Aprovecha tu beca de hasta 25% Becas hasta 25%

Titulación Universitaria + 60 Créditos ECTS

Máster en Análisis y Visualización de Datos Masivos + 60 Créditos ECTS

Máster en Análisis y Visualización de Datos Masivos + 60 Créditos ECTS

¿Te gustaría transformar Big Data en decisiones estratégicas y visualizaciones claras? Fórmate en Análisis y Visualización de Datos Masivos para dominar R, Python, cuadros de mando y dashboards.

  • 100% Online
  • 1500
  • Conv. abierta
  • Becas
  • Titulación Universitaria
  • Modalidad 100% online, a tu ritmo
  • 60 Créditos ECTS
  • Sin permanencia · Te contestamos en menos de 24 h
Máster en Análisis y Visualización de Datos Masivos + 60 Créditos ECTS

Un máster con datos verificables del programa

  • 60 Créditos ECTS
  • Facultad de Análisis de Datos
  • Prácticas en centros reales
  • Título propio INESEM

¿Qué conseguirás al terminar este máster?

Relación clave

Descubre la relación entre Big Data, Business Intelligence y Data Science para analizar y visualizar datos.

Arquitectura Big Data

Entiende la importancia de la Arquitectura Big Data aplicada al análisis y explotación de datos.

Programación estadística

Aprende a explotar los datos y visualizar resultados con programación estadística en Python y R.

Dashboards y herramientas

Desarrolla cuadros de mando y dashboards y utiliza herramientas como Tableau, D3, PowerBI o Qlikview.

Temario del programa

7 módulos que cubren desde la relación entre Big Data, Business Intelligence y Data Science hasta la visualización con Python y R. Haz clic en cada módulo para ver el contenido completo.

01

Módulo 1. Introducción Al Big Data, Business Intelligence y Data Science

Unidad Didáctica 1. Introducción Al Big Data

  • ¿Qué es Big Data?
  • La era de las grandes cantidades de información: historia del big data
  • La importancia de almacenar y extraer información
  • Big Data enfocado a los negocios
  • Open Data
  • Información pública
  • IoT (Internet of Things - Internet de las cosas)

Unidad Didáctica 2. Fases de un Proyecto de Big Data

  • Diagnóstico inicial
  • Diseño del proyecto
  • Proceso de implementación
  • Monitorización y control del proyecto
  • Responsable y recursos disponibles
  • Calendarización
  • Alcance y valoración económica del proyecto

Unidad Didáctica 3. Business Intelligence y la Sociedad de la Información

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

Unidad Didáctica 4. Principales Productos de Business Intelligence

  • Cuadros de Mando Integrales (CMI)
  • Sistemas de Soporte a la Decisión (DSS)
  • Sistemas de Información Ejecutiva (EIS)

Unidad Didáctica 5. Introducción Al Data Science

  • ¿Qué es Data Science?
  • Historia del Data Science
  • ¿Qué función tiene un Científico de datos?
  • Data Science vs Big Data. Principales diferencias
02

Módulo 2. Arquitectura Big Data

Unidad Didáctica 1. Batch Processing

  • Hadoop
  • Pig
  • Hive
  • Sqoop
  • Flume
  • Spark Core
  • Spark 2.0

Unidad Didáctica 2. Streaming Processing

  • Fundamentos de Streaming Processing
  • Spark Streaming
  • Kafka
  • Pulsar y Apache Apex
  • Implementación de un sistema real-time

Unidad Didáctica 3. Sistemas Nosql

  • Hbase
  • Cassandra
  • MongoDB
  • NeoJ
  • Redis
  • Berkeley DB

Unidad Didáctica 4. Interactive Query

  • Lucene + Solr

Unidad Didáctica 5. Sistemas de Computación Híbridos

  • Arquitectura Lambda
  • Arquitectura Kappa
  • Apache Flink e implementaciones prácticas
  • Druid
  • ElasticSearch
  • Logstash
  • Kibana

Unidad Didáctica 6. Cloud Computing

  • Amazon Web Services
  • Google Cloud Platform

Unidad Didáctica 7. Administración de Sistemas Big

  • Administración e Instalación de clusters: Cloudera y Hortonworks
  • Optimización y monitorización de servicios
  • Seguridad: Apache Knox, Ranger y Sentry

Unidad Didáctica 8. Visualización de Datos

  • Herramientas de visualización: Tableau y CartoDB
  • Librerías de Visualización: D, Leaflet, Cytoscape
03

Módulo 3. Data Science

Unidad Didáctica 1. Introducción a la Ciencia de Datos

  • ¿Qué es la ciencia de datos?
  • Herramientas necesarias para el científico de datos
  • Data Science & Cloud Computing
  • Aspectos legales en Protección de Datos

Unidad Didáctica 2. Bases de Datos Relacionales

  • Introducción
  • El modelo relacional
  • Lenguaje de consulta SQL
  • MySQL: Una base de datos relacional

Unidad Didáctica 3. Pre-procesamiento & Procesamiento de Datos

  • Obtención y limpieza de los datos (ETL)
  • Inferencia estadística
  • Modelos de regresión
  • Pruebas de hipótesis

Unidad Didáctica 4. Análisis de los Datos

  • Inteligencia Analítica de negocios
  • La teoría de grafos y el análisis de redes sociales
  • Presentación de resultados
04

Módulo 4. Herramientas para Explotación y Análisis de Big Data

Unidad Didáctica 1. Bases de Datos Nosql y el Almacenamiento Escalable

  • ¿Qué es una base de datos NoSQL?
  • Bases de datos Relaciones Vs Bases de datos NoSQL
  • Tipo de Bases de datos NoSQL: Teorema de CAP
  • Sistemas de Bases de datos NoSQL

Unidad Didáctica 2. Introducción a un Sistema de Bases de Datos Nosql: Mongodb

  • ¿Qué es MongoDB?
  • Funcionamiento y uso de MongoDB
  • Primeros pasos con MongoDB: Instalación y shell de comandos
  • Creando nuestra primera Base de Datos NoSQL: Modelo e Inserción de Datos
  • Actualización de datos en MongoDB: Sentencias set y update
  • Trabajando con índices en MongoDB para optimización de datos
  • Consulta de datos en MongoDB

Unidad Didáctica 3. Ecosistema Hadoop

  • ¿Qué es Hadoop? Relación con Big Data
  • Instalación y configuración de insfraestructura y ecosistema Hadoop
  • Sistema de archivos HDFS
  • MapReduce con Hadoop
  • Apache Hive
  • Apache Hue
  • Apache Spark

Unidad Didáctica 4. Weka y Data Mining

  • ¿Qué es Weka?
  • Técnicas de Data Mining en Weka
  • Interfaces de Weka
  • Selección de atributos

Unidad Didáctica 5. Pentaho una Solución Open Source para Business Intelligence

  • Una aproximación a Pentaho
  • Soluciones que ofrece Pentaho
  • MongoDB & Pentaho
  • Hadoop & Pentaho
  • Weka & Pentaho
05

Módulo 5. Business Intelligence, Cuadros de Mando y Dashboards

Unidad Didáctica 1. Minería de Datos o Data Mining y el Aprendizaje Automático

  • Introducción a la minería de datos y el aprendizaje automático
  • Proceso KDD
  • Modelos y Técnicas de Data Mining
  • Áreas de aplicación
  • Minería de textos y Web Mining
  • Data mining y marketing

Unidad Didáctica 2. Datamart: Concepto de Base de Datos Departamental

  • Aproximación al concepto de DataMart
  • Bases de datos OLTP
  • Bases de Datos OLAP
  • MOLAP, ROLAP & HOLAP
  • Herramientas para el desarrollo de cubos OLAP

Unidad Didáctica 3. Datawarehouse o Almacen de Datos Corporativos

  • Visión General: ¿Por qué DataWarehouse?
  • Estructura y Construcción
  • Fases de implantación
  • Características
  • Data Warehouse en la nube

Unidad Didáctica 4. Inteligencia de Negocio y Herramientas de Analítica

  • Tipos de herramientas para BI
  • Productos comerciales para BI
  • Productos Open Source para BI
  • Beneficios de las herramientas de BI

Unidad Didáctica 5. Definición de Kpis

  • Definición de KPIs
  • KPI, CSF y metas
  • Principales KPIS
  • Ejemplos de KPIS
  • Supuesto práctico: Cálculo de KPI con Excel

Unidad Didáctica 6. Concepto y Creación de Cuadros de Mando

  • Introducción a los cuadros de mando y dashboard
  • Estrategias para la creación de un cuadro de mando
  • Dashboard en Excel o Google Analytics

Unidad Didáctica 7. Herramientas para la Creación de Cuadros de Mando

  • Aplicaciones gratuitas
  • Aplicaciones propietarias
06

Módulo 6. Introducción a la Programación Estadística

Unidad Didáctica 1. Python y el Análisis de Datos

  • Introducción a Python
  • ¿Qué necesitas?
  • Librerías para el análisis de datos en Python
  • MongoDB, Hadoop y Python: Dream Team del Big Data

Unidad Didáctica 2. R Como Herramienta para Big Data

  • Introducción a R
  • ¿Qué necesitas?
  • Tipos de datos
  • Estadística Descriptiva y Predictiva con R
  • Integración de R en Hadoop
07

Módulo 7. Visualización de Datos

Unidad Didáctica 1. Introducción a la Visualización de Datos

  • ¿Qué es la visualización de datos?
  • Importancia y herramientas de la visualización de datos
  • Visualización de datos: Principios básicos

Unidad Didáctica 2. Tableau

  • ¿Qué es Tableau? Usos y aplicaciones
  • Tableau Server: Arquitectura y Componentes
  • Instalación Tableau
  • Espacio de trabajo y navegación
  • Conexiones de datos en Tableau
  • Tipos de filtros en Tableau
  • Ordenación de datos, grupos, jerarquías y conjuntos
  • Tablas y gráficos en Tableau

Unidad Didáctica 3. D3 (data Driven Documents)

  • Fundamentos D3
  • Instalación D3
  • Funcionamiento D3
  • SVG
  • Tipos de datos en D3
  • Diagrama de barras con D3
  • Diagrama de dispersión con D3

Unidad Didáctica 4. Looker Studio (google Data Studio)

  • Visualización de datos
  • Tipologías de gráficos
  • Fuentes de datos
  • Creación de informes

Unidad Didáctica 5. Qlikview

  • Instalación y arquitectura
  • Carga de datos
  • Informes
  • Transformación y modelo de datos
  • Análisis de datos

Unidad Didáctica 6. Power Bi

  • Introducción a Power BI
  • Instalación de Power BI
  • Modelado de datos
  • Visualización de datos
  • Dashboards
  • Uso compartido de datos

Unidad Didáctica 7. Carto

  • CartoDB
  • ¿Qué es CARTO?
  • Carga y uso de datos. Tipos de análisis
  • Programación de un visor con la librería CARTO.js
  • Uso de ejemplos y ayudas de la documentación de la API

Claustro docente

Facultad de Informática y Tics — profesionales con experiencia en Análisis y Visualización de Datos Masivos + 60 Créditos ECTS.

Anabel Fernández

Anabel Fernández

Facultad de Informática y Tics

Gestión y Tecnologías de Proceso de Negocio

¿En qué podrás trabajar?

Con este máster podrás optar a puestos como:

  • Analista de datos
  • Arquitecto de soluciones Big Data
  • Experto en análisis empresarial
  • Profesional de Business Intelligence
  • Especialista en Data Science
  • Consultor/a de visualización de datos

Metodología

Nuestra metodología educativa

Estudiantes trabajando juntos con sus portátiles
Aprende cuando quieras

Avanza al ritmo que te convenga, desde donde estés
y con seguimiento cercano.

Contenidos de calidad

Ofrecemos una formación completa y actualizada de la mano de un claustro profesional en activo que confecciona los diferentes programas formativos de su área/especialidad.

Materiales y Recursos Didácticos

Tendrás a tu disposición un banco de materiales y recursos didácticos sobre legislación. Así como una Tribuna de noticias y actualidad. Además, podrás asistir a Seminarios online de la mano de nuestro claustro, en el que se tratan temas actuales y de interés.

Claustro Profesional

Los docentes de INESEM son profesionales en activo ofreciendo una docencia de calidad y en constante actualización. Preparan el contenido de aquellos programas formativos cuyas áreas son en las que trabajan.

Tutorización individual

No estarás solo durante tu formación, tendrás al claustro a tu disposición y un tutor asignado con el que podrás mantener el contacto y poder consultar todas las dudas que te vayan surgiendo.

Testimonios

La experiencia de quienes ya estudiaron con nosotros

«Buscaba un Máster oficial sin desplazarme. Estuve atendida en todo momento, todo muy profesional.»

Patricia Ortiz Ruiz

Promoción 2025

Nuestras cifras

+150Kalumnos
99%empleabilidad
+2000acuerdos con empresas
98%satisfacción

Becas INESEM · Descuentos de hasta el 25%

¿Damos el paso para especializarte en Análisis y Visualización de Datos Masivos + 60 Créditos ECTS?

Nuestro equipo de asesores responde tus preguntas y te explica las ayudas disponibles, sin compromiso.