MÁSTER EXPERTO BIG DATA & ANALYTICS
CONVIÉRTETE EN DATA SCIENCE EN TAN SÓLO 8 SEMANAS
Nuestro Máster Big Data & Analytics te ofrece la oportunidad de convertirte en uno de los profesionales más cotizados para miles de empresas.
TRABAJA EN BIG DATA EN SÓLO 15 SEMANAS
En Datahack aprenderás cómo aprovechar al máximo el poder de la información y de los datos. Durante el proceso de aprendizaje, 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. Una decisión que te colocará en una situación privilegiada en el mercado laboral.
El Máster Big Data & Analytics de Datahack es un programa de formación dirigido a profesionales. 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 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.
QUÉ VAS A APRENDER
- Modelos de análisis y predicción (+)
- Programación (+)
- Protocolos de Data Science (+)
- Analítica (+)
- Tratamiento de datos (+)
- Modelos de bases de datos (+)
SALIDAS PROFESIONALES
- Data Analyst
- Data Modeler
- Data Scientist
- Business Intelligence Analyst
DIRIGIDO A
- Profesionales de las áreas de Tecnología e Innovación
- Profesionales de departamentos de Marketing
- Profesionales 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
Te llevamos la clase a donde tú quieras gracias a nuestro sistema Connected Learning Live, la alternativa ideal a las aulas presenciales.
100%
digital
- Asiste desde cualquier punto del planeta y con cualquier dispositivo.
- Interactúa con el tutor y con el resto de tus compañeros.
- Experiencia de aprendizaje integral
- Aprende en la pantalla del profesor, compartiendo tu pantalla con él/ella y en la pizarra electrónica.
- Campus virtual, para intercambio de material de clase, proyectos y calificaciones.
Siempre con la metodología exclusiva de Datahack, Learning by Doing. El aprendizaje de esta manera es como subir una escalera:
- Aprende en Clases Prácticas interactuando con el profesor
- Aprende investigando y buscando respuestas sobre lo trabajado cada día en los principales foros y comunidades de Big Data & Analytics que todo profesional debe conocer
- Aprende colaborando con tus compañeros para llegar más lejos de lo q harías por ti mismo
- Déjate guiar (y exigir) por tu Tutor asignado
- Completa el aprendizaje mediante la realización de proyectos por los q serás evaluado
- 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.
- Gephy. Visualización y análisis de redes. Búsqueda de patrones y tendencias en cualquier BD, permitiendo mostrar gráficos en tiempo real.
- Cuadros de Mando
- Análisis de Datos cartográficos
- Análisis de Redes (Nodes & Edges)
Al acabar este bloque:
- Entenderás las distintas técnicas de Visualización de datos disponibles para el análisis de datos Big Data.
- Comprenderás la importancia de comunicar bien un análisis de datos y aprenderás a realizar visualizaciones de datos efectivas.
- Análisis de datos con R
- Estadística descriptiva
- Modelos predictivos
- Inferencia Estadística
- Visualizaciones
- Programación en Python
- Preparación de datos
- Algoritmos supervisados y no supervisados con Python
- Data Cleansing
- Carga, exploración, detección de anomalías (pandas, numpy y matplotlib)
- Depuración y transformación (scikit-learn)
- Combinación de datos entre si
- Ensembles
- Neural Network
- PNL
- Optimización de la visualización de los datos.
- Uso de las librerías Plotly y Bokeh, entre otras
- https://plot.ly/python/
- https://bokeh.pydata.org
- Privacidad, auditoría de Algoritmos, marco Legal e inteligencia artificial
- 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
- Spark-SQL
- Py-Spark
- Spark MLlib, la librería de Machine Learnin (ML) de Apache Spark . El framework de computación distribuida que incorpora esta librería permite hacer uso de una serie de algoritmos de Machine Learnin que pueden ser escalados y paralelizados, aprovechando toda la base de Spark.
- Visión general de las BD NoSQL
- Diferencias
- Ventajas
- Inconvenientes
- Cassandra
- Riak
- Neo41
- Análisis de textos e imágenes
- Predicción de Fraude
- Motores de Recomendación
- Procesamiento de Lenguaje Natural
Al acabar este bloque:
- Dominarás los lenguajes R y Python para el Análisis de Datos
- Aprenderás a utilizar la estadística para el Análisis de Datos Descriptivo, Predictivo y Prescriptivo
- Trabajarás en los procesos de Preparación de Datos previos al tratamiento algorítmico
- Entenderás a través de la experiencia:
- Qué es Machine Learning (ML) y Deep Learning (DL)
- Los tipos de ML y cuándo aplicar cada uno de ellos
- Principales Algoritmos de ML que se utilizan hoy en día
- Principales Algoritmos de DL que se utilizan hoy en día
- Conocerás los principales Sistemas de Gestión de Datos Big Data
- Clusters en Hadoop
- Clusters en NoSQL
- Conocerás el framework de Spark para el procesamiento de datos en batch y en streaming, desde las fuentes en las q residen los datos hasta los algoritmos con los q se explotan.
Los profesores que te acompañarán por este trepidante mundo del Big Data son profesionales en activo con una gran experiencia dentro del sector.
Iván Guerrero
Profesor de Estadística
Jorge López Lázaro
Profesor de Algoritmos Avanzados
Ana Olmeda
Profesora de Carto en Madrid
Ignacio González-Outón Freire
Profesor de Hadoop
Rafael Garrote
Profesor de NoSql en Madrid
Miguel García Mena
Profesor de R
Álvaro Barbero
Profesor de Algoritmos Avanzados en Madrid
Julio Soto
Profesor de Python/Machine Learning
Santiago Moreno
Profesor de Python/Machine Learning
Rafael Ibáñez
Profesor de Carto en Madrid
Pablo Sainz de Vicuña
Profesor de Visualización/Tableau
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 te enseñaremos nosotros antes de empezar el Máster de forma gratuita.
Pero 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)
- Disco 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.
Tu satisfacción es nuestro indicador fundamental para mediar la eficacia de nuestra 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
Asociación Alumni
En Datahack cuidamos y estamos en permanente contacto con nuestros alumnos antes, durante y después de las clases. Gracias a la asociación de antiguos alumnos, conseguimos darles todas las ventajas que se merecen.
Nuestra asociación es flexible y evoluciona constantemente para adaptarse a las necesidades de los alumnos, estando abierta a todas sus sugerencias.
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:
