Máster en Visual Analytics y Big Data
-
Un master que está sin duda a lo que se necesita hoy sobre analytics, me siento muy a gusto.
← | →
-
Buenos temario, buenos profesores y muy buenos horarios.
← | →
-
Me encuentro finalizando mi curso y me ha encantado todo el proceso, profesores atentos y muy comprometidos con el aprendizaje.
← | →
Master
En línea
*Precio estimado
Importe original en EUR:
3,100 €
Descripción
-
Tipología
Master
-
Metodología
En línea
-
Horas lectivas
1500h
-
Duración
12 Meses
-
Inicio
Fechas disponibles
-
Campus virtual
Sí
-
Clases virtuales
Sí
Emagister ha incorporado a su extenso repertorio de cursos el Máster en Visual Analytics y Big Data ofrecido por la prestigiosa TECH - Universidad Tecnológica. Este programa se imparte de manera totalmente en línea en la comodidad del hogar y tiene una duración de doce meses. Adéntrate en el fascinante mundo de la analítica visual y el Big Data. La revolución digital ha inundado el mundo con un torrente de datos, y la habilidad para transformar esta vasta información en conocimiento valioso es una ventaja competitiva esencial en el mundo empresarial actual.
Aprendes a utilizar técnicas avanzadas para desentrañar patrones, tendencias y oportunidades ocultas en los datos empresariales. Comprendes el valor del entorno cambiante y te conectas con el emprendimiento y las nuevas formas de trabajo. Aprendes a analizar datos y tomar decisiones con herramientas estadísticas. Dominas conceptos introductorios de estadística y técnicas para el análisis de Big Data, junto con habilidades de visualización y Data Science, fundamentales para la innovación en las organizaciones.
¿Te ha interesado la propuesta académica? ¡No esperes un segundo más! Haz clic en el botón "Pide información" y permite que un asesor de Emagister te guíe en el proceso de inscripción y resuelva tus dudas para comenzar tu formación.
Precisiones importantes
Documentos
- master-visual-analytics-big-data-empresa.pdf
¿Qué objetivos tiene esta formación?: Comprender el valor del entorno cambiante y facilitar al alumno la conexión con el emprendimiento y las nuevas knowmadas de trabajo. Analizar los datos producidos y sacar conclusiones mediante herramientas estadísticas para la toma de decisiones más adecuadas en cada momento. Aprender los conceptos introductorios de la estadística; razonar estadísticamente; representar relaciones entre diferentes variables, entre otros. Conocer y utilizar herramientas estadísticas para solucionar problemas en el ámbito del Big Data. Aprender las distintas técnicas para el análisis y explotación de datos, técnicas de visualización e interacción, todo estrechamente vinculado con el rol del Data Scientist y su contribución en la anticipación y visión para la ejecución de procesos de innovación que permitan gestionar cambios de manera eficiente en las organizaciones.
¿Esta formación es para mí?: Este programa está diseñado para afianzar las capacidades del alumno en Visual Analytics y Big Data, además de desarrollar nuevas competencias y habilidades que serán imprescindibles en su desarrollo profesional. Tras el programa, el profesional será capaz de tomar decisiones de carácter global con una perspectiva innovadora y una visión internacional.
¿Qué pasará tras pedir información?: Recibida su solicitud, un responsable académico del curso le llamará para explicarle todos los detalles del programa, así como el método de inscripción, facilidades de pago y plazos de matrícula.
Web:Pcurso:Detalles:Baremable:Label: Web:Pcurso:Detalles:Baremable:Txt
Sedes y fechas disponibles
Ubicación
Inicio
Inicio
Materias
- Bases de datos
- Data mining
- Visualización de la información
- Herramientas de análisis de datos
- Big Data
Programa académico
Módulo 1. Visual Analytics en el Contexto Social y Tecnológico
1.1. Las Olas Tecnológicas en las diferentes Sociedades. Hacia una ‘Data Society’
1.2. La Globalización. Contexto Mundial Geopolítico y Social
1.3. Entorno VUCA. Viviendo siempre en el pasado
1.4. Conociendo las nuevas tecnologías: 5G e IoT
1.5. Conociendo las nuevas tecnologías: Cloud y Edge Computing
1.6. Critical Thinking en Visual Analytics
1.7. Los Know-mads. Nómadas entre Datos
1.8. Aprendiendo a Emprender en Visual Analytics
1.9. Teorías de Anticipación aplicadas al Visual Analytics
1.10. El Nuevo Entorno Empresarial. La Transformación Digital
Módulo 2. Análisis e Interpretación de Datos
2.1. Introducción a la Estadística
2.2. Medidas aplicables al tratamiento de información
2.3. Correlación estadística
2.4. Teoría de la Probabilidad condicional
2.5. Variables aleatorias y Distribuciones de Probabilidad
2.6. Inferencia Bayesiana
2.7. Teoría de Muestras
2.8. Intervalos de Confianza
2.9. Contrastes de Hipótesis
2.10. Análisis de la Regresión
Módulo 3. Técnicas de Análisis de Datos e IA
3.1. Analítica Predictiva
3.2. Técnicas de Evaluación y Selección de Modelos
3.3. Técnicas de optimización lineal
3.4. Simulaciones de MonteCarlo
3.5. Análisis de Escenarios
3.6. Técnicas de Machine Learning
3.7. Analítica Web
3.8. Técnicas de Text Mining
3.9. Métodos en Procesamiento Lenguaje Natural (PNL)
3.10. Análisis de Redes Sociales
Módulo 4. Herramientas de Análisis de Datos
4.1. Entorno R de Data Science
4.2. Entorno Python de Data Science
4.3. Gráficos estáticos y Estadísticos
4.4. Tratamiento de Datos en diferentes formatos y diferentes fuentes
4.5. Limpieza y Preparación de Datos
4.6. Estudios exploratorios
4.7. Árboles de Decisión
4.8. Reglas de Clasificación y de Asociación
4.9. Redes Neuronales
4.10. Deep Learning
Módulo 5. Sistemas de Gestión de Bases de Datos y Paralelización de Datos
5.1. Bases de datos convencionales
5.2. Bases de datos no convencionales
5.3. Cloud Computing: Gestión distribuida de datos
5.4. Herramientas de ingesta de grandes volúmenes de datos
5.5. Tipos de Paralelismos
5.6. Procesamiento de datos en streaming y tiempo real
5.7. Procesamiento paralelo: Hadoop
5.8. Procesamiento paralelo: Spark
5.9. Apache Kafka
5.9.1. Introducción a Apache Kafka
5.9.2. Arquitectura
5.9.3. Estructura de Datos
5.9.4. APIs Kafka
5.9.5. Casos de Uso
5.10. Cloudera Impala
Módulo 6. Data-Driven soft skills en la Dirección Estratégica en Visual Analytics
6.1. Drive Profile for Data-Driven Organizations
6.2. Habilidades Gerenciales Avanzadas en organizaciones Data-Driven
6.3. Usando los datos para mejorar el performance de la Comunicación Estratégica
6.4. Inteligencia Emocional aplicada a la Dirección en Visual Analytics
6.5. Presentaciones Eficaces
6.6. Mejorando el performance mediante la gestión motivacional
6.7. Liderazgo en organizaciones Data-Driven
6.8. Talento Digital en organizaciones Data-Driven
6.9. Data-Driven Agile Organization I
6.10. Data-Driven Agile Organization II
Módulo 7. Dirección Estratégica de Proyectos de Visual Analytics y Big Data
7.1. Introducción a la Dirección Estratégica de Proyectos
7.2. Best Practices en la descripción de Procesos de Big Data (PMI)
7.3. Metodología Kimball
7.4. Metodología SQuID
7.4.1. Introducción a la Metodología SQuID para abordar proyectos de Big Data
7.4.2. Fase I. Sources
7.4.3. Fase II. Data Quality
7.4.4. Fase III. Impossible Questions
7.4.5. Fase IV. Discovering
7.4.6. Best Pratices en la aplicación de SQuID a proyectos de Big Data
7.5. Aspectos legales del mundo de los Datos
7.6. Privacidad en Big Data
7.7. Ciberseguridad en Big Data
7.8. La identificación y deidentificación con grandes volúmenes de Datos
7.9. Ética de los Datos I
7.10. Ética de los Datos II
Módulo 8. Análisis del Cliente. Aplicando la inteligencia de los datos al Marketing
8.1. Conceptos del Marketing. Marketing Estratégico
8.2. Marketing Relacional
8.3. El CRM como centro de la organización para el análisis del Cliente
8.4. Tecnologías de la web
8.5. Fuentes de datos Web
8.6. Adquisición de datos Web
8.7. Herramientas para la Extracción de datos de la Web
8.8. Web Semántica
8.9. OSINT: Inteligencia de fuente abierta
8.10. MasterLead o como mejorar la conversión a ventas usando Big data
Módulo 9. Visualización Interactiva de los Datos
9.1. Introducción al arte de hacer Visible los Datos
9.2. Cómo hacer un storytelling con Datos
9.3. Representaciones de Datos
9.4. Escalabilidad de Representaciones Visuales
9.5. Visual Analytics vs. information visualization. Entendiendo que no es lo mismo
9.6. Proceso de Análisis Visual (Keim)
9.7. Reportes Estratégicos, Operativos y de Dirección
9.8. Tipos de gráficos y su función
9.9. Interpretación de Reportes y Gráficos. Jugando el rol del receptor
9.10. Evaluación de Sistemas de Visual Analytics
Módulo 10. Herramientas de Visualización
10.1. Introducción a las Herramientas de visualización de Datos
10.2. Many Eyes
10.3. Google Charts
10.4. jQuery
10.5. Data-Driven Documents I
10.6. Data-Driven Documents II
10.7. Matlab
10.8. Tableau
10.9. SAS Visual Analytics
10.10. Microsoft Power BI.
Máster en Visual Analytics y Big Data
*Precio estimado
Importe original en EUR:
3,100 €