Máster en Big Data & Business Analytics

Unidad Didáctica 1. Introducción a la Transformación Digital

• Introducción a la transformación digital
• Concepto de innovación
• Concepto de tecnología
• Tipología de la tecnología
• Punto de vista de la ventaja competitiva
• Según su disposición en la empresa
• Desde el punto de vista de un proyecto
• Otros tipos de tecnología
• La innovación tecnológica
• Competencias básicas de la innovación tecnológica
• El proceso de innovación tecnológica
• Herramientas para innovar
• Competitividad e innovación

Unidad Didáctica 2. la Sociedad 3.0

• Filosofía Web 3.0 y su impacto en el mundo empresarial
• Socialización de la Web
• Adaptación del mundo empresarial a las Nuevas tecnologías

Unidad Didáctica 3. Nuevo Ecosistema Digital

• Community Manager
• Chief Data Officer
• Data Protection Officer
• Data Scientist
• Otros perfiles
• Desarrollo de competencias informáticas
• El Papel del CEO como líder en la transformación

Unidad Didáctica 4. Nuevos Modelos de Negocio en el Entorno Digital

• La transición digital del modelo de negocio tradicional
• Nuevos modelos de negocio
• Freemium
• Modelo Long Tail
• Modelo Nube y SaaS
• Modelo Suscripción
• Dropshipping
• Afiliación
• Infoproductos y E-Learning
• Otros

Unidad Didáctica 5. Plan de Transformación Digital

• Diagnóstico de la madurez digital de la empresa
• Análisis de la innovación en la empresa
• Elaboración del roadmap
• Provisión de financiación y recursos tecnológicos
• Implementación del plan de transformación digital
• Seguimiento del plan de transformación digital

Unidad Didáctica 6. Casos de Éxito en la Transformación Digital

• BBVA y la empresa inteligente
• DKV Salud y #MédicosfrentealCOVID
• El Corte Inglés
• Cepsa y su apuesta por los servicios cloud de AWS

Unidad Didáctica 7. el Nuevo Cliente Digital

• Rediseñando el customer experience
• La transformación de los canales de distribución: omnicanalidad
• Plan de marketing digital
• Buyer´s Journey
• Growth Hacking: estrategia de crecimiento
• El nuevo rol del marketing en el funnel de conversión

Unidad Didáctica 8. Nuevos Mercados, Nuevas Oportunidades

• Oportunidades de innovación derivadas de la globalización
• Como Inventar Mercados a través de la Innovación
• Etapas de desarrollo y ciclos de vida
• Incorporación al mercado
• Metodologías de desarrollo

Unidad Didáctica 9. la Innovación en los Procesos Organizativos

• La transformación digital de la cadena de valor
• La industria 4.0
• Adaptación de la organización a través del talento y la innovación
• Modelos de proceso de innovación
• Gestión de innovación
• Sistema de innovación
• Cómo reinventar las empresas innovando en procesos
• Innovación en Procesos a través de las TIC
• El Comercio Electrónico: innovar en los canales de distribución
• Caso de estudio voluntario: La innovación según Steve Jobs
• Caso Helvex: el cambio continuo
• La automatización de las empresas: RPA, RBA y RDA

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. Fuentes de Datos

• Definición y relevancia de la selección de las fuentes de datos
• Naturaleza de las fuentes de datos Big Data

Unidad Didáctica 3. Open Data

• Definición, Beneficios y Características
• Ejemplo de uso de Open Data

Unidad Didáctica 4. 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 5. Ecosistema Hadoop

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

Unidad Didáctica 6. Weka y Data Mining

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

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

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 Base de Datos Nosql, Mongodb

• ¿Qué es MongoDB?
• Funcionamiento y usos 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. 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 6. 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 7. Pre-procesamiento & Procesamiento de Datos

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

Unidad Didáctica 8. Análisis de los Datos

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

Unidad Didáctica 1. 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 2. Principales Productos de Business Intelligence

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

Unidad Didáctica 3. 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 4. Datamart. Concepto de Base de Datos Departamental

• Aproximación al concepto de DataMart
• Procesos de extracción, transformación y carga de datos (ETL)
• Data Warehouse
• Herramientas de Explotación
• Herramientas para el desarrollo de cubos OLAP

Unidad Didáctica 5. Datawarehouse o Almacén de Datos Corporativos

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

Unidad Didáctica 6. 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 7. 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 8. Powerbi

• Business Intelligence en Excel
• Herramientas Powerbi

Unidad Didáctica 1. Analítica Web con Google Analytics

• Introducción a la analítica web
• Funcionamiento Google Analytics
• Introducción e instalación de Google Analytics
• Interfaz
• Métricas y dimensiones
• Informes básicos
• Informes personalizados
• Comportamiento de los usuarios e interpretación de datos

Unidad Didáctica 2. Google Analytics 4

• ¿Qué es Google Analytics 4?
• Diferencias con respecto a Universal Analytics
• Implementación de Google Analytics 4
• Las herramientas de análisis de Google Analytics 4
• Los espacios de identidad
• Ventajas de Google Analytics 4
• Desventajas de Google Analytics 4

Unidad Didáctica 3. Recogida de Datos

• Planes de medición
• Configuración de las vistas mediante filtros
• Métricas y dimensiones personalizadas
• Seguimiento de eventos

Unidad Didáctica 4. Navegación e Interfaz

• Informes de visión general
• informes completos
• Compartir informes
• Configuración paneles de control y accesos directos

Unidad Didáctica 5. Informes

• Informes de Audiencia
• Informes de Adquisición
• Informes de Comportamiento

Unidad Didáctica 6. Campañas y Conversiones

• Campañas personalizadas
• Realizar un seguimiento de las campañas con el Creador de URLs
• Configuración y medición de objetivos
• Cómo medir campañas de Google Ads

Unidad Didáctica 7. Google Analytics 360

• Analítica avanzada
• Informes sin muestrear
• Google BigQuery Export
• Integraciones

Unidad Didáctica 8. Google Tag Manager

• Concepto y características
• Gestión de etiquetas
• Activadores y gestión de variables
• Implementación y eventos
• Tracking

Unidad Didáctica 9. Looker Studio (google Data Studio)

• Visualización de datos
• Tipologías de gráficos
• Fuentes de datos
• Integración con Analytics
• Creación de informes

Unidad Didáctica 1. Ggplot2 Como Librería para Visualización de Datos en R

• Introducción a Gplot
• El paquete ggplot2

Unidad Didáctica 2. Ejes

• Cambiar títulos de eje
• Aumentar el espacio entre ejes y títulos de ejes
• Cambiar la estética de los títulos de Axis
• Cambiar la estética del texto del eje
• Texto del eje de rotación
• Eliminar texto de eje y marcas
• Eliminar títulos de eje
• Límite del rango del eje
• Forzar el trazado para que comience en el origen
• Ejes con la misma escala
• Usar una función para modificar etiquetas

Unidad Didáctica 3. Títulos

• Añade un título
• Ajustar la posición de los títulos
• Use una fuente no tradicional en su título
• Cambiar espaciado en texto de varias líneas

Unidad Didáctica 4. Leyendas

• Trabajando con leyendas
• Apaga la leyenda
• Eliminar títulos de leyenda
• Cambiar la posición de la leyenda
• Cambiar la dirección de la leyenda
• Cambiar el estilo del título de la leyenda
• Cambiar título de leyenda
• Cambiar el orden de las claves de leyenda
• Cambiar etiquetas de leyenda
• Cambiar cuadros de fondo en la leyenda
• Cambiar el tamaño de los símbolos de leyenda
• Dejar una capa fuera de la leyenda
• Adición manual de elementos de leyenda
• Usar otros estilos de leyenda

Unidad Didáctica 5. Fondos y Líneas de Cuadrícula

• Cambiar el color de fondo del panel
• Cambiar líneas de cuadrícula
• Cambiar el espaciado de las líneas de cuadrícula
• Cambiar el color de fondo de la trama

Unidad Didáctica 6. Márgenes

• Trabajar con márgenes

Unidad Didáctica 7. Gráficos de Paneles Múltiples

• Trabajar con gráficos de paneles múltiples
• Crear múltiplos pequeños basados en una variable
• Permitir que los ejes deambulen libremente
• Uso facet_wrapcon dos variables
• Modificar el estilo de los textos de la tira
• Crear un panel de diferentes parcelas

Unidad Didáctica 8. Colores

• Trabajar con colores
• Especificar colores individuales
• Asignar colores a las variables
• Variables Cualitativas
• Seleccionar manualmente colores cualitativos
• Utilice paletas de colores cualitativas integradas
• Use paletas de colores cualitativos de paquetes de extensión
• Variables Cuantitativas
• La paleta de colores Viridis
• Usar paletas de colores cuantitativas de paquetes de extensión
• Modificar paletas de colores después

Unidad Didáctica 9. Temas

• Cambiar el estilo de trazado general
• Cambiar la fuente de todos los elementos de texto
• Cambiar el tamaño de todos los elementos de texto
• Cambiar el tamaño de todos los elementos de línea y rectángulo
• Crea tu propio tema
• Actualizar el tema actual

Unidad Didáctica 10. Líneas

• Agregar líneas horizontales o verticales a un gráfico
• Agregar una línea dentro de un gráfico
• Agregar líneas curvas y flechas a un gráfico

Unidad Didáctica 11. Texto

• Agregue etiquetas
• Agregar anotaciones de texto
• Use Markdown y HTML Rendering para anotaciones

Unidad Didáctica 12. Coordenadas

• Voltear una parcela
• arreglar un eje
• Invertir un eje
• Transformar un eje
• Circularizar una parcela

Unidad Didáctica 13. Tipos de Gráficos

• Alternativas a un diagrama de caja
• Crear una representación de alfombra en un gráfico
• Crear una matriz de correlación
• Crear un gráfico de contorno
• Crear un mapa de calor
• Crear un diagrama de cresta

Unidad Didáctica 14. Cintas

• Trabajar con cintas (AUC, CI, etc.)

Unidad Didáctica 15. Suavizados

• Predeterminado: agregar un suavizado LOESS o GAM

Unidad Didáctica 16. Gráficos Interactivos

• Trabajar con gráficos interactivos

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

• Algortimo de Naive bayes
• Tipos de Naive Bayes

Unidad Didáctica 12. Support Vector Machines (svm)

• Máquinas de vectores soporte (Support Vector Machine-SVM)
• ¿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

• Algorimto de Random Forest

Unidad Didáctica 1. Introducción a la Inteligencia Artificial

• Introducción a la inteligencia artificial
• Historia
• La importancia de la IA

Unidad Didáctica 2. Algoritmos Aplicados a la Inteligencia Artificial

• Algoritmos aplicados a la inteligencia artificial

Unidad Didáctica 3. Sistemas Expertos

• Sistemas expertos
• Estructura de un sistema experto
• Inferencia: Tipos
• Fases de construcción de un sistema
• Rendimiento y mejoras
• Dominios de aplicación
• Creación de un sistema experto en C#
• Añadir incertidumbre y probabilidades

Unidad Didáctica 4. Futuro de la Inteligencia Artificial

• Futuro de la inteligencia artificial
• Impacto de la IA en la industria
• El impacto económico y social global de la IA y su futuro

Unidad Didáctica 5. Introducción Al Machine Learning

• Introducción
• Clasificación de algoritmos de aprendizaje automático
• Ejemplos de aprendizaje automático
• Diferencias entre el aprendizaje automático y el aprendizaje profundo
• Tipos de algoritmos de aprendizaje automático
• El futuro del aprendizaje automático

Unidad Didáctica 6. Sistemas de Recomendación

• Introducción
• Filtrado colaborativo
• Clusterización
• Sistemas de recomendación híbridos

Unidad Didáctica 7. Clasificación

• Clasificadores
• Algoritmos

Unidad Didáctica 8. Redes Neuronales y Deep Learning

• Componentes
• Aprendizaje

Unidad Didáctica 9. Sistemas de Elección

• Introducción
• El proceso de paso de DSS a IDSS
• Casos de aplicación

Unidad Didáctica 10. Deep Learning con Python, Keras y Tensorflow

• Aprendizaje profundo
• Entorno de Deep Learning con Python
• Aprendizaje automático y profundo

Unidad Didáctica 11. Sistemas Neuronales

• Redes neuronales
• Redes profundas y redes poco profundas

Unidad Didáctica 12. Estrategias de Aprendizaje

• Entrada y salida de datos
• Entrenar una red neuronal
• Gráficos computacionales
• Implementación de una red profunda
• El algoritmo de propagación directa
• Redes neuronales profundas multicapa