Máster en Big Data y Business Intelligence: Data Science INESEM

TEMARIO

MÓDULO 1. BIG DATA & BUSINESS INTELLIGENCE FUNDAMENTALS UNIDAD DIDÁCTICA 1. LA REVOLUCIÓN DE LOS DATOS MASIVOS: BIG DATA Y THICK DATA UNIDAD DIDÁCTICA 2. TOMA DE DECISIONES INTELIGENTES UNIDAD DIDÁCTICA 3. CÓMO HACER CRECER UN NEGOCIO A TRAVÉS DEL BIG DATA Y SUS APLICACIONES UNIDAD DIDÁCTICA 4. BIG DATA EN DIFERENTES SECTORES UNIDAD DIDÁCTICA 5. BUSINESS INTELLIGENCE Y LA SOCIEDAD DE LA INFORMACIÓN UNIDAD DIDÁCTICA 6. PRINCIPALES PRODUCTOS DE BUSINESS INTELLIGENCE UNIDAD DIDÁCTICA 7. MINERÍA DE DATOS O DATA MINING Y EL APRENDIZAJE AUTOMÁTICO UNIDAD DIDÁCTICA 8. DATAMART: CONCEPTO DE BASE DE DATOS DEPARTAMENTAL UNIDAD DIDÁCTICA 9. DATAWAREHOUSE O ALMACEN DE DATOS CORPORATIVOS UNIDAD DIDÁCTICA 10. INTERNET DE LAS COSAS UNIDAD DIDÁCTICA 11. STORYTELLING UNIDAD DIDÁCTICA 12. ECOSISTEMA HADOOP MÓDULO 2. MINERÍA DE DATOS CON ORANGE UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A ORANGE DATA MINING UNIDAD DIDÁCTICA 2. FUNCIONALIDADES DE ORANGE PARA EL ANÁLISIS DE DATOS UNIDAD DIDÁCTICA 3. FLUJOS DE TRABAJO DE DATOS ORANGE UNIDAD DIDÁCTICA 4. WIDGETS Y CANALES EN ORANGE DATA MINING UNIDAD DIDÁCTICA 5. CARGA DE DATOS CON ORANGE UNIDAD DIDÁCTICA 6. ANÁLISIS EXPLORATORIO DE DATOS CON ORANGE UNIDAD DIDÁCTICA 7. MODELADO PREDICTIVO CON ORANGE MÓDULO 3. DATA SCIENCE: ALMACENAMIENTO, ANÁLISIS Y PROCESAMIENTO DE DATOS UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA CIENCIA DE DATOS UNIDAD DIDÁCTICA 2. BASES DE DATOS RELACIONALES UNIDAD DIDÁCTICA 3. BASES DE DATOS NOSQL Y EL ALMACENAMIENTO ESCALABLE UNIDAD DIDÁCTICA 4. INTRODUCCIÓN A UN SISTEMA DE BASES DE DATOS NOSQL: MONGODB UNIDAD DIDÁCTICA 5. WEKA Y DATA MINING UNIDAD DIDÁCTICA 6. PENTAHO UNIDAD DIDÁCTICA 7. R COMO HERRAMIENTA PARA BIG DATA UNIDAD DIDÁCTICA 8. PRE-PROCESAMIENTO & PROCESAMIENTO DE DATOS UNIDAD DIDÁCTICA 9. ANÁLISIS DE LOS DATOS MÓDULO 4. ANÁLISIS DE DATOS CON PYTHON UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL ANÁLISIS DE DATOS UNIDAD DIDÁCTICA 2. LIBRERÍAS PARA EL ANÁLISIS DE DATOS: NUMPY, PANDAS Y MATPLOTLIB UNIDAD DIDÁCTICA 3. FILTRADO Y EXTRACCIÓN DE DATOS UNIDAD DIDÁCTICA 4. PIVOT TABLES UNIDAD DIDÁCTICA 5. GROUPBY Y FUNCIONES DE AGREGACIÓN UNIDAD DIDÁCTICA 6. FUSIÓN DE DATAFRAMES UNIDAD DIDÁCTICA 7. VISUALIZACIÓN DE DATOS CON MATPLOTLIB Y CON SEABORN UNIDAD DIDÁCTICA 8. INTRODUCCIÓN AL MACHINE LEARNING UNIDAD DIDÁCTICA 9. REGRESIÓN LINEAL Y REGRESIÓN LOGÍSTICA UNIDAD DIDÁCTICA 10. ÁRBOL DE DECISIONES UNIDAD DIDÁCTICA 11. NAIVE BAYES UNIDAD DIDÁCTICA 12. SUPPORT VECTOR MACHINES (SVM) UNIDAD DIDÁCTICA 13. KNN UNIDAD DIDÁCTICA 14. PRINCIPAL COMPONENT ANALYSIS (PCA) UNIDAD DIDÁCTICA 15. RANDOM FOREST MÓDULO 5. VISUALIZACIÓN DE DATOS UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA VISUALIZACIÓN DE DATOS UNIDAD DIDÁCTICA 2. TABLEAU UNIDAD DIDÁCTICA 3. D3 (DATA DRIVEN DOCUMENTS) UNIDAD DIDÁCTICA 4. LOOKER STUDIO (GOOGLE DATA STUDIO) UNIDAD DIDÁCTICA 5. QLIKVIEW UNIDAD DIDÁCTICA 6. POWER BI UNIDAD DIDÁCTICA 7. CARTO MÓDULO 6. VISUALIZACIÓN DE DATOS EN R CON GGPLOT2 UNIDAD DIDÁCTICA 1. GGPLOT2 COMO LIBRERÍA PARA VISUALIZACIÓN DE DATOS EN R UNIDAD DIDÁCTICA 2. EJES UNIDAD DIDÁCTICA 3. TÍTULOS UNIDAD DIDÁCTICA 4. LEYENDAS UNIDAD DIDÁCTICA 5. FONDOS Y LÍNEAS DE CUADRÍCULA UNIDAD DIDÁCTICA 6. MÁRGENES UNIDAD DIDÁCTICA 7. GRÁFICOS DE PANELES MÚLTIPLES UNIDAD DIDÁCTICA 8. COLORES UNIDAD DIDÁCTICA 9. TEMAS UNIDAD DIDÁCTICA 10. LÍNEAS UNIDAD DIDÁCTICA 11. TEXTO UNIDAD DIDÁCTICA 12. COORDENADAS UNIDAD DIDÁCTICA 13. TIPOS DE GRÁFICOS UNIDAD DIDÁCTICA 14. CINTAS UNIDAD DIDÁCTICA 15. SUAVIZADOS UNIDAD DIDÁCTICA 16. GRÁFICOS INTERACTIVOS MÓDULO 7. ANALÍTICA WEB UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA ANALÍTICA WEB UNIDAD DIDÁCTICA 2. GOOGLE ANALYTICS 4 UNIDAD DIDÁCTICA 3. GOOGLE TAG MANAGER UNIDAD DIDÁCTICA 4. MODELOS DE ATRIBUCIÓN UNIDAD DIDÁCTICA 5. CREACIÓN DE DASHBORAD CON GOOGLE DATA STUDIO UNIDAD DIDÁCTICA 6. ANALÍTICA WEB ORIENTADA AL SEO UNIDAD DIDÁCTICA 7. ANALÍTICA WEB ORIENTADA AL SEM UNIDAD DIDÁCTICA 8. ANALÍTICA WEB ORIENTADA A LAS REDES SOCIALES UNIDAD DIDÁCTICA 9. TÉCNICAS Y ESTRATEGIAS UNIDAD DIDÁCTICA 10. OTRAS HERRAMIENTAS PARA ANALÍTICA WEB UNIDAD DIDÁCTICA 11. COOKIES Y TECNOLOGÍAS DE SEGUIMIENTO MÓDULO 8. 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 9. 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 MÓDULO 10. VISIÓN ARTIFICIAL EN INDUSTRIA 4.0 CON PYTHON Y OPENCV UNIDAD DIDÁCTICA 1. LA VISIÓN ARTIFICIAL: DEFINICIÓN Y ASPECTOS PRINCIPALES UNIDAD DIDÁCTICA 2. COMPONENTES DE UN SISTEMA DE VISIÓN ARTIFICIAL UNIDAD DIDÁCTICA 3. PROCESADO DE IMÁGENES MEDIANTE VISIÓN ARTIFICIAL UNIDAD DIDÁCTICA 4. APLICACIONES DE LA VISIÓN EN LA INDUSTRIA 4.0 UNIDAD DIDÁCTICA 5. INTRODUCCIÓN E INSTALACIÓN DE OPENCV UNIDAD DIDÁCTICA 6. MANEJO DE FICHEROS, CÁMARAS E INTERFACES GRÁFICAS UNIDAD DIDÁCTICA 7. TRATAMIENTO DE IMÁGENES UNIDAD DIDÁCTICA 8. HISTOGRAMAS Y TEMPLATE MATCHING UNIDAD DIDÁCTICA 9. COLORES Y ESPACIOS DE COLOR UNIDAD DIDÁCTICA 10. DETECCIÓN DE CARAS Y EXTRACCIÓN DE CARACTERÍSTICAS UNIDAD DIDÁCTICA 11. APRENDIZAJE AUTOMÁTICO MÓDULO 11. PROYECTO FIN DE MASTER