Búsqueda avanzada
CONTACTO
Teléfono de ESIBE +34 958 991 919
Teléfono de ESIBE CAMPUS
Duración Duración 1500 H
Modalidad Modalidad Online
Precio Precio Oficial: 3600€
BECA hasta 40%
Euroinnova Internacional Online Education

Presentación

Descripción
La toma de decisiones dentro de una empresa en base a un análisis de datos estratégico y focalizado es clave para diferenciarte del resto de competidores y conseguir el éxito.Gracias a esta Maestría en Data Driven Decision Making desarrollarás estrategias de análisis de datos con fuentes de información masivas utilizando herramientas Big Data como Hadoop o Weka para una posterior visualización de datos en informes profesionales con herramientas como Tableau o PowerBI. También podrás analizar datos estadísticos con Python y R y aplicar modelos de inteligencia artificial para la creación de Chatbots inteligentes. Contarás con un equipo de profesionales especializados en la materia. Además, gracias a las prácticas garantizadas, podrás acceder a un mercado laboral en plena expansión.
Objetivos
  • Entender las posibilidades del Big Data y cuáles son las herramientas más utilizadas para el análisis de datos.
  • Conocer la arquitectura Big Data, sus principales tecnologías y sistemas de administración de información.
  • Saber cómo utilizar la información para el Business Intelligence y como crear Datamart y Datawarehouse.
  • Utilizar herramientas profesionales de visualización de datos como Tableau, PowerBI, Qlikview, Carto o Google Data.
  • Descubrir qué es Data Science y procesar modelos de datos con los lenguajes de programación estadística Python y R.
  • Emplear la Inteligencia artificial, el Machine learning y el Deep Learning para tomar decisiones estratégicas.
  • Crear chatbots inteligentes utilizando procesamiento de lenguaje natural e inteligencia artificial.
Para qué te prepara
Gracias a esta Maestría en Data Driven Decision Making desarrollarás estrategias de análisis de datos con fuentes de información masivas utilizando herramientas Big Data como Hadoop o Weka para una posterior visualización de datos en informes profesionales con herramientas como Tableau o PowerBI. También podrás analizar datos estadísticos con Python y R y aplicar modelos de inteligencia artificial para la creación de Chatbots inteligentes.
¿A quién va dirigido?
Esta Maestría en Data Driven Decision Making está orientada principalmente a profesionales con un perfil técnico, a estudiantes en informática o incluso a empresarios con ciertos conocimientos que quieran aprender cómo, a través de modelos programados para analizar información masiva es posible crear visualizaciones de datos que permitan tomar decisiones estratégicas.

Temario

Temario del curso

  1. ¿Qué es Big Data?
  2. La era de las grandes cantidades de información. Historia del big data
  3. La importancia de almacenar y extraer información
  4. Big Data enfocado a los negocios
  5. Open Data
  6. Información pública
  7. IoT (Internet of Things-Internet de las cosas)

  1. Definición y relevancia de la selección de las fuentes de datos
  2. Naturaleza de las fuentes de datos Big Data

  1. Definición, Beneficios y Características
  2. Ejemplo de uso de Open Data

  1. Diagnóstico inicial
  2. Diseño del proyecto
  3. Proceso de implementación
  4. Monitorización y control del proyecto
  5. Responsable y recursos disponibles
  6. Calendarización
  7. Alcance y valoración económica del proyecto

  1. Apoyo del Big Data en el proceso de toma de decisiones
  2. Toma de decisiones operativas
  3. Marketing estratégico y Big Data
  4. Nuevas tendencias en management

  1. Concepto de web semántica
  2. Linked Data Vs Big Data
  3. Lenguaje de consulta SPARQL

  1. ¿Qué es una base de datos NoSQL?
  2. Bases de datos Relaciones Vs Bases de datos NoSQL
  3. Tipo de Bases de datos NoSQL. Teorema de CAP
  4. Sistemas de Bases de datos NoSQL

  1. ¿Qué es MongoDB?
  2. Funcionamiento y uso de MongoDB
  3. Primeros pasos con MongoDB. Instalación y shell de comandos
  4. Creando nuestra primera Base de Datos NoSQL.Modelo e Inserción de Datos
  5. Actualización de datos en MongoDB. Sentencias set y update
  6. Trabajando con índices en MongoDB para optimización de datos
  7. Consulta de datos en MongoDB

  1. ¿Qué es Hadoop? Relación con Big Data
  2. Instalación y configuración de insfraestructura y ecosistema Hadoop
  3. Sistema de archivos HDFS
  4. MapReduce con Hadoop
  5. Apache Hive
  6. Apache Hue
  7. Apache Spark

  1. ¿Qué es Weka?
  2. Técnicas de Data Mining en Weka
  3. Interfaces de Weka
  4. Selección de atributos

  1. Una aproximación a Pentaho
  2. Soluciones que ofrece Pentaho
  3. MongoDB & Pentaho
  4. Hadoop & Pentaho
  5. Weka & Pentaho

  1. Hadoop
  2. Pig
  3. Hive
  4. Sqoop
  5. Flume
  6. Spark Core
  7. Spark 2.0

  1. Fundamentos de Streaming Processing
  2. Spark Streaming
  3. Kafka
  4. Pulsar y Apache Apex
  5. Implementación de un sistema real-time

  1. Hbase
  2. Cassandra
  3. MongoDB
  4. NeoJ
  5. Redis
  6. Berkeley DB

  1. Lucene + Solr

  1. Arquitectura Lambda
  2. Arquitectura Kappa
  3. Apache Flink e implementaciones prácticas
  4. Druid
  5. ElasticSearch
  6. Logstash
  7. Kibana

  1. Amazon Web Services
  2. Google Cloud Platform

  1. Administración e Instalación de clusters: Cloudera y Hortonworks
  2. Optimización y monitorización de servicios
  3. Seguridad: Apache Knox, Ranger y Sentry

  1. Herramientas de visualización: Tableau y CartoDB
  2. Librerías de Visualización: D, Leaflet, Cytoscape

  1. Definiendo el concepto de Business Intelligence y sociedad de la información
  2. Arquitectura de una solución de Business Intelligence
  3. Business Intelligence en los departamentos de la empresa
  4. Conceptos de Plan Director, Plan Estratégico y Plan de Operativa Anual
  5. Sistemas operacionales y Procesos ETL en un sistema de BI
  6. Ventajas y Factores de Riesgos del Business Intelligence

  1. Cuadros de Mando Integrales (CMI)
  2. Sistemas de Soporte a la Decisión (DSS)
  3. Sistemas de Información Ejecutiva (EIS)

  1. Introducción a la minería de datos y el aprendizaje automático
  2. Proceso KDD
  3. Modelos y Técnicas de Data Mining
  4. Áreas de aplicación
  5. Minería de textos y Web Mining
  6. Data mining y marketing

  1. Aproximación al concepto de DataMart
  2. Procesos de extracción, transformación y carga de datos (ETL)
  3. Data Warehouse
  4. Herramientas de Explotación
  5. Herramientas para el desarrollo de cubos OLAP

  1. Visión General. ¿Por qué DataWarehouse?
  2. Estructura y Construcción
  3. Fases de implantación
  4. Características
  5. Data Warehouse en la nube

  1. Tipos de herramientas para BI
  2. Productos comerciales para BI
  3. Productos Open Source para BI
  4. Beneficios de las herramientas de BI

  1. ¿Qué es la visualización de datos?
  2. Importancia y herramientas de la visualización de datos
  3. Visualización de datos: Principios básicos

  1. ¿Qué es Metabase? Usos y licenciamiento
  2. Arquitectura y Componentes
  3. Instalación y Configuración inicial
  4. Espacio de trabajo y navegación
  5. Conexiones a bases de datos en Metabase
  6. Creación de preguntas y consultas SQL
  7. Tipos de visualizaciones y filtros
  8. Construcción de Dashboards

  1. Fundamentos D3
  2. Instalación D3
  3. Funcionamiento D3
  4. SVG
  5. Tipos de datos en D3
  6. Diagrama de barras con D3
  7. Diagrama de dispersión con D3

  1. Google Data Studio

  1. Instalación y arquitectura
  2. Carga de datos
  3. Informes
  4. Transformación y modelo de datos
  5. Análisis de datos

  1. Introducción a Power BI
  2. Instalación de Power BI
  3. Modelado de datos
  4. Visualización de datos
  5. Dashboards
  6. Uso compartido de datos

  1. CartoDB

  1. ¿Qué es la ciencia de datos?
  2. Herramientas necesarias para el científico de datos
  3. Data Science & Cloud Compunting
  4. Aspectos legales en Protección de Datos

  1. Introducción
  2. El modelo relacional
  3. Lenguaje de consulta SQL
  4. MySQL. Una base de datos relacional

  1. Introducción a Python
  2. ¿Qué necesitas?
  3. Librerías para el análisis de datos en Python
  4. MongoDB, Hadoop y Python. Dream Team del Big Data

  1. Introducción a R
  2. ¿Qué necesitas?
  3. Tipos de datos
  4. Estadística Descriptiva y Predictiva con R
  5. Integración de R en Hadoop

  1. Obtención y limpieza de los datos (ETL)
  2. Inferencia estadística
  3. Modelos de regresión
  4. Pruebas de hipótesis

  1. Inteligencia Analítica de negocios
  2. La teoría de grafos y el análisis de redes sociales
  3. Presentación de resultados

  1. Introducción a la inteligencia artificial
  2. Historia
  3. La importancia de la IA

  1. Tipos de inteligencia artificial

  1. Algoritmos aplicados a la inteligencia artificial

  1. Relación entre inteligencia artificial y big data
  2. IA y Big Data combinados
  3. El papel del Big Data en IA
  4. Tecnologías de IA que se están utilizando con Big Data

  1. Sistemas expertos
  2. Estructura de un sistema experto
  3. Inferencia: Tipos
  4. Fases de construcción de un sistema
  5. Rendimiento y mejoras
  6. Dominios de aplicación
  7. Creación de un sistema experto en C#
  8. Añadir incertidumbre y probabilidades

  1. Futuro de la inteligencia artificial
  2. Impacto de la IA en la industria
  3. El impacto económico y social global de la IA y su futuro

  1. Introducción
  2. Clasificación de algoritmos de aprendizaje automático
  3. Ejemplos de aprendizaje automático
  4. Diferencias entre el aprendizaje automático y el aprendizaje profundo
  5. Tipos de algoritmos de aprendizaje automático
  6. El futuro del aprendizaje automático

  1. Introducción
  2. Algoritmos

  1. Introducción
  2. Filtrado colaborativo
  3. Clusterización
  4. Sistemas de recomendación híbridos

  1. Clasificadores
  2. Algoritmos

  1. Componentes
  2. Aprendizaje

  1. Introducción
  2. El proceso de paso de DSS a IDSS
  3. Casos de aplicación

  1. Aprendizaje profundo
  2. Entorno de Deep Learning con Python
  3. Aprendizaje automático y profundo

  1. Redes neuronales
  2. Redes profundas y redes poco profundas

  1. Perceptrón de una capa y multicapa
  2. Ejemplo de perceptrón

  1. Tipos de redes profundas
  2. Trabajar con TensorFlow y Python

  1. Entrada y salida de datos
  2. Entrenar una red neuronal
  3. Gráficos computacionales
  4. Implementación de una red profunda
  5. El algoritmo de propagación directa
  6. Redes neuronales profundas multicapa

  1. Concepto, evolución y aplicaciones del PLN
  2. Principales tareas del procesamiento del lenguaje
  3. Del PLN basado en reglas a los modelos basados en aprendizaje automático
  4. Representación del lenguaje: tokens, vectores y embeddings
  5. PLN multilingüe y retos del lenguaje natural
  6. Aplicaciones actuales del PLN

  1. Concepto y evolución de los modelos de lenguaje
  2. De las redes neuronales recurrentes a los Transformers en el procesamiento del lenguaje
  3. Modelos preentrenados y modelos fundacionales de PLN: BERT, GPT y otras familias
  4. Grandes modelos de lenguaje (LLM) aplicados al procesamiento del lenguaje
  5. Adaptación de modelos de lenguaje a tareas específicas de PLN: fine-tuning y transfer learning
  6. Criterios de selección de un modelo de lenguaje según la tarea de PLN

  1. Procesamiento y preparación de textos
  2. Clasificación y análisis de textos
  3. Extracción de información y reconocimiento de entidades
  4. Análisis de sentimientos y opiniones
  5. Generación, resumen y traducción automática
  6. Búsqueda semántica y recuperación de información

  1. Evolución de los sistemas conversacionales
  2. Concepto y arquitectura de un chatbot
  3. Chatbots basados en reglas, intención y modelos de lenguaje
  4. LLM como motor de sistemas conversacionales
  5. Contexto, memoria y gestión del diálogo
  6. Voicebots y asistentes conversacionales
  7. Limitaciones y retos de los sistemas conversacionales

  1. Diseño de experiencias conversacionales
  2. Definición de objetivos, usuarios y casos de uso
  3. Prompting y diseño de instrucciones
  4. Integración de modelos de lenguaje mediante API
  5. Embeddings y bases de datos vectoriales
  6. RAG (Retrieval-Augmented Generation)
  7. Evaluación y mejora de sistemas conversacionales

  1. Frameworks de desarrollo: Rasa, Microsoft Bot Framework y Dialogflow
  2. Orquestación de aplicaciones con LLM: LangChain y LlamaIndex
  3. Plataformas no-code y low-code para chatbots
  4. Despliegue e integración en canales: web, WhatsApp y redes sociales
  5. Pruebas, monitorización y mantenimiento de un chatbot en producción

  1. Concepto y evolución de los agentes de IA
  2. Agentes basados en modelos de lenguaje
  3. Uso de herramientas y conexión con sistemas externos
  4. Memoria, planificación y ejecución de tareas
  5. Sistemas multimodales: texto, voz, imagen y vídeo
  6. Aplicaciones empresariales de agentes y asistentes de IA

  1. Matriz de riesgo por caso de uso: dónde la seguridad y la ética del PLN son críticas
  2. Alucinaciones y limitaciones de los modelos de lenguaje
  3. Sesgos, privacidad y protección de datos
  4. Seguridad de los sistemas conversacionales
  5. Evaluación, supervisión y control de sistemas de IA
  6. Diseño responsable de experiencias conversacionales
  7. Tendencias y evolución de la IA conversacional

Metodología

Metodología ESIBE

Contamos con uno de los mejores sistemas de enseñanza, enfocado al 100% en la adquisición de conocimientos y habilidades valiosas para el alumno.

Al matricularte en una de nuestras formaciones, tendrás acceso al campus virtual, el cual se sustenta en los últimos avances en tecnología y sistemas e-Learning. Dispondrás de todos los contenidos de tu acción formativa desde el primer momento, pudiendo marcar tu propio ritmo de aprendizaje.

Nuestra metodología tiene un claro objetivo: proporcionarte nociones imprescindibles para el desarrollo de la actividad de tu ámbito. Para ello, tendrás el apoyo de un claustro especializado en la materia que estará a tu disposición para resolver cualquier pregunta, ya sea a través del chat, habilitado en el propio campus o, de una tutoría.

Con ESIBE, te convertirás en un profesional altamente cualificado, capaz de desempeñar las tareas propias de un puesto de responsabilidad en el sector.

Titulación

Titulación Obtenida
Titulación de Maestría en Data Driven Decision Making con 1500 horas expedida por ESIBE (ESCUELA IBEROAMERICANA DE POSTGRADO).
Título ESIBE
SOLICITA INFORMACIÓN
Maestría en Data Driven Decision Making
Información básica sobre Protección de Datos. Haz clic aquí Desplegar
Responsable: Euroinnova Business School S.L. Finalidad: Información académica y comercial de nuestros servicios de enseñanza. Legitimación: Consentimiento del interesado y ejecución de un contrato en el que el interesado es parte. Destinatarios: Encargados del tratamiento para cumplir con las finalidades. Derechos: Acceder, rectificar y suprimir los datos, así como otros derechos, como se explica en la información adicional

Información adicional Pulsa aquí

Correcto Se envió su solicitud correctamente.

Error Completa los campos obligatorios.

Precio Oficial 3600€ BECA hasta 40%

Compartir

whatsapp Facebook Twitter

Productos relacionados

Master en Química Forense + 60 Créditos ECTS...

Precio Oficial: 2295€

BECA hasta 40%

Ir al curso Flecha

Master en Ahorro Energético y Energías...

Precio Oficial: 3600€

BECA hasta 40%

Ir al curso Flecha

Master en Energías Renovables y Eficiencia...

Precio Oficial: 3600€

BECA hasta 40%

Ir al curso Flecha

Master en Dirección y Gestión de Proyectos y Obras...

Precio Oficial: 3600€

BECA hasta 40%

Ir al curso Flecha

¿Por qué estudiar en ESIBE?

En ESIBE nos adaptamos a tus necesidades, ofreciéndote una formación de calidad y con un elevado nivel de flexibilidad.

Formación en línea

Formación en línea

Organiza tu propio tiempo

Apostilla de la Haya

Apostilla de la Haya

Certifica tu titulación en países extranjeros

Calidad Europea

Calidad Europea

Formación especializada

Contenido Actualizado

Contenido Actualizado

Revisamos de forma continua nuestro temario

Campus Virtual

Campus Virtual

Plataforma con los últimos desarrollos del sector e-Learning

Formación en línea

Amplia Oferta Formativa

Encuentra la formación que se adapta a ti

Nuestros colaboradores

Adobe Certified Associate Amadeus Microsoft Office Sage Software hp ATA Google for Education Union Europea APel AENOA CECAP Responsabilidad Social Corporativa Confianza Online AENOR