Master en Big Data & Business Intelligence

Temas:

• Big data: nociones básicas, componentes y principales productos de un sistema big data. Oportunidades, retos y aplicaciones en las empresas y organizaciones.
• Definición, fundamentos y componentes de Business Intelligence (BI). Big data vs. BI.
• Ciencia de las Redes.
• Gestión de la innovación y del cambio en las organizaciones.

Temas:

• Introducción a la estadística: objetivos, estadística descriptiva, funciones de distribución, estadística inferencial, modelos de regresión, etc.
• Introducción a la programación en R/RStudio. Aplicación a la estadística.
• Contexto de análisis de datos.

Temas:

• Aproximación a la Inteligencia Artificial (IA).
• Analítica y modelos predictivos avanzados. Técnicas: Machine Learning, Deep Learning, minería de datos, etc. Ensemble de modelos. Métricas de análisis de resultados.
• Casos de uso de la inteligencia artificial: banca, aseguradoras, turismo, educación, periodismo, etc.

Temas:

• Características y tipos de bases de datos. Modelo relacional y formas normales.
• Lenguaje SQL. Características generales, lenguaje de manipulación de datos, definición y consulta de datos. Realización de talleres con MySQL, etc.
• Infraestructuras de bases de datos. Conectividad con otros entornos y sistemas.
• Datawarehouse. Características, tipologías y arquitectura.
• Bases de datos NoSQL. Diferencias con las bases de datos SQL.
• Gestión distribuida de datos y paralelismo. Introducción a Hadoop y Spark.

Temas:

• Introducción a la web semántica y web de datos. Relación con el big data.
• Representación y esquema de datos (RDF y RDFS).
• Vocabularios y ontologías.
• Consulta de datos con SPARQL.
• Publicación y consumo de datos Web.
• Aplicaciones basadas en datos wePublicación y consumo de datos Web.

Temas:

• Hardware, redes y dispositivos IoT.
• Seguridad y despliegue de aplicaciones IoT.
• Conectividad en el mundo actual.
• Aplicaciones de IoT: smart cities, salud, domótica, agricultura inteligente, turismo, etc.
• Asistentes virtuales. Hacia el contact center cognitivo.

Temas:

• Modelos basados en datos. Descubrimiento de Conocimientos en Bases de Datos (KDD).
• Metodologías de trabajo. Evolución de las metodologías de desarrollo en los sistemas de información. Introducción al mundo agile. Principales marcos de trabajo: SCRUM, Kanban, programación extrema.
• Ciberseguridad en el mundo big data.
• Manipulación y visualización de datos. Tableau y R como herramienta de visualización.
• Herramientas de análisis de datos: SAS.
• Análisis de redes sociales. Google Analytics.

Temas:

• Principales modelos de negocio. Canvas, Porter, DAFO, etc.
• Modelos financieros para la construcción de un negocio y su incidencia en las decisiones empresariales.
• Clientes: analítica de clientes, modelo de cliente, segmentación, aplicación de campañas basadas en segmentos.
• Inteligencia artificial en la dirección estratégica. Campañas de marketing.
• Introducción al marketing digital y comercio electrónico.

Temas:

• Introducción al derecho, órdenes jurisdiccionales y fuentes de derecho.
• La política de protección de datos de carácter personal. Reglamento general de protección de datos (RGPD): ámbito de aplicación y autoridad de control. Medidas de seguridad.
• Comercio electrónico: normativa. Ley de servicios de la sociedad de la información y del comercio electrónico. Ámbito de aplicación y obligaciones.
• Emprendimiento en digital. Nombre del negocio y elección de la forma jurídica. Trámites para constituir una empresa.
• Delitos informáticos.

Temas:

• Presentaciones de proyectos.
• Escritura profesional.
• Protocolo en negocios internacionales.

Temas:

• La innovación como herramienta generadora de competitividad.
• Gestión y estrategias en la innovación propietarias y soluciones open source.
• Design Thinking en la innovación del negocio.
• Desarrollo de servicios innovadores. Aplicaciones disruptivas digitales.
• Emprendimiento digital: nuevo modelo de start-up y vías de financiación.

Temas:

• Introducción, origen y concepto del cloud computing.
• Características del cloud computing.
• Clasificación de soluciones cloud: IaaS, SaaS, PaaS, BPaaS.
• Ventajas y desventajas de la nube. Principales riesgos y su gestión.
• Proveedores de servicios de cloud computing para la implementación de proyectos. Soluciones propietarias y soluciones open source.
• Empresas basadas en internet.
• Implementación de un proyecto de big data en la nube.
• Tecnología big data para el medio ambiente.

El Trabajo de Fin de Máster (TFM) supone la realización de una investigación original o de un proyecto empresarial bajo la supervisión de un mentor. El TFM debe realizarse en la fase final del plan de estudios y debe estar orientado a la evaluación de competencias asociadas al título, así como a la aplicación de los contenidos formativos, capacidades, competencias y habilidades adquiridas durante el período de docencia del Máster.

El objetivo perseguido con la realización del TFM es comprobar que el alumno ha adquirido la capacidad de identificar problemas en el campo de estudio, analizarlos desde una perspectiva crítica, alcanzar una opinión al respecto y presentársela al lector y al público de modo argumentado, lo que supondría la adquisición de las competencias mínimas para desarrollar una carrera profesional en los ámbitos profesionales correspondientes.