Cambia la forma de analizar de tu organización para transformarla en una data driven company.
El Máster en Big Data y Analytics da respuesta al nuevo escenario laboral que el almacenaje, la gestión y la interpretación de los datos han aportado a las empresas y organizaciones en todo el mundo y prepara a profesionales para que sean capaces de implantar proyectos de Big Data de principio a fin en sus organizaciones.
El objetivo general es proporcionar los conocimientos necesarios para gestionar un proyecto de Big Data desde todas sus vertientes, empezando desde cómo identificar la oportunidad en una organización hasta qué se entrega a las áreas de negocio.
Conseguir que el profesional responsable pueda identificar si una organización se encuentra delante de un reto de Big Data y tener un proceso definido de los pasos a seguir: identificar la tipología de soluciones que debe adoptar; los perfiles profesionales que va a necesitar; preparar un plan de viabilidad económica y tener los fundamentos para manejar su escalabilidad.
Una vez que completes con éxito tu programa, obtendrás un doble título:
El Máster en Big Data & Analytics se estructura en 10 módulos terminando el programa con el Proyecto Fin de Máster.
Contamos con varias membresías y certificaciones que nos permiten agregar un extra a nuestros programas y brindar herramientas complementarias a nuestros alumnos.
Los estudiantes inician el programa de Big Data y Analytics con este bootcamp que provee de las bases de conocimiento técnicas necesarias para cursar y para llevar cabo proyectos de Big Data.
En este curso, los estudiantes encontrarán recursos materiales que les permitirán profundizar en diferentes temas necesarios para el seguimiento del máster y realizarán actividades que les servirán como guía para la evaluación de sus conocimientos y la evaluación final del curso.
En este módulo introduciremos los conceptos fundamentales del Big Data para saber identificar las claves de cada proyecto y escalabilidad. Descubrir la variabilidad de los datos, la volumetría y la velocidad nos servirá para identificar qué fases se deben llevar a cabo antes de arrancar un proyecto de Big Data y, lo más importante, qué retorno esperamos del proyecto y qué expectativas tiene el negocio.
Objetivos:
En este módulo descubriremos los pros y los contras de cada arquitectura, los principales proveedores de soluciones y las estrategias para construir entornos lo más elásticos posibles, buscando siempre la arquitectura más eficaz en soluciones y coste.
Objetivos:
En este momento, deberemos definir reglas de calidad para verificar que los datos son correctos y no empobrecen nuestro Data Lake. En este módulo aprenderemos a definir las bases que deben tener todo proceso de carga de datos para garantizar una integridad, sanitización, historificación y recursividad en las cargas.
Objetivos:
Registrar grandes cantidades de información requiere de diferentes tipologías de base de datos, más allá de las relacionales con un enfoque más tradicional. Así, por ejemplo, el vídeo, las rutas o caminos críticos, los documentos o las redes sociales son fuentes de datos cada vez más habituales entre las fuentes de información que interesan a un negocio. El mercado tecnológico se ha adaptado a todas ellas y ha creado soluciones para poder almacenarlas y explotarlas de forma óptima. En este módulo descubriremos sus ventajas e inconvenientes y realizaremos pequeñas prácticas sobre cada una de ellas para explorar su potencial.
Objetivos:
En este módulo aprenderemos a extraer información del conjunto de datos del Data Lake y, sobre todo, a convertirla en interpretable. En todo el proceso, deberemos tener claros los objetivos de negocio, las herramientas que nos ayudarán a analizar los datos, a determinar qué modelos matemáticos son mejores y a cualificar los resultados.
Objetivos:
Una vez dispongamos de unos datos correctos habrá llegado el momento de extraer el conocimiento, interpretarlos y llevar el conocimiento a un nuevo nivel. En este módulo, sentaremos una pequeña base estadística para poder trabajar con una de las principales herramientas de Advanced Analytics del mercado: R. Con ella se realizarán pequeñas prácticas para extraer el máximo potencial de los datos.
Objetivos:
En los módulos anteriores se ve cómo interpretar los datos existentes, cómo extraer conocimiento de todo lo que nos ha sucedido. En este módulo nos acercaremos al Machine Learning para ver cómo, con buena información, podemos acercarnos a los predictivos. Descubriremos las principales técnicas y herramientas de mercado, qué tipología y volumen de información es necesaria y realizaremos pequeños módulos prácticos para ver su aplicabilidad.
Objetivos:
Una vez tenemos toda la información, debemos definir las reglas de uso: quién puede ver los datos, la definición de cada dato, linaje y dotar a los usuarios de las herramientas para poder interpretarlos.
El gobierno del dato es donde muchas empresas fracasan, tener dos valores diferentes para un mismo KPI o predictivo, provoca desconfianza entre las diferentes áreas de negocio.
En este módulo, aprenderemos las técnicas de gobierno de la información para mantener la integridad, seguridad y trazabilidad, para garantizar que los datos ayuden a la toma de decisiones seguras sin generar desconfianza.
Objetivos:
En este módulo descubriremos cuáles son las diferentes técnicas de visualización de datos y cuándo utilizar cada una de ellas. Los grandes volúmenes de datos necesitan de nuevas representaciones gráficas para poder interpretarlos: mapas de calor, clústeres, dimensionales, caminos críticos, entre otros.
Además de los gráficos, es importante asociar la valoración a cada uno de ellos y generar una interpretación. Los indicadores pueden confundir y dificultar la toma de decisiones, orientarlos, ponerlos en contexto y subjetivarlos ayudará a una mejor interpretación.
Objetivos:
Finalmente, como el ecosistema de herramientas de visualización es complejo, será importante escoger el más adecuado para cada tipo de organización. Habrá que tener en cuenta que en una organización se busca simplificar la tecnología y deberemos buscar una solución para toda la organización. Es sólo entonces cuando podremos garantizar fácilmente la seguridad, accesibilidad y disponibilidad de los
mismos KPIs.
El autoservicio es una pieza clave en organizaciones grandes con delegaciones, sucursales, etc. Permite descentralizar la información y convertir cada nodo de la organización en autónomo. En este módulo descubriremos las principales herramientas de data visualization y
autoservicio.
Objetivos:
Taller 1. Neo4j- Amazon: En este taller los estudiantes trabajarán con las aplicaciones Neo4j, y amazon, a través de la realización
de diferentes ejercicios prácticos, que les permitirán obtener una visión real de las aplicaciones que tienen ambas en el
ámbito del Big Data y el Data Analytics.
Taller 2. Watson-QSense: Las soluciones para montar un entorno de Inteligencia Artificial/Machine Learning pueden pasar por
diferentes productos Open Souce interconectados, o bien por una solución que agregue los principales productos de
mercado y nos garanticen la interoperabilidad entre versiones, upgrades automáticos y contratación como servicio.
Estas son las principales ventajas de Watson y, en este taller, meramente práctico, descubriremos como aprovisionar un
entorno para nuestros Data Science en los que podamos gobernar las soluciones y el coste.
Para todos aquellos alumnos que finalicen con éxito el Máster, opcionalmente, podrán realizar el examen para la obtención de las certificaciones aCAP® o CAP®, acreditaciones clave para los profesionales del área de operaciones y analytics.
El objetivo de estas certificaciones es validar los conocimientos y habilidades de los estudiantes en materia de análisis de datos. Obtener una acreditación de estas características es un elemento diferenciador, que aporta valor a los profesionales, abriéndoles las puertas al mercado laboral o a la mejora de la posición laboral ocupada. Para las empresas que buscan mejorar su capacidad para transformar los datos en información y acciones rentables, CAP® y aCAP® proporcionan una distinción para identificar, reclutar y retener el mejor talento analítico.
Ambas certificaciones están avaladas por Informs, una institución integrada por 12.500 profesionales y estudiantes de este ámbito y que está comprometida con dar respuesta a las necesidades de los profesionales encargados del desarrollo, aplicación, investigación y docencia en el área de anlytics. El objetivo principal de la organización es promover las buenas prácticas y avances en operaciones, gestión empresarial y Analytics con el fin de mejorar los procesos operativos, la toma de decisiones y los beneficios.
El Máster en Big Data y Analytics proporciona a los estudiantes los conocimientos y habilidades necesarios para superar satisfactoriamente el examen de aCAP® o CAP®, que les permitirán diferenciarse de la competencia y aportar valor a sus carreras profesionales.
Preparación a la Certificación en PSM® (Professional Scrum Master)
Es una certificación orientada a demostrar conocimiento de Scrum y las responsabilidades de Scrum Master. El objetivo de la certificación es validar los conocimientos y habilidades de los estudiantes. La certificación es reconocida y respetada mundialmente porque pone a prueba una verdadera comprensión de Scrum y como aplicarlo. Una vez que se obtiene no se necesita renovación.
Es un trabajo académico-práctico que los estudiantes realizarán, transversalmente. El objetivo de este trabajo es favorecer la aplicación práctica de los conocimientos, metodologías y herramientas vistos a lo largo de todo el máster.
El perfil de los alumnos del máster en Big Data & Analytics
Inesdi da respuesta al escenario económico y empresarial actual.
Nuestro proceso de admisión tiene como objetivo fundamental asegurar la idoneidad y desarrollo de los candidatos, para que todos nuestros alumnos puedan vivir una experiencia digital que responda a sus necesidades actuales y futuras.