Aprovecha tu beca de hasta 25% Becas hasta 25%

Titulación Universitaria + 60 Créditos ECTS

Máster en Big Data Deportivo + 60 Créditos ECTS

Máster en Big Data Deportivo + 60 Créditos ECTS

¿Quieres aprovechar el potencial del análisis de datos en el deporte y aplicar Big Data a la toma de decisiones? Fórmate en almacenamiento, procesamiento, visualización y técnicas como visión artificial.

  • 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 Big Data Deportivo + 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?

Relevancia y BI

Comprende el Big Data y el Business Intelligence para impulsar decisiones estratégicas en el ámbito deportivo.

Bases de datos

Utiliza bases de datos NoSQL como MongoDB y bases de datos SQL como MySQL para trabajar datos a escala.

Data Science con Python y R

Domina los lenguajes Python y R para Data Science y aplicarlos al análisis orientado al rendimiento.

Analítica y visión

Realiza mediciones con analítica web y trabaja visión artificial con Python y OpenCV para mejorar resultados.

Temario del programa

7 módulos que cubren desde la relevancia del Big Data y el Business Intelligence hasta bases de datos NoSQL/SQL, Python, R, analítica web, visión artificial y aplicación al rendimiento deportivo. Haz clic en cada módulo para ver el contenido completo.

01

Módulo 1. Big Data & Business Intelligence Fundamentals

Unidad Didáctica 1. la Revolución de los Datos Masivos: Big Data y Thick Data

  • ¿Qué es Big Data?
  • ¿Y Thick Data? ¿Cuál es el matiz para diferenciar ambos términos?
  • El gran auge del big data
  • La importancia de almacenar y extraer información
  • ¿Cual es el papel de las fuentes de datos?
  • Soluciones novedosas gracias a la selección de datos
  • Naturaleza de las fuentes de datos Big Data

Unidad Didáctica 2. Toma de Decisiones Inteligentes

  • Thick Data, el valor de lo cualitativo. Entender emociones humanas, intenciones y sentimientos
  • Fases en un proyecto de Big Data
  • Big Data enfocado a los negocios
  • Apoyo del Big Data en el proceso de toma de decisiones
  • Toma de decisiones operativas

Unidad Didáctica 3. Cómo Hacer Crecer un Negocio a Través del Big Data y Sus Aplicaciones

  • Marketing estratégico y Big Data
  • Open data
  • Ejemplo de uso de Open Data
  • IoT (Internet of Things-Internet de las cosas)

Unidad Didáctica 4. Big Data en Diferentes Sectores

  • Relación entre inteligencia artificial y big data
  • IA y Big Data combinados
  • El papel del Big Data en IA
  • Big Data en salud
  • Necesidad de Big Data en la asistencia sanitaria
  • Retos del big data en salud
  • Big Data y People Analytics en RRHH

Unidad Didáctica 5. Business Intelligence y la Sociedad de la Información

  • Definiendo el concepto de Business Intelligence y sociedad de la información
  • Arquitectura de una solución 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 6. Principales Productos de Business Intelligence

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

Unidad Didáctica 7. 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 8. 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 9. 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 10. Internet de las Cosas

  • Contexto Internet de las Cosas (IoT)
  • ¿Qué es IoT?
  • Elementos que componen el ecosistema IoT
  • Arquitectura IoT
  • Dispositivos y elementos empleados
  • Ejemplos de uso
  • Retos y líneas de trabajo futuras

Unidad Didáctica 11. Storytelling

  • ¿Qué es el Data Storytelling?
  • Elementos clave del Data Storytelling
  • ¿Por qué es importante el Data Storytelling?
  • ¿Cómo hacer Data Storytelling?

Unidad Didáctica 12. 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
02

Módulo 2. Data Science: Almacenamiento, Análisis y Procesamiento de Datos

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. 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 4. 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 5. Weka y Data Mining

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

Unidad Didáctica 6. Pentaho

  • Una aproximación a PENTAHO
  • Soluciones que ofrece PENTAHO
  • MongoDB & PENTAHO
  • Hadoop & PENTAHO
  • Weka & PENTAHO

Unidad Didáctica 7. 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

Unidad Didáctica 8. Pre-procesamiento & Procesamiento de Datos

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

Unidad Didáctica 9. Análisis de los Datos

  • Inteligencia Analítica de negocios
  • La teoría de grafos y el análisis de redes sociales
  • Presentación de resultados
03

Módulo 3. Análisis de Datos con Python

Unidad Didáctica 1. Introducción Al Análisis de Datos

  • ¿Qué es el análisis de datos?

Unidad Didáctica 2. Librerías para el Análisis de Datos: Numpy, Pandas y Matplotlib

  • Análisis de datos con NumPy
  • Pandas
  • Matplotlib

Unidad Didáctica 3. Filtrado y Extracción de Datos

  • Cómo usar loc en Pandas
  • Cómo eliminar una columna en Pandas

Unidad Didáctica 4. Pivot Tables

  • Pivot tables en pandas

Unidad Didáctica 5. Groupby y Funciones de Agregación

  • El grupo de Pandas

Unidad Didáctica 6. Fusión de Dataframes

  • Python Pandas fusionando marcos de datos

Unidad Didáctica 7. Visualización de Datos con Matplotlib y con Seaborn

  • Matplotlib
  • Seaborn

Unidad Didáctica 8. Introducción Al Machine Learning

  • Aprendizaje automático

Unidad Didáctica 9. Regresión Lineal y Regresión Logística

  • Regresión lineal
  • Regresión logística

Unidad Didáctica 10. Árbol de Decisiones

  • Estructura de árbol

Unidad Didáctica 11. Naive Bayes

  • Algoritmo de Naive Bayes
  • Tipos de Naive Bayes

Unidad Didáctica 12. Support Vector Machines (svm)

  • Máquinas de vectores soporte (Support Vector Machine-SVN)
  • ¿Cómo funciona SVM?
  • Núcleos SVM
  • Construcción de clasificador en Scikit-learn

Unidad Didáctica 13. Knn

  • K-nearest Neighbors (KNN)
  • Implementación de Python del algoritmo KNN

Unidad Didáctica 14. Principal Component Analysis (pca)

  • Análisis de componentes principales

Unidad Didáctica 15. Random Forest

  • Algortimo de random forest
04

Módulo 4. 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
05

Módulo 5. Analítica Web

Unidad Didáctica 1. Introducción a la Analítica Web

  • ¿Qué es la analítica web?
  • Establecimiento de objetivos y KPIs
  • Métricas principales y avanzadas
  • Objetivos y ventajas de medir
  • Plan de medición

Unidad Didáctica 2. Google Analytics 4

  • Introducción a Google Analytics 4
  • Interfaz
  • Métricas y dimensiones
  • Informes básicos
  • Filtros
  • Segmentos
  • Eventos
  • Informes personalizados
  • Comportamiento de los usuarios e interpretación de datos

Unidad Didáctica 3. Google Tag Manager

  • Introducción a GTM
  • Implementación con GTM
  • Medición con GTM
  • Uso de Debug/Preview Mode

Unidad Didáctica 4. Modelos de Atribución

  • La atribución
  • Multicanalidad
  • Customer Journey
  • Principales modelos de atribución
  • Modelos de atribución personalizados

Unidad Didáctica 5. Creación de Dashborad con Google Data Studio

  • Planificación del Dashboard
  • Características del Dashboard
  • Introducción a Data Studio
  • Conectores
  • Tipos de gráficos
  • Personalización de informes
  • Elementos de control
  • Dimensiones y métricas
  • Campos Calculados
  • Compartir informes

Unidad Didáctica 6. Analítica Web Orientada Al Seo

  • Introducción al SEO
  • Historia de los motores de búsqueda
  • Componentes de un motor de búsqueda
  • Organización de resultados en un motor de búsqueda
  • La importancia del contenido
  • El concepto de autoridad en Internet
  • Campaña SEO

Unidad Didáctica 7. Analítica Web Orientada Al Sem

  • Introducción al SEM
  • Principales conceptos en SEM
  • Sistema de pujas y Calidad del anuncio
  • Primer contacto con Google Ads
  • Creación de anuncios con calidad
  • Indicadores clave de rendimiento en SEM

Unidad Didáctica 8. Analítica Web Orientada a las Redes Sociales

  • Análisis del tráfico en redes sociales
  • Fijar objetivos en redes sociales
  • Facebook
  • Twitter
  • Youtube
  • LinkedIn
  • Tik tok
  • Instagram

Unidad Didáctica 9. Técnicas y Estrategias

  • Usabilidad
  • Mapas de calor
  • Grabaciones de sesiones de usuario
  • Ordenación de tarjetas
  • Test A/B
  • Test multivariante
  • KPI, indicadores clave de rendimiento
  • Cambios a realizar para optimizar una página web

Unidad Didáctica 10. Otras Herramientas para Analítica Web

  • Hotjar
  • Microsoft Power BI
  • Google Search Console
  • Matomo
  • Awstats
  • Chartbeat
  • Adobe Analytics

Unidad Didáctica 11. Cookies y Tecnologías de Seguimiento

  • ¿Qué son las cookies?
  • Tipos de cookies
  • GDPR
  • Herramientas para manejar el consentimiento de cookies
06

Módulo 6. Análisis de Datos a Nivel Deportivo

Unidad Didáctica 1. Tecnología y Deporte

  • La revolución tecnológica
  • Medios de comunicación y marketing digital
  • Tecnología en la industria deportiva
  • La tecnología en los eventos deportivos

Unidad Didáctica 2. Análisis de Datos en el Deporte

  • Analítica y biometría deportiva
  • Data Mining aplicado al deporte
  • Sistema BI aplicado al deporte
  • Análisis por Envoltura de Datos (DEA) aplicada al deporte
  • Datos deportivos y transformación del mercado

Unidad Didáctica 3. Proveedores de Datos Deportivos

    Unidad Didáctica 4. Análisis Individuales, Colectivos y de los Rivales

      Unidad Didáctica 5. Análisis de Datos y Rendimiento

        Unidad Didáctica 6. Introducción Al Scouting en el Fútbol

        • ¿Qué es el Scouting?
        • Importancia del Scouting
        • Perfil del responsable de video

        Unidad Didáctica 7. Herramientas Empleadas en el Scouting

        • Elementos de hardware y software
        • Elementos de captación y reproducción de video
        • Programas para el videoanálisis de partidos

        Unidad Didáctica 8. Análisis de Esquemas Tácticos

        • ¿Qué se puede analizar de un equipo?
        • La táctica
        • Metodología de la preparación táctica
        • Ocupación racional del terreno
        • Las transiciones en el fútbol
        • Algunas tácticas o acciones ofensivas con balón
        • El posicionamiento defensivo
        • Fundamentos del sistema de juego

        Unidad Didáctica 9. Elaboración de Informes

        • Introducción a los informes
        • Recogida de datos e información
        • Ejemplo de ficha de seguimiento a un jugador
        • Ejemplo de ficha de scouting de un partido

        Unidad Didáctica 10. Toma de Decisiones

        • Toma de decisiones del entrenador
        • La táctica deportiva
        • La estrategia deportiva
        07

        Módulo 7. Programación de Visión Artificial con Python y Opencv

        Unidad Didáctica 1. Introducción e Instalación de Opencv

        • Descripción general OpenCV
        • Instalación OpenCV para Python en Windows
        • Instalación OpenCV para Python en Linux
        • Anaconda y OpenCV

        Unidad Didáctica 2. Manejo de Ficheros, Cámaras e Interfaces Gráficas

        • Manejo de archivos
        • Leer una imagen con OpenCV
        • Mostrar imagen con OpenCV
        • Guardar una imagen con OpenCV
        • Operaciones aritméticas en imágenes usando OpenCV
        • Funciones de dibujo

        Unidad Didáctica 3. Tratamiento de Imágenes

        • Redimensión de imágenes
        • Erosión de imágenes
        • Desenfoque de imágenes
        • Bordeado de imágenes
        • Escala de grises en imágenes
        • Escalado, rotación, desplazamiento y detección de bordes
        • Erosión y dilatación de imágenes
        • Umbrales simples
        • Umbrales adaptativos
        • Umbral de Otsu
        • Contornos de imágenes
        • Incrustación de imágenes
        • Intensidad en imágenes
        • Registro de imágenes
        • Extracción de primer plano
        • Operaciones morfológicas en imágenes
        • Pirámide de imágen

        Unidad Didáctica 4. Histogramas y Template Matching

        • Analizar imágenes usando histogramas
        • Ecualización de histogramas
        • Template matching
        • Detección de campos en documentos usando Template matching

        Unidad Didáctica 5. Colores y Espacios de Color

        • Espacios de color en OpenCV
        • Cambio de espacio de color
        • Filtrado de color
        • Denoising de imágenes en color
        • Visualizar una imagen en diferentes espacios de color

        Unidad Didáctica 6. Detección de Caras y Extracción de Características

        • Detección de líneas
        • Detección de círculos
        • Detectar esquinas (Método Shi-Tomasi)
        • Detectar esquinas (método Harris)
        • Encontrar círculos y elipses
        • Detección de caras y sonrisas

        Unidad Didáctica 7. Aprendizaje Automático

        • Vecino más cercano (K-Nearest Neighbour)
        • Agrupamiento de K-medias (K-Means Clustering)

        Claustro docente

        Facultad de Informática y Tics — profesionales con experiencia en Big Data Deportivo + 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 deportivos
        • Consultor deportivo en Big Data
        • Desarrollador de software deportivo
        • Investigador en Big Data
        • Gestión de datos en clubes
        • Analista en agencias deportivas

        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 Big Data Deportivo + 60 Créditos ECTS?

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