Máster Oficial en Análisis y Visualización de Datos Masivos
(5.00)
142
El Máster Oficial en Análisis y Visualización de Datos Masivos te prepara para comprender grandes volúmenes de información. Además, desarrollas habilidades para facilitar la toma de decisiones estratégicas. Por otro lado, te adentras en técnicas avanzadas para identificar patrones y predecir comportamientos futuros.
Título: Máster Oficial en Análisis y Visualización de Datos Masivos
Aprenderás
Desarrollar habilidades para interpretar grandes volúmenes de información de manera eficaz
Aplicar técnicas avanzadas de visualización para comunicar hallazgos complejos claramente
Utilizar algoritmos de predicción para anticipar tendencias y comportamientos futuros
Integrar herramientas de análisis para mejorar la toma de decisiones estratégicas
Diseñar soluciones innovadoras basadas en el procesamiento de información relevante
Explorar nuevas metodologías para gestionar y analizar datos de forma eficiente
Estudia en AICAD
DISPONIBILIDAD INMEDIATA
Financiación
Financia tu carrera con Sequra
hasta en 12 cuotas
Residentes en España
Plan de Estudios
Área 1. Datos Masivos
Área 2. Análisis de Datos Masivos
Área 3. Tendencias e Innovación
TFM: Trabajo Fin de Máster
Módulo 1. Introducción al Big Data y Ciencia de Datos
01 Introducción al mundo del Big Data
02 Conceptos de almacenamiento de big data
03 Base de datos NoSQL
04 Conceptos de procesamiento, gestión y computación en la nube
05 Impulsando Big Data con herramientas y tecnologías Hadoop
06 Análisis de grandes datos
07 Análisis de Big Data con aprendizaje automático
08 Flujos de datos de minería y conjunto de elementos frecuentes
09 Análisis de conglomerados
10 Visualización de grandes datos
Módulo 2. Aplicaciones y casos de uso
01 Big data y toma de decisiones: cómo los big data son relevantes en todos los campos y dominios
02 Mapeo y conceptualización de Big Data y su valor en diferentes temas y dominios
03 Gobernanza digital para abordar los desafíos de desempeño dentro de los municipios
04 Uso indebido de datos personales: exploración de la paradoja de la privacidad en la era del análisis de big data
05 Seguridad NoSQL: ¿Se puede influir desde fuera en mi toma de decisiones basada en datos?
06 Big Data, intercambio de conocimientos y proceso de innovación: una revisión sistemática de la literatura
07 Transparencia en los sistemas de IA para la cocreación de valor en la atención sanitaria
08 Big Data y su impacto en el turismo y el emprendimiento`
09 Big Data y Tecnologías Digitales para la Economía Circular en el Sector Agroalimentario
10 Procesos de negocio impulsados por Big Data: cuestiones actuales y nuevas direcciones de investigación
11 Barreras y desafíos prácticos para la toma de decisiones basada en datos en las PYMES de la economía circular
12 Una perspectiva coevolutiva de la organización basada en datos: aspectos destacados de las ciudades inteligentes en la era Covid-19
13 ¿Qué se necesita para construir una ciudad inteligente y sostenible? – Modelado de un algoritmo de ciudades inteligentes
Módulo 3. Seguridad y privacidad de datos
01 Marco de seguridad de la información para la seguridad de la nube y la virtualización
02 Seguridad, integridad y privacidad de la computación en la nube y big data
03 Las formas de detección y prevención de intrusiones en las redes
04 Reconocimiento facial basado en la nube para clientes de bajos recursos
05 Seguridad de la minería de datos para big data
06 Desafíos de seguridad de la computación en la nube y sus soluciones
07 Algoritmos de seguridad para un entorno de nube seguro
08 Desafíos de seguridad de la computación en la nube, análisis de problemas de seguridad y cuestiones forenses de la computación en la nube
09 Impacto del big data en el análisis de la gestión y la asistencia sanitaria
10 Cuestiones de privacidad y seguridad del big data
Módulo 1. Procesamiento y análisis de datos
01 Comprender el momento actual
02 Definición de las zonas
03 La importancia del modelado
04 Procesamiento paralelo masivo
05 Haciendo ETL/ELT
06 Un poco de gobernanza
07 Hablando de seguridad
08 ¿Cuáles son los próximos pasos?
Módulo 2. Visualización de datos
01 Introducción a la visualización de datos
02 ¿Por qué la visualización de datos?
03 Diversos elementos y herramientas de visualización de datos
04 Usando Matplotlib con Python
05 Usando pandas para trazar
06 Uso de Seaborn para visualización
07 Usando Bokeh con Python
08 Uso de Plotly, Folium y otras herramientas de visualización
09 Ejercicios prácticos de visualización, estudios de casos y recursos adicionales
Módulo 3. Técnicas de Recolección y Limpieza de Datos
01 Introducción
02 Contexto, preguntas de investigación y diseños
03 Muestreo, recopilación y análisis de datos
04 Confiabilidad y publicación
05 La observación participante como método de recopilación de datos
06 Actitudes hacia la participación en un experimento de recopilación pasiva de datos
07 Una revisión integradora de las consideraciones metodológicas en la investigación en salud mental: diseño, muestreo, procedimiento de recopilación de datos y garantía de calidad
08 Encuestas Wiki: recopilación de datos sociales abierta y cuantificable
09 Hacia una metodología de muestreo estándar en redes sociales en línea: recopilación de tendencias globales en Twitter
10 Recopilación de datos móviles: inteligente, pero (todavía) no lo suficientemente inteligente
11 Comparación de un sistema automatizado de teléfono móvil con un sistema de recopilación de datos en papel y correo electrónico: subestudio dentro de un ensayo controlado aleatorio
12 Recopilación de Big Data y voluntad de participación de objetos: un marco analítico desde la perspectiva del equilibrio de valor
13 Investigación sobre simulación por computadora Sistema inteligente de análisis y recopilación de Big Data
14 Desarrollo de una aplicación móvil para la recopilación y gestión inteligente de datos de sujetos de ensayos clínicos
15 El sistema CoronaSurveys para la recopilación y el procesamiento de datos de incidencia de COVID 19
16 Marco de red de sensores corporales basado en inteligencia artificial: revisión narrativa: propuesta de un marco de un extremo a otro utilizando sensores portátiles, sistemas de ubicación en tiempo real y algoritmos de inteligencia artificial/aprendizaje automático para la recopilación de datos
17 DAViS: una solución unificada para la recopilación, el análisis y la visualización de datos en la predicción del mercado de valores en tiempo real
Módulo 1. Tendencias e Innovación
01 Evolución del Internet de las cosas (IoT): pasado, presente y futuro de los sistemas de fabricación
02 Cuarta Revolución Industrial: Industria 4.0
03 Interacción de Internet de las Cosas y Sensores para Mecanizado
04 Aplicación del Internet de las cosas (IoT) en la industria automotriz
05 IoT para la fabricación de alimentos y bebidas
06 Oportes: Aprendizaje automático para aplicaciones industriales de IoT
07 Papel del IoT en el mantenimiento predictivo de la industria
08 Papel de la IoT en el desarrollo de productos
09 Beneficios de IoT en sistemas automatizados
10 Integración de IoT en la gestión de la energía
11 Papel de la IoT en el sector de las energías renovables
Módulo 2. Cloud Computing Solutions
01 Conceptos básicos de la computación en la nube
02 Introducción a la computación en la nube
03 Marco arquitectónico para la computación en la nube
04 Entorno de virtualización en cloud computing
05 Clasificación del entorno de virtualización
06 Un enfoque para la migración en vivo de máquinas virtuales en un entorno de computación en la nube
07 Problemas de confiabilidad en el entorno de computación en la nube
08 Base de datos en la nube
09 Almacenamiento de datos basado en la nube
10 Concepto de auditoría en computación en la nube
11 Paradigmas de seguridad en la computación en la nube
12 Problemas de preservación de la privacidad en la computación en la nube
13 Aplicaciones de la red de sensores inalámbricos en la nube
14 Aplicaciones de la computación en la nube móvil
15 Grandes datos en la computación en la nube
16 Cloudsim un simulador para entornos de computación en la nube
17 Openfaas
18 Opennebula
19 Openstack
20 Eucalyptus
Módulo 3. Fundamentos de Estadística y Probabilidad
01 Datos en R
02 Probabilidad
03 Variables aleatorias discretas
04 Variables aleatorias continuas
05 Simulación de variables aleatorias
06 Manipulación de datos
07 Visualización de datos con ggplot
08 Inferencia sobre la media
09 Pruebas basadas en rangos
10 Datos tabulares
11 Regresión lineal simple
12 Análisis de varianza y comparación de múltiples grupos
13 Regresión múltiple
Módulo 4. Liderazgo positivo
01 La inteligencia emocional del líder. Un reto colosal para un mundo en crisis
02 El líder en época de innovación y de profundos cambios
03 Liderar con sentido es liderar con valores. Misión, visión y operativa
04 Liderar personas es esencial conocer biología y conducta del individuo y del grupo
05 Creando y ejecutando estrategia para obtener mejores resultados de negocio con la gestión del conocimiento en la innovación
06 Comunicación pública y desarrollo de presentaciones eficaces
07 Liderar el impacto mediático. Comunicación con medios de prensa
Denominación de la asignatura: Trabajo Fin de Máster
Créditos ECTS: 10
Carácter de la asignatura: Obligatoria
Materia a la que pertenece: Trabajo Fin de Máster
"Nunca consideres el estudio como una obligación, sino como una oportunidad para penetrar en el bello y maravilloso mundo del saber" - Albert Einstein
El programa esta dirigido a:
Profesionales universitarios en las áreas de grado, licenciatura, ingeniería o diplomatura
Analistas de datos buscando profundizar sus conocimientos
Gerentes de proyectos interesados en análisis de datos
Científicos de datos en busca de especialización
Consultores estratégicos que deseen ampliar sus herramientas
Ingenieros de software enfocados en datos y analítica
Emprendedores que quieran impulsar sus negocios con datos
Profesionales de marketing digital interesados en análisis predictivo
Sobre el Programa
Titulación
Al finalizar el programa, obtendrás un título otorgado por AICAD Business School, reconocido y válido en todo el Espacio Europeo de Educación. En el resto de países, el alumno/a tiene la opción de poder incluir en el diploma de su máster o curso universitario realizado con nosotros, el reconocimiento internacional de laApostilla de la Haya.
Prácticas profesionales
En AICAD creemos que las prácticas son fundamentalespara una formación completa y eficaz. Por esta razón, contamos con un departamento de salidas profesionales y gestión de prácticas, para que cuando finalices tus estudios, salgas al mercado con experiencia profesional certificable en las empresas más destacadas del sector.
Nuestras cifras y datos globales de prácticas en empresas
+85% Empleabilidad
Los alumnos se quedan como empleados en las empresas que hicieron practicas
+80.000 Seguidores
Alumnos y exalumnos de diferentes carreras y países nos siguen en nuestras redes sociales
+4.500 Convenios
Acuerdos internacionales y convenios de practicas en grandes y pequeñas empresas
Desarrolla el talento de tu empresa
Somos una entidad acreditada por sepe FUNDAE. Todas las empresas, sea cual sea su tamaño, disponen de crédito de formación para sus empleados,a través de deducción en las cotizaciones de la Seguridad Social. Este crédito es concedido por la bonificación de la Fundación Tripartita (Fundae).
Confían en nosotros
Solicitar información
Escribe tu reseña
Déjanos tu reseña
Tu opinión nos ayuda a esforzarnos más para hacer programas con altos estándares de calidad que te ayuden a mejorar profesionalmente.
Escribe tu reseña
Deje un Comentario
¿Por qué Aicad Business School?
+100% Excelencia académica
Profesores, investigadores y expertos del mundo empresarial
+5.000 Titulaciones
La mayor oferta académica en certificaciones
+50.000 Matriculados
La mejor carta nuestros alumnos: más de 50.000 matriculados alrededor del mundo
Testimonios
Cursos Relacionados
(4.4)