Puedes solicitarla si cuentas con un certificado oficial de discapacidad reconocido en España, a partir del 33% o más. No hay límite de edad. Si el reconocimiento está en trámite, también podemos orientarte.
Máster en Big Data y Business Analytics
Según las consultoras más importantes en el sector tecnológico, para los próximos años la demanda de perfiles del campo de la Inteligencia de Negocio habrá crecido de una manera tan exponencial que será imposible hacerle frente. Escuchamos la expresión Big Data por todos lados, pero ¿sabemos a qué se refiere? A día de hoy la gente emplea la palabra Big Data para referirse a “tengo un montón de datos y necesito guardarlos para que después me aporte valor en mi empresa”.
Duración: 1500 horas
Conviértete en experto de Big Data y Business Analytics
Objetivos del curso
¿Qué vas a conseguir?
- Aprender a diferenciar los conceptos de Big Data, Business Intelligence y todo el ámbito de Analytics en un mundo donde a todo se le llama “Big Data”. - Adquirir una visión global del Big Data & Analytics. - Identificar estrategias y oportunidades de negocio - Comprender mejor la tecnología necesaria - Conocer el perfil de los profesionales adecuados - Adquirir la capacidad de interlocución del Big Data & Analytics - Tener una visión generalizada de las herramientas de las que disponemos en el mercado Entender y desarrollar la complejidad técnica y científica - Gestión técnica de proyectos y de equipos de trabajo de BI/Big Data - Gestionar de manera correcta los temas legales relacionados con el uso de los datos
Programa del curso
¿Qué contenidos va abordar?
- Data information
- Knowledge wisdom
- Data Management (I)
- Data Management (II)
- Corporate perfomance management
- Bases de Datos
- Business intelligence
- Datawarehousing
- Big data
- Hadoop Spark
- Ecosistema Hadoop (I)
- Ecosistema Hadoop (II)
- Ecosistema Hadoop (III)
- Ecosistema Spark
- Instalación y configuración de arquitecturas Big Data
- Analytics
- Principales algoritmos (I)
- Principales algoritmos (II)
- Machine Learning y Deep Learning
- Internet Of Things
- Introducción a Power BI
- Diferentes tipos de Power BI: ¿es realmente gratis?
- Sumerjámonos en ello: primer informe simple
- Power Query: fuente de datos
- Transformación de datos
- Modelado de datos
- Comenzando con DAX (I)
- Comenzando con DAX (II)
- Dominando DAX (I)
- Dominando DAX (II)
- Tabla y matriz
- Tendencias
- Cómo filtrar tus datos adecuadamente
- Marcadores
- Obtención de detalles
- Entendiendo Power BI Service
- Compartiendo contenido en Power BI Service
- Comparando Power BI Service y Power Report Service
- Integrando Python y R en Power BI Desktop
- Introduciendo Bravo para Power BI Desktop
- Introducción a SQL
- Manipulación de bases de datos
- Tipos de datos
- Normalización
- Creación de tablas en SQL
- Manipulación de tablas
- Consulta de tablas en SQL
- Combinación de tablas en SQL
- Combinaciones de tablas y vistas
- Otros comandos en SQL
- Funciones para strings y funciones numéricas (I)
- Funciones numéricas (II)
- Funciones de fecha y hora
- Otras funciones
- Bucles, condicionales y triggers en SQL
- Introducción al datawarehousing
- Bases de datos en un datawarehouse. Stage
- Bases de datos en un datawarehouse. ODS (I)
- Datos en un datawarehouse. ODS (II)
- Bases de datos en un datawarehouse. DDS
- Introducción a Phyton
- Tipos de datos (I)
- Tipos de datos (II) y variables
- Agrupaciones de datos (I)
- Agrupaciones de datos (II) y entrada/salida de datos
- Estructuras en Phyton
- Bucle while
- Bucle for, contadores, testigos, acumuladores e iteración
- Funciones
- Programación orientada a objetos
- Introducción a R
- Primeros pasos en R
- Vectores
- Matrices y listas
- Dataframes
- Funciones
- Estructuras condicionales y bucles
- Archivos de datos
- Gráficos (I)
- Gráficos (II) y programación
- Introducción
- Persistencia políglota
- Modelo Acid
- Nuevas tendencias
- Comparación SQL y NoSQL
- Modelos de datos
- Modelos de agregación
- Modelos de agregación de clave-valor
- Modelos de datos orientados a documentos
- Modelos de agregación orientados a columnas
- Modelos de datos grafo
- Bases de datos distribuidas
- Estrategias para el diseño de BBDD’s distribuidas
- Diseño de BBDD’s NoSQL
- Hadoop Distributed File System (HDFS)
- UINIDAD DIDÁCTICA 4. EJEMPLOS DE BBDD NOSQL
- Ejemplo de bbdd nosql de agregación
- RIak. ejemplo base de datos clave-valor
- Mongodb. ejemplo base de datos documental
- Neo4j. Ejemplo bbdd NoSQL de grafo
- Hbase. Ejemplo de base de datos columnar
- Introducción
- Alfabetización de los datos
- Trabajar con datos
- Soluciones y técnicas para tratamiento de datos
- Gestión de la calidad de datos
- Trabajar con datos en Excel
- Conjunto de datos (DATASET)
- Data Cleasing con Excel
- Data Wrangling con Excel
- Data Blending en Excel
- Instalación Talend Data Preparation Desktop
- Trabajar con datos en Talend
- Data Cleasing con Talend
- Data Wrangling con Talend
- Data Blending con Talend
- Registro en dataprep by Trifacta
- Trabajar con datos con Dataprep by Trifacta
- Data Cleasing con Trifacta
- Data Wrangling con Dataprep by Trifacta
- Data Blending con Dataprep by Trifacta
- Introducción
- Regresión lineal, múltiple y logística (I)
- Regresión lineal, múltiple y logística (II)
- Máquina de vectores soporte (SVM)
- Árboles de decisión
- KNN (K-Nearest Neighbors)
- Naive bayes
- Evaluación de modelos supervisados
- Ejercicio de ejemplo
- Ejercicio propuesto
- Introducción a clustering. propósito y métricas
- K-means clustering
- Clústering jerárquico, otras técnicas y ejemplos
- Análisis de componentes principales (PCA)
- Ejercicio de ejemplo PCA
- Redes neuronales artificiales (ANN) (I)
- Redes neuronales artificiales (ANN) (II)
- Redes neuronales artificiales (ANN) (III)
- Ejercicio de ejemplo
- Ejercicio propuesto
- Introducción y repaso de Redes Neuronales Artificiales (ANN)
- Redes Neuronales Convolucionales (CNN). Introducción y casos de uso
- CNN. Intuición
- CNN. Descripción matemática
- CNN. Ejemplo de programación con Python y TensorFlow
- Ejercicio. Visión artificial con CNN
- Repaso de Series Temporales
- Redes Neuronales Recurrentes (RNN). Introducción y casos de uso
- RNN. Intuición
- RNN. Descripción matemática
- RNN. Ejemplo de programación con Python Y TensorFlow
- Ejercicio. Series Temporales con RNN
- Repaso de Sistemas de Recomendación
- Deep Bolztmann Machines (DBM). Introducción y casos de uso [Video]
- DBM. Intuición
- DBM. Descripción matemática
- DBM. Ejemplo de programación con Python y TensorFlow
- Ejercicio. Sistema de Recomendación con DBM
- Detección de anomalías
- Self-Organizing Maps (SOM). Introducción e intuición
- SOM. Descripción matemática
- AutoEncoders (AE). Introducción e intuición
- AE. Descripción matemática
- Ejercicio. Detección de anomalías con SOM y AE
- Estado del arte de la inteligencia artificial
- Filosofía de la inteligencia artificial
- Futuro de la inteligencia artificial
- Procesos de desarrollo de proyecto con inteligencia artificial
- Los datos, tu mayor activo
- Aprendizaje automático
- Aprendizaje profundo
- Transformers
- Generación de datos sintéticos
- Hiperparámetros en los modelos de inteligencia artificial
- Regresión lineal
- Regresión no lineal y Support Vector Machine (SVM)
- Árboles de decisión y bosques aleatorios
- Lógica difusa y descenso del gradiente
- Sistemas de recomendación
- Preparación del entorno de trabajo. Anaconda, Visual Studio Code y Python
- Dataset de entrada y procesado de datos
- TensorHub, TensorFlow y Keras
- Tratamiento de imágenes
- Generación de modelos de inteligencia artificial
¿Qué es el programa Por Talento Digital?
Formación tecnológica especializada para personas con discapacidad
La Fundación ONCE financia formación tecnológica especializada para personas con discapacidad del 33% o más, con el objetivo de impulsar su inclusión en empleos digitales altamente cualificados. Somos centro colaborador oficial.
FAQ
Preguntas frecuentes
El programa Por Talento Digital de Fundación ONCE cubre el 80% del coste de la matrícula. Además, puedes solicitar varias becas hasta alcanzar un máximo de 10.000 €. Nuestro equipo te asesorará sin compromiso durante todo el proceso.
Sí. El programa es 100% online y con una metodología flexible y asincrónica, lo que significa que puedes avanzar a tu propio ritmo y organizar el estudio según tu disponibilidad. Está diseñado para que puedas formarte sin renunciar a tu actividad profesional.
Una vez completada y enviada toda la documentación en la plataforma de Fundación ONCE, las solicitudes de beca son revisadas mensualmente por el Comité de Admisiones para su valoración y aprobación, si procede.
No te quedas sin opciones. Nuestro equipo te informará sobre alternativas como el pago fraccionado u otras ayudas disponibles. El objetivo es que ninguna barrera económica te impida formarte.
¿Dudas? Estamos aquí para ayudarte
Nuestro equipo de orientación te guía sin compromiso.