Máster en Big Data y Analytics
CONVOCATORIA ABIERTACambia la forma de analizar de tu organización para transformarla en una data driven company.
Partner académico
Título propio acreditado por la
El Máster en Big Data y Analytics de Three Points brinda respuesta al nuevo escenario laboral donde el almacenaje, gestión e interpretación de los datos han aportado a las empresas y organizaciones en todo el mundo.
No es arriesgado afirmar que los datos se han convertido en el nuevo patrón oro del contexto empresarial actual. Las grandes compañías los recolectan y los venden a precios desorbitados. Las organizaciones políticas los usan para obtener mejores resultados en los diferentes procesos electorales y cualquier empresa que quiera satisfacer las necesidades de sus clientes y aumentar su cifra de negocio debe aprender a obtenerlos, analizarlos y utilizarlos.
Inesdi Digital Business School, cuenta con Three Points, The School For Digital Business, como partner estratégico para conformar el Digital Innovation Learning Hub de Planeta Formación y Universidades.
En virtud de esta alianza, se busca impulsar la formación en Business Technology a través de programas especializados en este ámbito.
Three Points cuenta con la Universitat Politècnica de Catalunya (UPC) como partner académico que avala los másters de la escuela. La UPC es una de las universidades politécnicas líderes de Europa en los ámbitos de la ingeniería, la arquitectura, las ciencias y la tecnología.
Una vez finalizado el programa, los estudiantes obtendrán:
- Un título propio de Three Points
- Un título propio acreditado por la UPC, si se cumplen los requisitos de la Universidad al finalizar el programa
Curso nivelador Big Data
Los estudiantes inician el programa de Big Data y Analytics con este curso nivelador que provee de las bases de conocimiento técnicas necesarias para cursar el programa y para llevar a 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 curso y realizarán actividades que les servirán como guía para la evaluación de sus conocimientos y la evaluación final del curso.
Módulo 1- Gerencia del Big Data Analytics
En este módulo, se introducen los conceptos fundamentales del Big Data para saber identificar las claves de cada proyecto, su escalabilidad y su retorno.
Los alumnos tratarán temas como:
- ROI en un proyecto de Big Data
- Dark Data y Open Data
- Data Driven Companies
- Legalidad asociada a los datos
Módulo 2- Gerencia del Big Data Analytics
Este módulo se centra en los pros y los contras de cada arquitectura, los principales proveedores de soluciones y cómo construir entornos elásticos con la arquitectura más eficaz.
Se profundizará en los siguientes temas:
- Tipologías de arquitecturas On Premise, Híbrida, On Cloud
- Hadoop y HDFS como fundamentos para la paralelización de procesos
- Spark y el ecosistema Hive, Pig, Sqoop y Flume
- Kubernetes y Databricks
Módulo 3- ETLs y ELTs
En este módulo, los alumnos aprenderán a definir las bases que debe tener todo proceso de carga de datos para garantizar la integridad, sanitización, historificación y recursividad en las cargas.
- ETLs y ELTs: beneficios e inconvenientes
- KPIs para MDM
- Uso de las excepciones en el entorno Big Data
- Data Lakes y Data Warehouse: definición y diferencias
Módulo 4- Data Lakes
El cuarto módulo se centra en las ventajas e inconvenientes de las distintas tipologías de bases de datos mediante módulos prácticos sobre cada una de ellas para explorar su potencial:
- Bases de datos relacionales vs NOSQL
- Bases de datos columnares
- Bases de datos de grafos: Neo4j
- Bases de datos documentales
- Técnicas y procedimientos para enriquecer el Data Lake
- Rol de los Streams de datos en la toma de decisiones a tiempo real
Módulo 5- Data Mining
A lo largo de este módulo, los estudiantes aprenderán a extraer información del conjunto de datos del Data Lake y a convertirla en interpretable.
Se profundizará en temas como:
- Objetivos de negocio
- Transformación del conjunto de datos de entrada
- Análisis y selección de la técnica de minería de datos más adecuada: redes neuronales, árboles de decisión, clustering o reglas de asociación
- Extracción de conocimiento
- Evaluación e interpretación de los datos
Módulo 6- Advanced Analytics: R
En este módulo se sentará una base estadística para poder trabajar con una de las principales herramientas del mercado. Se realizarán prácticas para extraer el máximo potencial de los datos.
Los alumnos verán temas como:
- Análisis multivariante de datos
- Aplicación de series temporales
- Procesos de control estadístico de la calidad de datos
- Correlaciones y patrones
- Proceso de clusterización de los datos
Módulo 7- Machine Learning
En la última parte de este bloque, los alumnos descubrirán de manera práctica las principales técnicas y herramientas de Machine Learning y cómo testear su aplicabilidad.
El módulo incluye:
- Definición y diferencias entre aprendizaje supervisado y aprendizaje no supervisado
- Técnicas de clasificación: desde los árboles de decisiones hasta las técnicas bayesianas
- Aprendizaje automático
- Principales softwares de código abierto y comercial
Módulo 8- Data Governance
En este módulo, los alumnos aprenderán las técnicas de gobierno de la información para garantizar que los datos ayudan a la toma de decisiones seguras.
Los alumnos profundizarán en los siguientes conceptos:
- Accesibilidad de los datos
- Gestión de datos como un activo
- Técnicas para asegurar la integridad
- Definición de los principales KPIs y trazabilidad de los dato
- Securización en Big Data
Módulo 9- Técnicas de visualización
En este módulo se abordarán las diferentes técnicas de visualización de datos y los alumnos aprenderán cuándo deben utilizar cada una de ellas para conseguir una mejor interpretación de los mismos.
Algunos de los temas que incluye el módulo son:
- Tipologías disponibles de gráficos
- Casos de uso y principales representaciones gráficas
- Procesos vinculados al cambio de los gráficos al Storytelling de negocio
- Simplificación y agregación de datos para Dashboards de dirección
Módulo 10 - Herramientas de visualización de datos y autoservicio
En el último módulo, los estudiantes aprenderán a identificar las principales herramientas visualización y autoservicio que existen actualmente.
Los alumnos abordarán los siguientes temas:
- Principales herramientas de mercado: Qlikview/sense, Tableau, PowerBI y Cognos
- Puntos fuertes y puntos débiles de cada una de las herramientas de mercado
- Caso práctico con Qliksense y el autoservicio de datos
Certificaciones Cap y aCap
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.
- aCAP® (Associate Certified Analytics Professional) es una certificación orientada a aquellos profesionales dedicados al análisis de datos, sin experiencia laboral o experiencia inferior a 3 años.
- CAP® (Certified Analytics Professional) es una certificación orientada a aquellos profesionales dedicados al análisis de datos, con experiencia laboral más de 3 años.
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.
Curso nivelador Big Data
Los estudiantes inician el programa de Big Data y Analytics con este curso nivelador que provee de las bases de conocimiento técnicas necesarias para cursar el programa y para llevar a 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 curso y realizarán actividades que les servirán como guía para la evaluación de sus conocimientos y la evaluación final del curso.
Módulo 1- Gerencia del Big Data Analytics
En este módulo, se introducen los conceptos fundamentales del Big Data para saber identificar las claves de cada proyecto, su escalabilidad y su retorno.
Los alumnos tratarán temas como:
- ROI en un proyecto de Big Data
- Dark Data y Open Data
- Data Driven Companies
- Legalidad asociada a los datos
Módulo 2- Gerencia del Big Data Analytics
Este módulo se centra en los pros y los contras de cada arquitectura, los principales proveedores de soluciones y cómo construir entornos elásticos con la arquitectura más eficaz.
Se profundizará en los siguientes temas:
- Tipologías de arquitecturas On Premise, Híbrida, On Cloud
- Hadoop y HDFS como fundamentos para la paralelización de procesos
- Spark y el ecosistema Hive, Pig, Sqoop y Flume
- Kubernetes y Databricks
Módulo 3- ETLs y ELTs
En este módulo, los alumnos aprenderán a definir las bases que debe tener todo proceso de carga de datos para garantizar la integridad, sanitización, historificación y recursividad en las cargas.
- ETLs y ELTs: beneficios e inconvenientes
- KPIs para MDM
- Uso de las excepciones en el entorno Big Data
- Data Lakes y Data Warehouse: definición y diferencias
Módulo 4- Data Lakes
El cuarto módulo se centra en las ventajas e inconvenientes de las distintas tipologías de bases de datos mediante módulos prácticos sobre cada una de ellas para explorar su potencial:
- Bases de datos relacionales vs NOSQL
- Bases de datos columnares
- Bases de datos de grafos: Neo4j
- Bases de datos documentales
- Técnicas y procedimientos para enriquecer el Data Lake
- Rol de los Streams de datos en la toma de decisiones a tiempo real
Módulo 5- Data Mining
A lo largo de este módulo, los estudiantes aprenderán a extraer información del conjunto de datos del Data Lake y a convertirla en interpretable.
Se profundizará en temas como:
- Objetivos de negocio
- Transformación del conjunto de datos de entrada
- Análisis y selección de la técnica de minería de datos más adecuada: redes neuronales, árboles de decisión, clustering o reglas de asociación
- Extracción de conocimiento
- Evaluación e interpretación de los datos
Módulo 6- Advanced Analytics: R
En este módulo se sentará una base estadística para poder trabajar con una de las principales herramientas del mercado. Se realizarán prácticas para extraer el máximo potencial de los datos.
Los alumnos verán temas como:
- Análisis multivariante de datos
- Aplicación de series temporales
- Procesos de control estadístico de la calidad de datos
- Correlaciones y patrones
- Proceso de clusterización de los datos
Módulo 7- Machine Learning
En la última parte de este bloque, los alumnos descubrirán de manera práctica las principales técnicas y herramientas de Machine Learning y cómo testear su aplicabilidad.
El módulo incluye:
- Definición y diferencias entre aprendizaje supervisado y aprendizaje no supervisado
- Técnicas de clasificación: desde los árboles de decisiones hasta las técnicas bayesianas
- Aprendizaje automático
- Principales softwares de código abierto y comercial
Módulo 8- Data Governance
En este módulo, los alumnos aprenderán las técnicas de gobierno de la información para garantizar que los datos ayudan a la toma de decisiones seguras.
Los alumnos profundizarán en los siguientes conceptos:
- Accesibilidad de los datos
- Gestión de datos como un activo
- Técnicas para asegurar la integridad
- Definición de los principales KPIs y trazabilidad de los dato
- Securización en Big Data
Módulo 9- Técnicas de visualización
En este módulo se abordarán las diferentes técnicas de visualización de datos y los alumnos aprenderán cuándo deben utilizar cada una de ellas para conseguir una mejor interpretación de los mismos.
Algunos de los temas que incluye el módulo son:
- Tipologías disponibles de gráficos
- Casos de uso y principales representaciones gráficas
- Procesos vinculados al cambio de los gráficos al Storytelling de negocio
- Simplificación y agregación de datos para Dashboards de dirección
Módulo 10 - Herramientas de visualización de datos y autoservicio
En el último módulo, los estudiantes aprenderán a identificar las principales herramientas visualización y autoservicio que existen actualmente.
Los alumnos abordarán los siguientes temas:
- Principales herramientas de mercado: Qlikview/sense, Tableau, PowerBI y Cognos
- Puntos fuertes y puntos débiles de cada una de las herramientas de mercado
- Caso práctico con Qliksense y el autoservicio de datos
Certificaciones Cap y aCap
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.
- aCAP® (Associate Certified Analytics Professional) es una certificación orientada a aquellos profesionales dedicados al análisis de datos, sin experiencia laboral o experiencia inferior a 3 años.
- CAP® (Certified Analytics Professional) es una certificación orientada a aquellos profesionales dedicados al análisis de datos, con experiencia laboral más de 3 años.
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.
Proyecto final de Master
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.
Profesores
Marc Subirà
Máster Advanced CIO en ESADE. Ingeniero en Informática de gestión. CEO de dos medios digitales de comunicación.
Alberto Abelló
Profesor asociado en Informática en la Universitat Politécnica de Catalunya (UPC). Dispone de un doctorado en Informática.
Francesc Taxonera
Actualmente es arquitecto técnico de clientes en IBM y previo a esto fue ingeniero de sistemas en ViewNext. Ingeniero Superior de Telecomunicaciones por la UPC.
Enrique Mora
Artificial Intelligence Solutions Architect en Nestlé. Es licenciado en Matemáticas por la UB, tiene un Postgrado en Inteligencia Artificial por la UNED y un Máster en seguridad informática por UAB.
Elena Cordero
Consultora en Irium para FC Barceclona. Es licenciada de Física por la UB y tiene un posgrado en Data Science y Big Data por la Universitat de Barcelona.
Ernesto Lores
Es responsable de proyectos en Aquiles Solutions. Es ingeniero en Informática de sistemas por la UNED y estudió Matemáticas en la UB. Dispone de un máster en Ingeniería de Software por la UPC.
Jordi Cahue
Es ingeniero en Sistemas de la Información por la UPC. Actualmente es arquitecto IT Senior en IBM y miembro de la Academia de Tecnología de IBM.
Perfil del estudiante
El perfil de los alumnos del máster en Big Data & Analytics
DATOS DEMOGRÁFICOS
SEXO
EDAD
BACKGROUND
EXPERIENCIA
Perfil del estudiante
Inesdi da respuesta al escenario económico y empresarial actual.
DATOS DEMOGRÁFICOS
SEXO
EDAD
BACKGROUND
EXPERIENCIA
Proceso de admisión
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.
