Master en big data y data science

MÓDULO 1. BIG DATA INTRODUCTIONUNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL BIG DATAUNIDAD DIDÁCTICA 2. FUENTES DE DATOSUNIDAD DIDÁCTICA 3. OPEN DATAUNIDAD DIDÁCTICA 4. FASES DE UN PROYECTO DE BIG DATAUNIDAD DIDÁCTICA 5. BUSINESS INTELLIGENCE Y LA SOCIEDAD DE LA INFORMACIÓNUNIDAD DIDÁCTICA 6. PRINCIPALES PRODUCTOS DE BUSINESS INTELLIGENCEUNIDAD DIDÁCTICA 7. BIG DATA Y MARKETINGUNIDAD DIDÁCTICA 8. DEL BIG DATA AL LINKED OPEN DATAUNIDAD DIDÁCTICA 9. INTERNET DE LAS COSASMÓDULO 2. BUSINESS INTELLIGENCE Y HERRAMIENTAS DE VISUALIZACIÓNUNIDAD DIDÁCTICA 1. MINERÍA DE DATOS O DATA MINING Y EL APRENDIZAJE AUTOMÁTICOUNIDAD DIDÁCTICA 2. DATAMART. CONCEPTO DE BASE DE DATOS DEPARTAMENTALUNIDAD DIDÁCTICA 3. DATAWAREHOUSE O ALMACÉN DE DATOS CORPORATIVOSUNIDAD DIDÁCTICA 4. INTELIGENCIA DE NEGOCIO Y HERRAMIENTAS DE ANALÍTICAUNIDAD DIDÁCTICA 5. INTRODUCCIÓN A LA VISUALIZACIÓN DE DATOSUNIDAD DIDÁCTICA 6. TABLEAUUNIDAD DIDÁCTICA 7. D3 (DATA DRIVEN DOCUMENTS)UNIDAD DIDÁCTICA 8. GOOGLE DATAUNIDAD DIDÁCTICA 9. QLIKVIEWUNIDAD DIDÁCTICA 10. POWERBIUNIDAD DIDÁCTICA 11. CARTOMÓDULO 3. ANÁLISIS DE BIG DATA Y HERRAMIENTAS PARA EXPLOTACIÓNUNIDAD DIDÁCTICA 1. BASES DE DATOS NOSQL Y EL ALMACENAMIENTO ESCALABLEUNIDAD DIDÁCTICA 2. INTRODUCCIÓN A UN SISTEMA DE BASES DE DATOS NOSQL: MONGODBUNIDAD DIDÁCTICA 3. ECOSISTEMA HADOOPUNIDAD DIDÁCTICA 4. WEKA Y DATA MININGUNIDAD DIDÁCTICA 5. PENTAHO UNA SOLUCIÓN OPEN SOURCE PARA BUSINESS INTELLIGENCEUNIDAD DIDÁCTICA 6. ANALIZAR LA INFORMACIÓN CUALITATIVAUNIDAD DIDÁCTICA 7. CI: INTELIGENCIA COMPETITIVAMÓDULO 4. ANALÍTICA WEB: GOOGLE ANALYTICSUNIDAD DIDÁCTICA 1. INTRODUCCIÓN A GOOGLE ANALYTICSUNIDAD DIDÁCTICA 2. INTERFACE Y NAVEGACIÓNUNIDAD DIDÁCTICA 3. INFORMESUNIDAD DIDÁCTICA 4. CAMPAÑAS Y CONVERSIONESMÓDULO 5. CUADRO DE MANDO Y DASHBOARDUNIDAD DIDÁCTICA 1. DEFINICIÓN DE KPISUNIDAD DIDÁCTICA 2. CONCEPTO Y CREACIÓN DE CUADROS DE MANDOUNIDAD DIDÁCTICA 3. HERRAMIENTAS PARA LA CREACIÓN DE CUADROS DE MANDOMÓDULO 6. INTRODUCCIÓN A LA PROGRAMACIÓN ESTADÍSTICAUNIDAD DIDÁCTICA 1. PYTHON Y EL ANÁLISIS DE DATOSUNIDAD DIDÁCTICA 2. R COMO HERRAMIENTA PARA BIG DATAMÓDULO 7. DATA SCIENCEUNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA CIENCIA DE DATOSUNIDAD DIDÁCTICA 2. BASES DE DATOS RELACIONALESUNIDAD DIDÁCTICA 3. PRE-PROCESAMIENTO & PROCESAMIENTO DE DATOSUNIDAD DIDÁCTICA 4. ANÁLISIS DE LOS DATOSMÓDULO 8. INTELIGENCIA ARTIFICIAL (IA), MACHINE LEARNING (ML) Y DEEP LEARNING (DL)UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIALUNIDAD DIDÁCTICA 2. TIPOS DE INTELIGENCIA ARTIFICIALUNIDAD DIDÁCTICA 3. ALGORITMOS APLICADOS A LA INTELIGENCIA ARTIFICIALUNIDAD DIDÁCTICA 4. RELACIÓN ENTRE INTELIGENCIA ARTIFICIAL Y BIG DATAUNIDAD DIDÁCTICA 5. SISTEMAS EXPERTOSUNIDAD DIDÁCTICA 6. FUTURO DE LA INTELIGENCIA ARTIFICIALUNIDAD DIDÁCTICA 7. INTRODUCCIÓN AL MACHINE LEARNINGUNIDAD DIDÁCTICA 8. EXTRACCIÓN DE ESTRUCTURA DE LOS DATOS: CLUSTERINGUNIDAD DIDÁCTICA 9. SISTEMAS DE RECOMENDACIÓNUNIDAD DIDÁCTICA 10. CLASIFICACIÓNUNIDAD DIDÁCTICA 11. REDES NEURONALES Y DEEP LEARNINGUNIDAD DIDÁCTICA 12. SISTEMAS DE ELECCIÓNUNIDAD DIDÁCTICA 13. DEEP LEARNING CON PYTHON, KERAS Y TENSORFLOWUNIDAD DIDÁCTICA 14. SISTEMAS NEURONALESUNIDAD DIDÁCTICA 15. REDES DE UNA SOLA CAPAUNIDAD DIDÁCTICA 16. REDES MULTICAPAUNIDAD DIDÁCTICA 17. ESTRATEGIAS DE APRENDIZAJEMÓDULO 9. PROYECTO FIN DE MASTER