I.- Introducción al Business Intelligence y Big Data (6 ECTS)
Entender las ventajas de implantar en la compañía la cultura de toma de decisiones basadas en datos. En esta asignatura el alumno conocerá todos los aspectos relevantes para liderar un programa de Big Data y las claves para obtener el máximo valor de los datos. Aprenderá a desarrollar casos de uso de aplicación a los negocios en esta nueva Era de los Datos y estará capacitado para convertir su empresa en data-driven, tomando mejores decisiones con una adecuada estrategia de datos.
II.- Herramientas de Big Data y Gobierno del Dato (6 ECTS)
Cómo se articula organizacionalmente la cultura de toma de decisiones basadas en datos en la estructura, propiedad del dato, propiedad de la explotación, provisión y distribución de la información, así como los accesos a la información. En este curso el alumno profundizará en las herramientas de captura, almacenamiento y procesamiento de datos, las herramientas de visualización de datos (y, en particular, SAS Visual Analytics) y las herramientas de Gobierno del Dato.
III.- Big Data dentro de la Informática (6 ECTS)
La evolución de la capacidad de proceso y de las técnicas de paralelización en el tratamiento de datos, así como la disponibilidad de hardware avanzado asequible, permiten hoy procesar ingentes cantidades de datos. Nos familiarizaremos con las principales evoluciones y técnicas de tratamiento masivo de información.
IV.- Técnicas de Datamining para el Negocio (6 ECTS)
Aportar una visión completa de las técnicas clásicas de minería de datos, tanto supervisadas como no supervisadas. Se pretende que el alumno sea capaz de abordar problemas de datamining y modelización estadística, desde su planteamiento, pasando por la preparación de datos y la evaluación de la técnica más adecuada, hasta la evaluación de resultados. Los conceptos teóricos se ilustrarán mediante ejemplos sencillos con lenguaje de programación.
V.- Casos de uso Data Management (6 ECTS)
Se explicarán las técnicas principales en la monitorización y mejora de procesos de negocio, dentro del paradigma Definir-Medir-Mejorar.
VI.- Casos de uso en Finanzas (6 ECTS)
Diseño de modelo de datos o Datamart para departamentos financieros y control de gestión para generar los informes de seguimiento, profundización y ad hoc en el terreno de la toma de decisiones.
VII.- Casos de uso en Marketing (6 ECTS)
Se trata de ilustrar al alumno en el uso de las distintas técnicas de modelización, útiles para abordar casos de uso de marketing. Estos casos de uso están inspirados en experiencias reales de compañías dentro de los sectores del transporte, las telecomunicaciones, análisis de opinión y retail. El objetivo es que el alumno tenga una visión práctica de las técnicas de modelización estadística, y disponga del criterio suficiente para decidir qué técnica aplicar a cada caso de marketing.
VIII.- Herramientas y Profesionales de BIBD (6 ECTS)
El nuevo paradigma hace que necesitemos nuevos perfiles de profesionales y nuevas herramientas, es importante conocer qué perfiles profesionales intervienen en los proyectos de BIBD, conocer el estado del arte de las herramientas tecnológicas, así como sus principales funciones y ventajas.
IX.- Bases de datos Relacionales y no Relacionales (6 ECTS)
Conocer las principales técnicas, engines, actores y flujos en el almacenamiento y explotación masiva de datos.
X.- Lenguajes de Programación de Nuevo Entorno (6 ECTS)
El objetivo de esta materia es familiarizarse con los conceptos clave en los entornos software para la ciencia de datos. Leguajes, herramientas de desarrollo, entornos de trabajo y despliegue final de soluciones. Hadoop, Spark, Phyton, Java, lenguajes propios de base de datos. Soluciones en la nube: Amazon (AWS), Google cloud, Microsoft Azure.
ITINERARIO DE NEGOCIO
XI.- Transformación Digital
Esta asignatura ofrece una visión transversal sobre la Transformación Digital, poniéndola en un contexto de negocio, normativo y de actualidad dentro de la revolución digital. Profundiza en herramientas y tecnologías: ¿cómo ayudan a mejorar la productividad y resultados de la empresa?
XII.- Reporting y Seguimiento del Negocio
Principales reportes de seguimiento de negocio para realizar la primera foto de situación.
XIII.- Datamining en la Digitalización
Conocer el soporte y lanzamiento de los procesos de digitalización tanto de transformación como de conocimiento e interactuación con el cliente, que puede ofrecer la Inteligencia artificial y el Machine learning.
ITINERARIO TÉCNICO
XI.- Modelización de Datos Estructurados
Profundizar en el conocimiento de SQL como principal herramienta de acceso a datos relacionales.
XII.- Modelización de Datos No Estructurados
Conocer las principales técnicas del tratamiento de la información no estructurada como eventos masivos, imagen, texto y voz.
XIII.- Machine Learning e Inteligencia Artificial
Entender como Python puede utilizarse como herramienta para desarrollar proyectos de Ciencia de Datos. Desde los conceptos más básicos, a la utilización de librerías avanzadas de Machine y Deep Learning.
FIN DE ITINERARIOS
XIV.- Storytelling del Dato
Controlar la narrativa del dato, desde la extracción, reducción e interpretación a la narrativa de cara al cliente interno, usuario stakeholder o cualquier cliente de la información.
XV.- Proyecto Fin de Programa (8 ECTS)
El Trabajo fin de Máster es el último paso para obtener el título del programa formativo. Consiste en la realización de un trabajo académico en el que se apliquen o desarrollen conocimientos adquiridos a lo largo del programa formativo. Este trabajo deberá contemplar la aplicación de competencias generales asociadas al programa.
