MÁSTER EN BIG DATA & ANALYTICS

MASTER BIG DATA ANALYTICS 100% GARANTIZADO

Titulación propia
Fines de semana | Lunes a Viernes
Duración: 350h
30 Octubre ’20
Fines de semana
Presencial Virtual Class
Solicita 20% de descuento, por tiempo limitado

Nuestro Máster en Big Data & Analytics en streaming te ofrece la oportunidad de convertirte en uno de los profesionales más cotizados para miles de empresas.

15

TRABAJA EN BIG DATA EN SOLO 15 SEMANAS

En datahack aprenderás cómo aprovechar al máximo el poder de la información y de los datos. Asimismo, durante el proceso de aprendizaje en el Máster en Big Data & Analytics de datahack, estarás rodeado de los mejores profesionales del Big Data en España, que te formarán en el uso inteligente de los datos. Una oportunidad única para cambiar tu vida y tu carrera profesional. Por tanto, cursar el Máster en Big Data & Analytics es una decisión que te colocará en una situación privilegiada en el mercado laboral.

El Máster Experto en Big Data & Analytics de datahack es un programa de formación dirigido a profesionales. Por tanto, nuestro objetivo es que seas capaz de ofrecer a las empresas las soluciones más innovadoras, capaces de generar un valor añadido a la estrategia de negocio de los próximos años.

Gracias al Máster en Big Data & Analytics tendrás amplios conocimientos sobre las herramientas y técnicas analíticas necesarias para la modelización de los principales retos de negocio, con el fin de mejorar la toma de decisiones a través de los datos y el conocimiento.

Como resultado, acceder a nuestro Máster en Big Data & Analytics online en streaming es la mejor opción para comenzar a trabajar en el mundo del Big Data y ¡tan solo en 15 semanas!

QUÉ VAS A APRENDER EN EL MÁSTER EN BIG DATA & ANALYTICS

  • Modelos De Análisis Y Predicción (+)
  • Conocerás los principales modelos de análisis y predicción y aprenderás a aplicarlos a la realidad empresarial.
  • Programación (+)
  • Aprenderás a programar y analizar datos con R y Python.
  • Protocolos De Data Science (+)
  • Sabrás cómo medir y evaluar indicadores a partir de la aplicación de protocolos de data Science.
  • Analítica (+)
  • Aprenderás a aplicar las distintas herramientas analíticas para satisfacer las posibles demandas del actual sector empresarial.
  • Tratamiento De Datos (+)
  • Emplearás las técnicas y herramientas necesarias para el tratamiento Big Data.
  • Modelos De Bases De Datos (+)
  • Comprenderás cómo operan los modelos de base de datos multidimensionales a efectos de extraer nuevos patrones que ayuden a aumentar los resultados comparativos de las compañías.

SALIDAS PROFESIONALES

  • Data Analyst
  • Data Modeler
  • Data Scientist
  • Business Intelligence Analyst

MÁSTER EN BIG DATA & ANALYTICS DIRIGIDO A

  • Profesionales de las áreas de Tecnología e Innovación
  • Personal de departamentos de Marketing
  • Técnicos de otras áreas que quieran alcanzar una visión más analítica del negocio
  • Consultores y analistas que operen en el ámbito de Data Science y Big Data

Nuestro Máster en Big Data & Analytics online se imparte a través de nuestro sistema Connected Learning Live, es decir, se trata de una formación en streaming en tiempo real, la alternativa ideal a las aulas presenciales con la que podrás:  

Formación 100% digital

  • Asistir desde cualquier punto del planeta y con cualquier dispositivo.
  • Interactuar con el tutor y con el resto de tus compañeros.
  • Obtener una experiencia de aprendizaje integral.
  • Aprender en la pantalla del profesor, compartiendo tu pantalla con él/ella y en la pizarra electrónica.
  • Acceder a nuestro campus virtual para el intercambio de material de clase, proyectos y calificaciones.

Siempre con la metodología exclusiva de datahack (metodología propia, © desde 2016), Learning by doing. De esta manera, el aprendizaje en el Máster en Big Data & Analytics es como subir una escalera:

  • Clases prácticas interactuando con el profesor.
  • Fórmate investigando y buscando respuestas sobre lo trabajado cada día en los principales foros y comunidades de Big Data & Analytics que todo profesional debe conocer.
  • Colabora con tus compañeros para llegar más lejos de lo que harías por ti mismo.
  • Déjate guiar (y exigir) por tu tutor asignado.
  • Completa el aprendizaje mediante la realización de proyectos por los que serás evaluado.

BLOQUE 1 ///
VISUAL ANALYTICS
  • Tipos de visualizaciones
  • El uso de visual encoding
  • Teoría del color aplicada a la visualización de datos
  • Percepción humana
  • 10 Golden Rules para crear buenas visualizaciones
  • Bad Viz. aprendizaje a través de malos ejemplos
  • Algorithm Viz nuevas aplicaciones de la visualización de datos
  • Power BI. Servicio de análisis que proporciona visualizaciones interactivas, con capacidades de inteligencia empresarial y una interfaz amigable que permite que los usuarios finales creen sus propios informes y paneles.
  • Tableau. Una de las mejores herramientas de inteligencia para negocios y visualización de datos. Gartner Inc. la ha posicionado por quinto años consecutivo como la más alta en capacidad para plataformas de analítica e inteligencia empresarial.
  • Carto. Herramienta SIG y de mapeo visualizable en web. Dispone de herramientas con capacidad para el análisis y visualización de datos y no requiere experiencia previa en el desarrollo SIG.

  • Gephi. Visualización y análisis de redes. Búsqueda de patrones y tendencias en cualquier BD, permitiendo mostrar gráficos en tiempo real.
BLOQUE 2 ///
STATISTICAL LEARNING CON R
  • Análisis de datos con R
  • Estadística descriptiva
  • Modelos predictivos
  • Inferencia Estadística
  • Visualizaciones
BLOQUE 3 ///
MACHINE LEARNING CON PYTHON
  • Programación en Python
  • Preparación de datos
  • Algoritmos supervisados y no supervisados con Python
  • Optimización de la visualización de los datos.
  • Uso de las librerías Plotly y Bokeh, entre otras
    • https://plot.ly/python/
    • https://bokeh.pydata.org
  • Carga, exploración, detección de anomalías (pandas, numpy y matplotlib)
  • Depuración y transformación (scikit-learn)
  • Combinación de datos entre si
BLOQUE 4 ///
DEEP LEARNING
  • Ensembles
  • Neural Network
  • Programación
BLOQUE 5 ///
DATA CULTURE
  • Data Ethics: Privacidad, auditoría de Algoritmos, marco Legal e inteligencia artificial
  • Empleabilidad en el sector Big Data & Analytics
BLOQUE 6 ///
BIG DATA ARCHITECTURE
  • Sistema de archivos distribuido, escalable y portátil que se usa Hadoop. Su uso imprescindible para la replicación de datos, conservar copias diferentes de los datos en racks diferentes con el objetivo de minimizar riesgos y mantener los datos accesibles y legibles.

  • La infraestructura de almacenamiento de datos construida sobre Hadoop para proporcionar agrupación, consulta, y análisis de datos, preparada para soportar el análisis de grandes conjuntos de datos almacenados bajo HDFS de Hadoop y en sistemas compatibles
  • SparkSql
    • PySpark
    • Spark MLlib
  • MLlib o Spark MLlib es la librería de Machine Learning (ML) de Apache Spark. El framework de computación distribuida que incorpora esta librería permite hacer uso de una serie de algoritmos de Machine Learning que pueden ser escalados y paralelizados, aprovechando toda la base de Spark.
  • Visión general de las BD NoSQL
    • Diferencias
    • Ventajas
    • Inconvenientes
  • Cassandra
  • Riak
  • Neo41

BLOQUE 7 ///
PROYECTOS
  • Al finalizar el máster, el alumno habrá desarrollado al menos 12 proyectos de empresa reales de manera individual.
    • Sin lugar a duda, nuestro método learning by doing basado en proyectos de empresa, garantiza aplicar todo lo aprendido en clase desde el primer módulo.  Un mínimo de 175 horas, se dedicarán a proyectos.
    • La distribución de proyectos se distribuye de la siguiente manera:
      • Bloque 1.- Visual Analytics.  //  4 Proyectos obligatorios:
      • Bloque 2.-  Statistical Learning with R. //    1 Proyecto obligatorio + 1 Proyecto opcional
      • Bloque 3.- Machine Learning with Python  // 4 Proyectos obligatorios + 1 Proyecto opcional
      • Bloque 4.- Deep Learning // 2 Proyectos obligatorios
      • Bloque 5.- Data Culture – NEW  //
      • Bloque 6- Big Data Architecture:  1 Proyecto obligatorio

Los profesores que te acompañarán por este trepidante mundo del Big Data son profesionales en activo como consecuencia de su gran experiencia dentro del sector.

Abraham Requena

Abraham Requena

Data Scientist en Admirall Group

NoSql 

Alejandro Manuel Arranz

Alejandro Arranz

Data Engineer en Telefónica

Python 

Álvaro Barbero

Álvaro Barbero

Chief Data Scientist en ICC

Alg. avanzados

Ana Olmeda

Ana Olmeda Clemares

Product Owner en Stratio BD

Carto

Ángel Conde Manjón

Ángel Conde

Data Analytics and Artificial Intelligence en Ikerkan

Spark

Antonio Peralta

Antonio Peralta

Big Data Engineer en Endesa

Spark

Carlos Martinez Möller

Carlos Martínez

Senior Principal Oracle Advanced Support Engineer Oracle

Hadoop

Francisco Rodriguez Drumond

Francisco Rodríguez

Senior Data Scientist en Glovo

Python

Ivan Guerrero

Iván Guerrero

Senior Data Scientist and Risk Analyst en BNP Paribas

Estadística

Javier Tejedor

Javier Tejedor

NTL Detection Manager & LeadDataScientist en Endesa

Alg. avanzados

Jordi Tudela

Jordi Tudela

AI Researcher en Atomized

Alg. avanzados

José Bennani

Jorge López

Senior Data Science en ICC

Alg. avanzados

José Bennani

Jose Bennani

Technical Architect en Oracle

Cluster

Juan Valladares

Juan Valladares

CEO en Best In BI

Visualización

Julio Soto

Julio Soto

Senior Data Science en Openbank

Python

marcos peñate datahack

Marcos Peñate

DevOps Engineer en ING

Dockers / ELK

Mario Renau

Mario Renau

Data Engineering Team Lead en Alstom

Hadoop

miguel garcía mena datahack

Miguel García

Experto Análisis Big Data en Telefónica

R / Spark

miguel sotomayor datahack

Miguel Ángel Sotomayor

Big Data Engineer en GFT

Spark

Nacho González

Big Data Engineer en Orange

Hadoop

Pablo Sainz de Vicuña

Pablo Sainz

Consultor BI Tableau en Gfi España

Tableau

Rafael Garrote

Rafael Garrote

Ingeniero Big Data en ThingsO2

Nosql

Sergio Nabil

Rafael Ibáñez

Data Scientist en StratioBD

Carto y Gephi

Rafael Caballero Saint Ellis

Rafael Caballero

Head of Big Data & AI en Logicalis

Spark

Santiago Moreno

Santiago Moreno

Manager Data Scientist en Minsait

Python

Sergio Nabil

Sergio Nabil

Big Data Architect en ICC

Cluster

antoni munar datahack

Antoni Munar

Data Science & Machine Learning Technology Lead en GFT

Hadoop

Xavi Constant

Xavier Constant

Big Data Architect en IBM

Visualización

Eudald Correig Fraga

Eudald Correig

Data Scientist en Projecte Òrbita

Estadística

Para realizar nuestro Máster Big Data & Analytics es fundamental tener ganas de aprender, tener una mente abierta y querer disfrutar del apasionante mundo del Big Data. Adicionalmente, recomendamos contar con conocimientos previos de programación.

No te preocupes, si no cuentas con formación previa en programación, nosotros te la ofreceremos de manera gratuita. Te capacitaremos para que estés al mismo nivel del resto de alumnos.

Para aprovechar bien el Máster debes tener conocimientos de programación. Si no sabes aún, dínoslo y mientras tanto comienza la promoción, te enseñaremos nosotros antes de empezar el Máster de forma gratuita.

Por esta razón, lo más importante que debes tener es muchas ganas de aprender con tu esfuerzo e interés por el mundo del Análisis de los Datos.

REQUISITOS TÉCNICOS

  • Procesador: Mínimo i5 6000 (o superior), recomendable i7
  • RAM: Mínimo 8 GB, recomendable 12 GB (o superior)
  • Almacenamiento: Mínimo 1 TB entre unidades internas y externas.
  • Disco HDD: Mínimo 500 GB (o superior)
  • SSD para el software base: No es imprescindible; sin embargo, mejora enormemente el rendimiento al tener el sistema operativo y el software base instalado sobre el mismo.
  • Es necesario comprobar que se pueden utilizar cómodamente máquinas virtuales VirtualBox con la última versión estable de Ubuntu Linux.
  • Para la realización del módulo Business Intelligence y visualización, se necesitará el entorno Tableau.  En su página web (https://www.tableau.com/academic/students#form), los alumnos podrán solicitar una licencia anual gratuita de Tableau for Students
  • Una vez registrados dentro del programa académico como estudiantes, recibirán las instrucciones que deben seguir en su mail. 

Como resultado de nuestra formación, tu satisfacción es nuestro indicador fundamental para medir la eficacia de la formación

+70%

ALUMNOS CONSIGUE MEJOR TRABAJO

+1000

ALUMNOS

GRADUADOS

+41%

ALUMNOS AMPLÍA FORMACIÓN

4

CAMPUS EN TODA ESPAÑA

40%

NOS ELIGE POR RECOMENDACIÓN

99%

TASA DE EMPLEABILIDAD

9/10
*Valoración global media de nuestros profesores.

Asociación Alumni

En Datahack cuidamos y estamos en permanente contacto con nuestros alumnos antes, durante y después de las clases. Asimismo, gracias a la asociación de antiguos alumnos, conseguimos darles todas las ventajas que se merecen.
Nuestra asociación es flexible por tanto evoluciona constantemente para adaptarse a las necesidades de los alumnos, dando como resultado una organización abierta a todas sus sugerencias.

Además, nuestros Training Consultant te ayudarán a elegir la ruta formativa que más se adecue a tus necesidades formativas, guiándote y acompañándote durante todo el proceso.

Si deseas cursar nuestro Máster Big Data & Analytics éste será el proceso de admisión que seguirás:

Sesión de coaching Personal con nuestro Director Académico
Cumplimentación de todos los campos de la solicitud de admisión
Envío de documentación de trayectoria laboral y/o académica.
Pago de la Matrícula
Formación Previa (si fuera necesario)

Datahack logo