Para qué te prepara:
Gracias a esta Maestría en Data Driven Decision Making desarrollarás estrategias de análisis de datos con fuentes de información masivas utilizando herramientas Big Data como Hadoop o Weka para una posterior visualización de datos en informes profesionales con herramientas como Tableau o PowerBI. También podrás analizar datos estadísticos con Python y R y aplicar modelos de inteligencia artificial para la creación de Chatbots inteligentes.
A quién va dirigido:
Esta Maestría en Data Driven Decision Making está orientada principalmente a profesionales con un perfil técnico, a estudiantes en informática o incluso a empresarios con ciertos conocimientos que quieran aprender cómo, a través de modelos programados para analizar información masiva es posible crear visualizaciones de datos que permitan tomar decisiones estratégicas.
Titulación:
Titulación de Maestría en Data Driven Decision Making con 1500 horas expedida por ESIBE (ESCUELA IBEROAMERICANA DE POSTGRADO).
Objetivos:
- Entender las posibilidades del Big Data y cuáles son las herramientas más utilizadas para el análisis de datos. - Conocer la arquitectura Big Data, sus principales tecnologías y sistemas de administración de información. - Saber cómo utilizar la información para el Business Intelligence y como crear Datamart y Datawarehouse. - Utilizar herramientas profesionales de visualización de datos como Tableau, PowerBI, Qlikview, Carto o Google Data. - Descubrir qué es Data Science y procesar modelos de datos con los lenguajes de programación estadística Python y R. - Emplear la Inteligencia artificial, el Machine learning y el Deep Learning para tomar decisiones estratégicas. - Crear chatbots inteligentes utilizando procesamiento de lenguaje natural e inteligencia artificial.
Salidas Laborales:
Todas las empresas quieren lograr el éxito en su nicho de mercado y, actualmente, para lograrlo es necesario establecer una estrategia profesional de toma de decisiones basada en datos. Gracias a este Master en Data Driven Decision Making optarás a puestos como CIO (Chief Information Officer), Big Data Developer, Analista de datos, Data Scientist o IA Engineer.
Resumen:
La toma de decisiones dentro de una empresa en base a un análisis de datos estratégico y focalizado es clave para diferenciarte del resto de competidores y conseguir el éxito. Gracias a esta Maestría en Data Driven Decision Making desarrollarás estrategias de análisis de datos con fuentes de información masivas utilizando herramientas Big Data como Hadoop o Weka para una posterior visualización de datos en informes profesionales con herramientas como Tableau o PowerBI. También podrás analizar datos estadísticos con Python y R y aplicar modelos de inteligencia artificial para la creación de Chatbots inteligentes. Contarás con un equipo de profesionales especializados en la materia. Además, gracias a las prácticas garantizadas, podrás acceder a un mercado laboral en plena expansión.
Metodología:
Entre el material entregado en este curso se adjunta un documento llamado Guía del Alumno dónde aparece un horario de tutorías telefónicas y una dirección de e-mail dónde podrá enviar sus consultas, dudas y ejercicios. La metodología a seguir es ir avanzando a lo largo del itinerario de aprendizaje online, que cuenta con una serie de temas y ejercicios. Para su evaluación, el alumno/a deberá completar todos los ejercicios propuestos en el curso. La titulación será remitida al alumno/a por correo una vez se haya comprobado que ha completado el itinerario de aprendizaje satisfactoriamente.
Temario:
MÓDULO 1. BIG DATA ANALYTICS TOOLS
UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL BIG DATA
UNIDAD DIDÁCTICA 2. FUENTES DE DATOS
UNIDAD DIDÁCTICA 3. OPEN DATA
UNIDAD DIDÁCTICA 4. FASES DE UN PROYECTO DE BIG DATA
UNIDAD DIDÁCTICA 5. BIG DATA Y MARKETING
UNIDAD DIDÁCTICA 6. DEL BIG DATA AL LINKED OPEN DATA
UNIDAD DIDÁCTICA 7. BASES DE DATOS NOSQL Y EL ALMACENAMIENTO ESCALABLE
UNIDAD DIDÁCTICA 8. INTRODUCCIÓN A UN SISTEMA DE BASES DE DATOS NOSQL. MONGODB
UNIDAD DIDÁCTICA 9. ECOSISTEMA HADOOP
UNIDAD DIDÁCTICA 10. WEKA Y DATA MINING
UNIDAD DIDÁCTICA 11. PENTAHO
MÓDULO 2. ARQUITECTURA BIG DATA
UNIDAD DIDÁCTICA 1. BATCH PROCESSING
UNIDAD DIDÁCTICA 2. STREAMING PROCESSING
UNIDAD DIDÁCTICA 3. SISTEMAS NOSQL
UNIDAD DIDÁCTICA 4. INTERACTIVE QUERY
UNIDAD DIDÁCTICA 5. SISTEMAS DE COMPUTACIÓN HÍBRIDOS
UNIDAD DIDÁCTICA 6. CLOUD COMPUTING
UNIDAD DIDÁCTICA 7. ADMINISTRACIÓN DE SISTEMAS BIG
UNIDAD DIDÁCTICA 8. VISUALIZACIÓN DE DATOS
MÓDULO 3. BUSINESS INTELLIGENCE, DATAWAREHOUSE Y HERRAMIENTAS DE VISUALIZACIÓN
UNIDAD DIDÁCTICA 1. BUSINESS INTELLIGENCE Y LA SOCIEDAD DE LA INFORMACIÓN
UNIDAD DIDÁCTICA 2. PRINCIPALES PRODUCTOS DE BUSINESS INTELLIGENCE
UNIDAD DIDÁCTICA 3. MINERÍA DE DATOS O DATA MINING Y EL APRENDIZAJE AUTOMÁTICO
UNIDAD DIDÁCTICA 4. DATAMART. CONCEPTO DE BASE DE DATOS DEPARTAMENTAL
UNIDAD DIDÁCTICA 5. DATAWAREHOUSE O ALMACÉN DE DATOS CORPORATIVOS
UNIDAD DIDÁCTICA 6. INTELIGENCIA DE NEGOCIO Y HERRAMIENTAS DE ANALÍTICA
UNIDAD DIDÁCTICA 7. INTRODUCCIÓN A LA VISUALIZACIÓN DE DATOS
UNIDAD DIDÁCTICA 8. TABLEAU
UNIDAD DIDÁCTICA 9. D3 (DATA DRIVEN DOCUMENTS)
UNIDAD DIDÁCTICA 10. GOOGLE DATA
UNIDAD DIDÁCTICA 11. QLIKVIEW
UNIDAD DIDÁCTICA 12. POWERBI
UNIDAD DIDÁCTICA 13. CARTO
MÓDULO 4. DATA SCIENCE Y PROGRAMACIÓN ESTADÍSTICA CON PYTHON Y R
UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA CIENCIA DE DATOS
UNIDAD DIDÁCTICA 2. BASES DE DATOS RELACIONALES
UNIDAD DIDÁCTICA 3. PYTHON Y EL ANÁLISIS DE DATOS
UNIDAD DIDÁCTICA 4. R COMO HERRAMIENTA PARA BIG DATA
UNIDAD DIDÁCTICA 5. PRE-PROCESAMIENTO & PROCESAMIENTO DE DATOS
UNIDAD DIDÁCTICA 6. ANÁLISIS DE LOS DATOS
MÓDULO 5. INTELIGENCIA ARTIFICIAL (IA), MACHINE LEARNING (ML) Y DEEP LEARNING (DL)
UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL
UNIDAD DIDÁCTICA 2. TIPOS DE INTELIGENCIA ARTIFICIAL
UNIDAD DIDÁCTICA 3. ALGORITMOS APLICADOS A LA INTELIGENCIA ARTIFICIAL
UNIDAD DIDÁCTICA 4. RELACIÓN ENTRE INTELIGENCIA ARTIFICIAL Y BIG DATA
UNIDAD DIDÁCTICA 5. SISTEMAS EXPERTOS
UNIDAD DIDÁCTICA 6. FUTURO DE LA INTELIGENCIA ARTIFICIAL
UNIDAD DIDÁCTICA 7. INTRODUCCIÓN AL MACHINE LEARNING
UNIDAD DIDÁCTICA 8. EXTRACCIÓN DE ESTRUCTURA DE LOS DATOS: CLUSTERING
UNIDAD DIDÁCTICA 9. SISTEMAS DE RECOMENDACIÓN
UNIDAD DIDÁCTICA 10. CLASIFICACIÓN
UNIDAD DIDÁCTICA 11. REDES NEURONALES Y DEEP LEARNING
UNIDAD DIDÁCTICA 12. SISTEMAS DE ELECCIÓN
UNIDAD DIDÁCTICA 13. DEEP LEARNING CON PYTHON, KERAS Y TENSORFLOW
UNIDAD DIDÁCTICA 14. SISTEMAS NEURONALES
UNIDAD DIDÁCTICA 15. REDES DE UNA SOLA CAPA
UNIDAD DIDÁCTICA 16. REDES MULTICAPA
UNIDAD DIDÁCTICA 17. ESTRATEGIAS DE APRENDIZAJE
MÓDULO 6. PLN, CHATBOTS E INTELIGENCIA ARTIFICIAL
UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL PLN
UNIDAD DIDÁCTICA 2. PLN EN PYTHON
UNIDAD DIDÁCTICA 3. COMPUTACIÓN DE LA SINTAXIS PARA EL PLN
UNIDAD DIDÁCTICA 4. COMPUTACIÓN DE LA SEMÁNTICA PARA EL PLN
UNIDAD DIDÁCTICA 5. RECUPERACIÓN Y EXTRACCIÓN DE LA INFORMACIÓN
UNIDAD DIDÁCTICA 6. ¿QUÉ ES UN CHATBOT?
UNIDAD DIDÁCTICA 7. RELACIÓN ENTRE IA Y CHATBOTS
UNIDAD DIDÁCTICA 8. ÁMBITOS DE APLICACIÓN CHATBOTS