I.- INTRODUCCIÓN / BUSINESS CASE

El módulo de introducción pretende introducir el business case del Big Data para las organizaciones, la transformación digital del negocio y cómo se puede extraer valor o ventaja competitiva del mismo. Para ello también se introducen los principales indicadores y factores medibles que son fundamentales en la transformación del negocio mediante el proceso de analítica. Desde el punto de vista de la profesión, se introduce el concepto de data science, la tipología de los estudios data science y una primera introducción al toolset del data scientist como nuevo rol profesional.

• Big Data: Conceptos, retos y oportunidades
• Casos de Transformación de Negocio
• Seminarios de actualización

II.- HERRAMIENTAS DE ANÁLISIS

El módulo de herramientas de análisis profundiza en herramientas de data science y en las tareas fundamentales de preparación, transformación y limpieza de datos, así como la agregación y fusión de datos adquiridos de diversas fuentes, y su visualización a través de gráficos. También desarrolla las competencias básicas preparatorias de programación estadística y con series de datos en estos entornos que son fundamentales para el paso a técnicas más avanzadas.

• Entornos de Data Science con R
• Entornos de Data Science con Python
• Fundamentos de presentación y visualización de datos

III.- TÉCNICAS DE ANÁLISIS

El módulo de técnicas de análisis desarrolla el uso de las herramientas de análisis con el objetivo de cubrir todo el ciclo de data science hasta llegar al objetivo de los modelos predictivos que sirven a los propósitos del negocio. Se desarrolla el uso y evaluación de las técnicas computacionales fundamentales en aprendizaje automático y técnicas relacionadas. Se contextualiza todo el trabajo técnico en el ciclo de descubrimiento de conocimiento que incluye a la minería de datos.

• Aprendizaje Automático Aplicado
• Programación estadística
• Inteligencia de negocio

IV.- TÉCNICAS DE ANÁLISIS AVANZADAS

El módulo de técnicas de análisis avanzadas desarrolla el uso de las herramientas de análisis con el objetivo de cubrir todo el ciclo de data science hasta llegar al objetivo de los modelos predictivos que sirven a los propósitos del negocio. Se desarrolla el uso y evaluación de las técnicas computacionales fundamentales en aprendizaje automático y técnicas relacionadas. Se contextualiza todo el trabajo técnico en el ciclo de descubrimiento de conocimiento que incluye a la minería de datos.

• Análisis estadístico
• Procesamiento del lenguaje natural
• Análisis de redes sociales

V.- PARALELIZACIÓN DE DATOS

Este módulo introduce los principales modelos de procesamiento de datos paralelos, comenzando sobre Hadoop y el ecosistema desarrollado alrededor de esa tecnología, e introduciendo otras plataformas que lo complementan como Apache Spark. Se introduce la problemática de las arquitecturas que tienen que soportar procesamiento de datos off-line y de tiempo real o cuasi-real y necesitan para ello sistemas de colas o eventos escalables. Finalmente, se introduce el uso de estos sistemas mediante APIs para su consumo en modalidad cloud.

• Fundamentos de paralelización de datos
• Procesamiento de streams

VI.- GESTIÓN DE DATOS

El módulo de bases de datos no convencionales introduce en el nivel de uso la tipología de NoSQL y los principales modelos, así como los factores principales de diseño de modelos de datos y consultas subyacentes a estas tecnologías. También se introduce la Web de los Datos, sus lenguajes y estructura, como fuentes de datos. Además, se aborda el uso de herramientas de visuslización dinámicas y estáticas basadas en datos.

• Bases de datos no convencionales
• La Web de los datos
• Herramientas de visualización de datos

VII.- BUSINESS ANALYTICS

En este módulo se adquieren de manera práctica habilidades y conocimientos de trabajo en equipos de datos mediante metodologías ágiles. También se tratan los aspectos regulatorios asociados a la actividad del analista de datos y las infraestructuras de Big Data y sus implicaciones en la privacidad. Por último, se profundizan en modelos de data science, machine learning y estadística para problemas concretos de negocio en áreas específicas.

• Métodos ágiles en proyectos de datos
• Aspectos éticos y legales del análisis de datos
• Modelos y aplicaciones de Business Analytics

VIII.- TÉCNICAS ANALÍTICAS AVANZADAS

Este módulo continúa los módulos de técnicas de análisis profundizando en los modelos matemáticos del aprendizaje automático y su optimización, incluyendo categorías de problemas específicos. También amplía los contenidos del paradigma conexionista en arquitecturas optimizadas.

• Aprendizaje automático avanzado
• Deep learning
• Aplicaciones de Business Analytics avanzadas

IX.- ANALÍTICA ESCALABLE

Este módulo trata los algoritmos paralelizados en plataformas de procesamiento de datos paralelo y sus bibliotecas, así como su uso a través de paradigmas de datasets distribuidos y APIs.

• Aprendizaje automático escalable
• Modelos de grafo escalables

X.- PRESENTACIÓN Y COMUNICACIÓN DEL ANÁLISIS

Este módulo desarrolla las actividades de comunicación y presentación desde la perspectiva del data scientist. Se tratan visualizaciones específicas de ciertos tipos de análisis.

Presentación y comunicación

PROYECTO FIN DE MÁSTER