Contenido
Maestría en Big Data y Ciencia de Datos.
Financia sin coste. Para titulados universitarios de 3er grado
Descripción:
Escuela de Inteligencia Artificial & Big Data
La Maestría en Big Data y Ciencia de Datos de UHE | IMF, avalada por Indra, es un programa de cuarto nivel que dota al profesional de los conocimientos, competencias y herramientas precisas para manejar, analizar e interpretar grandes volúmenes de información necesarios para alcanzar los objetivos de negocio, profesionales especializados que combinen la capacidad analítica y la visión estrategia.
La maestría permite profundizar en aspectos claves como las infraestructuras para el almacenamiento y procesamiento distribuido, minería de datos y analítica avanzada con Machine Learning y técnicas eficientes de visualización de la información, permitiendo que ingenieros, perfiles técnicos, matemáticos o estadísticos, junto con los gestores y otros profesionales de la organización, puedan identificar, capturar, transformar, analizar e interpretar los datos e impulsar la estrategia, la innovación y el valor de sus empresas.
¿A quién va dirigido?
Ingenieros de las tecnologías de la información, ingenieros de otras áreas, licenciados en administración y negocios con experiencia en gestión del dato, economistas, matemáticos, sociólogos, licenciados en servicios de transporte, y cuales quiera otros profesionales que hayan desarrollados labores relacionadas con la gestión o analítica de grandes volúmenes de datos.
Titulación:
Magíster por la Universidad Hemisferios (Resolución de aprobación: RPC-SO-27-No.647-2021)
Máster profesional por IMF Smart Education de España
Certificado por Indra
Objetivos:
Comprender el valor de los datos y su análisis en las organizaciones y ser capaz de idear y concebir soluciones de análisis de datos.
Conocer y saber enunciar el valor para el negocio de las principales tecnologías de procesamiento paralelo y de almacenamiento de datos escalable, así como saber explicar su uso para propósitos específicos dentro de la organización.
Ser capaces de aplicar técnicas y métodos de data analytics a problemas de negocio utilizando técnicas de programación estadística.
Aplicar técnicas de aprendizaje automático y de minería de texto a la extracción de valor de los datos y a la construcción de modelos predictivos.
Obtener una formación general en las áreas del programa, que permitirán al alumno orientarse a una variedad de salidas profesionales.
Obtener un conocimiento sólido de técnicas y métodos de Data Science en R y Python, así como de su aplicación a diferentes áreas de negocio.
Comprender de manera práctica las principales tecnologías de paralelización de datos, para procesamiento batch o streaming (tiempo real), y conocer cuándo utilizar unas u otras.
Reorientar o focalizar las competencias en la gestión y extracción de valor del dato, desde diferentes perspectivas y para perfiles diversos que tengan distintos conocimientos de entrada.
Aprender mediante el uso de casos y ejemplos prácticos y adquirir, por tanto, competencias que son directamente aplicables a la práctica profesional.
Requisitos de acceso:
Titulación Universitaria de tercer grado
Programa:
MÓDULO 1 - Fundamentos Big Data
Uso de máquinas virtuales y shell de comandos
Fundamentos de programación en Python
Fundamentos de bases de datos relacionales
Fundamentos de tecnologías de internet
Compartir datos, código y recursos en repositorios
Fundamentos de tratamiento de datos con el stack científico de Python
MÓDULO 2 - Business Intelligence
Introducción a la inteligencia de negocio
Almacenes de datos y bases de datos analíticas
Herramientas de extracción y carga
Aplicaciones de inteligencia de negocio
Análisis de datos masivos aplicados al negocio
Inteligencia de cliente (CRM)
MÓDULO 3 - Analítica de datos y modelos de aprendizaje automático aplicados a Big Data
Introducción al aprendizaje automático
Modelos supervisados
Modelos no supervisados
Ingeniería de características y selección de modelos
Modelos conexionistas
Reglas de asociación y market basket analysis
MÓDULO 4 - Proceso de modelización matemática - PLN
Introducción histórica y tecnológica
Herramientas PLN I: NLTK
Herramientas PLN II: INCEpTION y Gate
Text mining
Otras aplicaciones y técnicas PLN
MÓDULO 5 - Plan de titulación
Diseño e implementación de proyectos con componentes de investigación aplicada y/o de desarrollo.
Diseño y redacción de artículos profesionales de alto nivel.
Análisis de modelos prácticos para el desarrollo del examen de carácter complexivo.
MÓDULO 6 - Análisis de datos para la toma de decisiones empresariales
Introducción al business intelligence
BI vs. reporting tradicional
Fundamentos tecnológicos para el tratamiento y análisis de datos
Fundamentos de visualización de datos
Visualización avanzada de datos
Herramientas de visualización
MÓDULO 7 - Arquitectura y soluciones de Big Data
Procesamiento de datos con Hadoop
Herramientas del ecosistema Hadoop
Procesamiento de datos con Spark
Arquitecturas de streaming
Componentes de arquitecturas en streaming
Plataformas y API en la nube
MÓDULO 8 - Bases de datos para entornos analíticos
Bases de datos no convencionales
Modelos de base de datos basados en documentos
Modelos de base de datos orientados a columnas
Modelos de base de datos orientados a grafos
Modelos de bases de datos clave-valor
Adquisición de datos
MÓDULO 9 - Modelamiento y explotación de datos mediante Big Data
El business case de big data
Proyectos de big data
Aplicaciones analíticas por sectores
Tecnologías emergentes en analítica
Gestión de equipos y métodos ágiles
Aspectos regulatorios del tratamiento de datos
MÓDULO 10 - Casos y Tópicos de Big Data
Caso de analítica escalable. Análisis con tecnologías de computación paralela y escalable
Caso de estudio de analítica en redes sociales
Caso de estudio en internet of things
Caso de estudio en analítica financiera (el rating de empresas)
Caso de estudio en analítica de clientes: location analytics
Caso de estudio de técnicas de recuperación de información
MÓDULO 11 - Deontología profesional
Visión humanista del uso de la Ciencia de Datos
Ética y servicio al bien común
Responsabilidad profesional
METODOLOGÍA:
La metodología 100% en línea, permitiendo interacciones en tiempo real entre docentes y estudiantes.
A través del Campus Virtual el alumno accede de forma sencilla, amigable e intuitiva, a todos los recursos y contenidos necesarios para alcanzar el desarrollo de las competencias y destrezas necesarias. Recursos didácticos que por su diseño optimizan el tiempo y así permiten alcanzar una experiencia de aprendizaje eficaz.
Siguiendo el diseño y la secuencia didáctica el alumno determina la carga y ritmo de trabajo, pudiendo en todo momento a través de la plataforma solicitar la guía y apoyo de los profesores y tutores.
El modelo se completa con tutorías, clases y experiencias prácticas virtuales en tiempo real, interaccionando el alumno con el profesor para desarrollar o profundizar aspectos prácticos y relevantes del contenido de la materia.
La maestría organiza las once materias de las que se compone, en dos periodos académicos ordinarios de 18 semanas de duración, por lo que el alumno dispone de cinco semanas para alcanzar los objetivos de aprendizaje de cada materia.
Las tutorías, clases y experiencias prácticas virtuales en tiempo real se imparten cada dos semanas, en jueves tarde, viernes tarde y sábado.
(* el horario se ajustará a la secuencia docente buscando ser compatible con la actividad laboral).
EVALUACIÓN:
La duración de la unidad de titulación será de 240 horas. Los estudiantes podrán optar por completar las siguientes opciones:
Proyecto de titulación con componentes de investigación aplicada y/o desarrollo. Esta opción se basa en el desarrollo de un proyecto de aplicación que permita integrar de forma holística los conocimientos obtenidos en el programa y deberá tener afinidad con el programa de maestría.
Examen de carácter complexivo. Esta opción se basa en una evaluación integral del componente teórico (examen teórico) y práctico (examen práctico) de los resultados de aprendizaje del programa de maestría
Títulos:
Maestría en Big Data y Ciencia de Datos por la Universidad Hemisferios (Posgradro autorizado por el CES y reconocido por SENESCYT)
Máster en Big Data y Business Analytics por IMF Smart Education
Certificación profesional por INDRA
Salidas Profesionales:
La realización del programa le dará la oportunidad al alumno de dirigirse a las siguientes salidas profesionales, dependiendo de su formación previa:
Ingeniero de datos (Data Engineer)
Arquitecto de datos (Data Architect)
Científico de datos (Data Scientist)
Analista de datos (Big Data Analyst)
Director de gobierno de datos (CDO, Chief Data Officer)
