Este documento presenta un máster en Big Data y Business Analytics ofrecido por la Universidad Complutense de Madrid. El máster capacita a los estudiantes en diversas áreas relacionadas con el Big Data como gestión de infraestructuras, arquitectura de soluciones, administración de sistemas, seguridad y privacidad de datos. El programa incluye cursos sobre bases de datos, programación, estadística, minería de datos, machine learning y aplicaciones del Big Data en empresas. Los estudiantes realizan prácticas en empresas del sector y tienen salidas prof

1. CURSO 2018-2019
REALIZA PRÁCTICAS
EN LAS MEJORES
EMPRESAS DEL
SECTOR
MÁSTER
BIG DATA Y
BUSINESS ANALYTICS
GESTOR DE INFRAESTRUCTURAS PARA BIG DATA
ARQUITECTO DE SOLUCIONES BIG DATA
ADMINISTRADOR DE SISTEMAS BIG DATA
RESPONSABLE DE SEGURIDAD EN BIG DATA
RESPONSABLE DE PRIVACIDAD EN BIG DATA
AUDITOR DE SISTEMAS BIG DATA
DATA SCIENTIST
DATA CONSULTANT
SALIDAS PROFESIONALES
ANALISTA DE DATOS

2. PLAZO DE INSCRIPCIÓN:
MARZO DE 2018 A OCTUBRE 2018
WWW.MASTERBIGDATAUCM.COM
INFO@NTICMASTER.COM
+34 687 30 04 04
MÁS INFORMACIÓN
FACULTAD DE
ESTUDIOS ESTADÍSTICOS
DE LA UCM
EN ESTE MÁSTER
APRENDERÁS
1. INTRODUCCIÓN A BIG DATA
2. BASES DE DATOS SQL
3. BUSINESS INTELLIGENCE
4. INTRODUCCIÓN Y FUNDAMENTOS
DE PROGRAMACIÓN EN PYTHON
5. BASES DE DATOS NOSQL
6. TECNOLOGÍAS DEL BIG DATA
7. INTRODUCCIÓN Y FUNDAMENTOS
DE PROGRAMACIÓN EN R
8. FUNDAMENTOS DE ESTADÍSTICA
9. MINERÍA DE DATOS Y MODELIZACIÓN
PREDICTIVA CON R
10. MACHINE LEARNING CON R Y PYTHON
11. APLICACIONES DEL BIG DATA EN LA
EMPRESA
12. DATA SCIENCE APLICADA A LA EMPRESA
13. TEXT MINING Y REDES SOCIALES
14. OPEN DATA
15. EMPRENDIMIENTO EN EMPRESAS
DE BIG DATA

3. PROGRAMA
1. Introducción a Big Data
Una primera aproximación a los fundamentos
de la inteligencia de datos y su aplicación
en distintos entornos empresariales. Incluye
las tendencias actuales de los macrodatos
y una iniciación a la línea de comandos.
2. Bases de Datos SQL
Diseño y modelización de base de datos
y lenguaje de consulta estructurada, más
conocido como SQL (Structured Query
Language). El modelo entidad-relación,
el modelo
relacional, la implementación relacional
con SQL.
3. Business Intelligence
Aprendizaje de técnicas de la inteligencia
empresarial. Entre los distintos modelos para
su explotación a través de los datos
existentes en una organización corporativa,
se verán el dimensional, el semántico y el
tabular.
alización y análisis de información por parte
de los usuarios finales.
4. Introducción y fundamen
tos de programación en
Python
Características, tipos de datos, estructuras
de control de flujo, funciones, parámetros,
manipulación de cadenas, estructuras de
datos.
5. Bases de datos NoSQL
Se aprenderá a utilizar y modelar los sistemas
de gestión de bases de datos NoSQL y sus
principales operaciones. Introducción a Mon-
goDB, operaciones CRUD, dominar el Find o
proyectar los campos en resultados de bús-
queda.
6. Tecnologías del Big Data
Internet de las cosas como servicio, conecti-
vidad con fuentes de datos heterogéneas a
través de brokers de mensajes y hubs con
dispositivos, Hadoop, Spark y diversas técni-
cas de visu

4. PROGRAMA
7. Introducción y fundamen-
tos de programación en R
Fundamentos, estructuras de control y manejo
de datos del lenguaje de programación R,
muy útil en entornos como la minería de
datos, estadística o matemáticas financieras.
8. Fundamentos de estadís-
tica
Consolidación de conocimientos de estadís-
tica necesarios para formar una base que
ayudan a seguir el resto de bloques del
máster. Entre los conceptos a tratar: estadísti-
ca descriptiva, probabilidad e inferencia
tendrán un destacado espacio.
9. Minería de datos y mo-
delización predictiva con R
A lo largo de este bloque, los alumnos ad-
quirirán los conceptos necesarios para el
desarrollo de la modelización predictiva.
Para ello, detectarán patrones basados en
grandes volúmenes de datos, a través de di-
versas técnicas de data mining.
10. Machine Learning con R
y Python
Técnicas y aplicaciones de aprendizaje y
modelización predictiva avanzada. Posterior-
mente, se profundizará en redes Deep Lear-
ning con R y Python, así como en modelos
predictivos basados en árboles de decisión,
Random forest, Gradient Boosting y Xgboost
con R.
11. Aplicaciones del Big
Data en la Empresa
Este módulo tiene como objetivo que los
alumnos asimilen los distintos sistemas de so-
portes a la toma de decisiones en un entor-
no corporativo. Se abarcará la gestión eco-
nómica y financiera, operaciones, logística,
marketing y ventas.
12. Data Science aplicada
a la empresa
Visión integral de las empresas orientadas al
dato, la creación de equipos de científicos
de datos y estructuración de un proyecto
Data Science. Se abordarán igualmente as-
pectos de la comunicación personal con in-
dividuos, la pública ante grupos y la mediá-
tica para audiencias.

5. PROGRAMA
13. Text Mining y Redes So-
ciales
Utilización de las principales APIs de acceso
a datos en RRSS, análisis de textos y su trata-
miento adecuado para un uso efectivo de
estos factores. Realización de análisis de
sentimiento en redes sociales y las distintas
formas de representación de la información
obtenida de éste.
14. Open Data
Tendencias en gobierno abierto, participa-
ción y transparencia. Otras fuentes de datos
abiertos incluidas las no gubernamentales
(APIs), fuentes de algoritmos abiertos de
última generación como pueda ser Kaggle,
así como ejemplos diversos de código repro-
ducible se tratarán en este bloque.
15. Emprendimiento en em-
presas de Big Data
Se abarcarán las distintas partes del proce-
so a llevar a cabo para el correcto lanza-
miento de una startup basada en servicios
de macrodatos. Se tratan también la aplica-
ción de técnicas ágiles en el desarrollo de
productos y servicios.