes tipos de pruebas en un proyecto de software
- Tema 10. Estrategia de pruebas
- Tema 11. Mejora continua en el proceso de pruebas
- Tema 12. Métricas y Herramientas para Medir la Calidad
- Tema 13. Herramientas de evaluación de Calidad
- Tema 14. Herramientas Específicas
- Tema 15. Calidad en las fases del desarrollo
- Tema 16. Ejemplos reales de cada fase del desarrollo
- Tema 17. Mejora Continua
- Tema 18. Implementación en el Ciclo de Mejora Continua
- Tema 19. Revisión en el Ciclo de Mejora Continua
MÓDULO 12. SERVICIOS Y APLICACIONES WEB
- Tema 1. Introducción al Desarrollo de Aplicaciones Web (DAW)
- Tema 2. Conceptos Básicos de Desarrollo Web
- Tema 3. Arquitecturas Client-Server
- Tema 4. Frontend vs Backend
- Tema 5. Lenguajes y tecnologías fundamentales: HTML, CSS y JavaScript
- Tema 6. Herramientas y entornos de desarrollo
- Tema 7. Gestión de proyectos y dependencias
- Tema 8. Introducción a frameworks y librerías
- Tema 9. Crear una página Web estática con HTML y CSS
- Tema 10. Introducción a Git: Commits y pushes básicos
- Tema 11. Fundamentos de la Arquitectura MVC
- Tema 12. Implementación del MVC en Aplicaciones Web
- Tema 13. Patrones de Diseño Relacionados
- Tema 14. Integración de MVC con Tecnologías Frontend
- Tema 15. Manejo de Rutas y URLs Amigables
- Tema 16. Seguridad y autenticación en aplicaciones MVC
- Tema 17. ASP.NET Core
- Tema 18. Razor Pages
- Tema 19. ASP.NET Core MVC
- Tema 20. Integración de HTML, CSS y JavaScript en ASP.NET Core
- Tema 21. Introducción a Vue.js
- Tema 22. Desarrollo con Vue.js
- Tema 23. Introducción a Angular
- Tema 24. Desarrollo con Angular
- Tema 25. Comparativa entre Vue.js y Angular
- Tema 26. Creación de APIs RESTful con ASP.NET Core
- Tema 27. Seguridad en APIs
- Tema 28. Documentación y pruebas de APIs
- Tema 29. Integración del Backend con Frontend (Vue.js/Angular)
MÓDULO 13. TECNOLOGÍA Y DESARROLLO EN DISPOSITIVOS MÓVILES
- Tema 1. Sistemas de Comunicación Inalámbricos
- Tema 2. Comunicaciones Inalámbricas
- Tema 3. Pasado, presente y futuro de las Comunicaciones Inalámbricas
- Tema 4. Introducción a los Dispositivos móviles
- Tema 5. Componentes de los dispositivos móviles
- Tema 6. Redes a las que puede acceder un dispositivo móvil
- Tema 7. Lenguajes de programación para móviles
- Tema 8. Ejemplos de entornos de programación tecnológicos móviles
- Tema 9. Seguridad en el sistema operativo y las aplicaciones
- Tema 10. Seguridad para el usuario
- Tema 11. Prácticas de seguridad recomendada
- Tema 12. Ecosistema de aplicaciones móviles y app stores
- Tema 13. Modelos de negocio para aplicaciones móviles
- Tema 14. Marketing y tecnología móvil
- Tema 15. Planificación y dirección de proyectos tecnológicos móviles
- Tema 16. Metodología de desarrollo de aplicaciones móviles
- Tema 17. Características de un proyecto de desarrollo para dispositivos móviles
- Tema 18. Modelos de negocio para aplicaciones móviles
- Tema 19. Planificación y dirección de proyectos
- Tema 20. Fundamentos del desarrollo de aplicaciones móviles sobre Android
- Tema 21. Interfaz gráfica de usuario (GUI) en Android
- Tema 22. Herramientas de desarrollo Android
- Tema 23. Diseño de aplicaciones móviles
- Tema 24. Buenas prácticas de diseño
- Tema 25. Problemática de la seguridad en dispositivos móviles
- Tema 26. Seguridad en las comunicaciones inalámbricas
Máster semipresencial en Big Data y Data Analytics
*Precio estimado
Importe original en EUR:
4.490 € 9.990 €