Máster Telefónica en Big Data

Módulo 1. Introducción y Metodología
[]

Introducción y Motivación
Metodología y diseño de aplicaciones de Análisis de Datos

Módulo 2. Datascience Tradicional: Almacenamiento y Adquisición de Datos

Almacenamiento y adquisición de datos: Tecnologías tradicionales de Almacenamiento de datos (BBDD relacionales, BI y Datawarehouse)
Almacenamiento y adquisición de datos: Información Online (Web, APIs…)

Módulo 3. Datascience Tradicional: Análisis de Datos y Aprendizaje Automático con R y SQL

Programación básica: Introducción a SQL y R
Análisis exploratorio con R
Limpieza y preparación de datos con R
Construcción de modelos de aprendizaje NO supervisado con R
Análisis Predictivo. Construcción de modelos de aprendizaje supervisado con R
Evaluación de modelos de aprendizaje con R
Modelos avanzados: Procesado del Lenguaje Natural (NLP) con R

Módulo 4. Datascience Tradicional: Análisis de Datos y Aprendizaje Automático con Python

Programación básica: Introducción a Python (I)
Programación básica: Introducción a Python (II)
Aplicaciones de Análisis de Datos con Python (I)
Aplicaciones de Análisis de Datos con Python (II)

Módulo 5. Datascience en escala: Administración de Hadoop

Administración y Configuración de plataforma Hadoop y herramientas Big Data

Módulo 6. Datascience en escala: Adquisición y Almacenamiento Big Data

Almacenamiento y adquisición de datos: Nuevas tecnologías de almacenamiento Big Data I (Hadoop, Flume, Sqoop…)
Almacenamiento y adquisición de datos: Nuevas tecnologías de almacenamiento Big Data II (NoSQL, Indexadores de documentos…)

Módulo 7. Datascience en escala: Análisis de Datos y Machine Learning con Big Data

Análisis exploratorio y preparación de datos: Hadoop 1.0 y 2.0 (YARN) y Map & Reduce
Análisis exploratorio y preparación de datos. Herramientas del ecosistema Hadoop (HUE, Hive, Pig…)
Análisis exploratorio y preparación de datos con Spark
Construcción de modelos de aprendizaje automático en escala: RSpark, Spark Mlib, H2O…

Módulo 8. Datascience en escala: Universo Big Data

Recuperación de la Información y Sistemas de Recomendación
Principales actores en el universo Big Data. Clasificación y posicionamiento de herramientas

Móudlo 9. Visualización de Datos y Comunicación

La importancia de la visualización de datos
Tecnologías de visualización de datos (CartoDB/Tableau)
D3.js
Creación de Informes y visualizaciones atractivas con R y Python

Módulo 10. Business Analytics. Master Classes

Máster Class: Introducción al Bussines Analytics
Máster Class: Casos prácticos de aplicación del Business Analytics
Máster Class: Últimas tendencias en Analítica Avanzada

Módulo 11. Proyecto Final Guiado

Introducción a la realización de Proyectos de Big Data
Pautas esenciales para la organización del proyecto
Preparación del Proyecto Final
Realización del Proyecto Fin de Máster
Presentación de Proyectos