Programa

Una primera aproximación a los fundamentos de la inteligencia de datos y su aplicación en distintos entornos empresariales. Incluye Las tendencias actuales de los macrodatos y una iniciación a la línea de comandos.

Diseño y modelización de base de datos y lenguaje de consulta estructurada, más conocido como SQL (Structured Query Language). El modelo entidad-relación, el modelo relacional, la implementación relacional con SQL.

Aprendizaje de técnicas de la inteligencia empresarial. Entre los distintos modelos para su explotación a través de los datos existentes en una organización corporativa, se verán el dimensional, el semántico y el tabular.

Se aprenderá a utilizar y modelar los sistemas de gestión de bases de datos noSQL y sus principales operaciones. Introducción a MongoDB, operaciones CRUD, dominar el Find o proyectar los campos en resultados de búsqueda.

Internet de las Cosas como servicio, conectividad con fuentes de datos heterogéneas a través de brokers de mensajes y hubs con dispositivos, Hadoop, Spark y  diversas técnicas de visualización y análisis de información por parte de los usuarios finales.

Fundamentos, estructuras de control y manejo de datos del lenguaje de programación R, muy útil en entornos como la minería de datos, estadística o matemáticas financieras.

A lo largo de este bloque, los alumnos adquirirán los conceptos necesarios para el desarrollo de la modelización predictiva. Para ello, detectarán patrones basados en grandes volúmenes de datos, a través de diversas técnicas de data mining.

Técnicas y aplicaciones de aprendizaje y modelización predictiva avanzada. Posteriormente, se profundizará en redes Deep Learning con R y Python, así como en modelos predictivos basados en árboles de decisión, Random forest, Gradient Boosting y Xgboost con R.

Este módulo tiene como objetivo que los alumnos asimilen los distintos sistemas de soportes a la toma de decisiones en un entorno corporativo. Se abarcará la gestión económica y financiera, operaciones, logística, marketing y ventas.

Utilización de las principales Apis de acceso a datos en RRSS, análisis de textos y su tratamiento adecuado para un uso efectivo de estos factores. Realización de análisis de sentimiento en redes sociales y las distintas formas de representación de la información obtenida de éste.

Tendencias en gobierno abierto, participación y transparencia. Otras fuentes de datos abiertos incluidas las no gubernamentales (APIs), fuentes de algoritmos abiertos de última generación como pueda ser Kaggle, así como ejemplos diversos de código reproducible se tratarán en este bloque.

Se abarcarán las distintas partes del proceso a llevar a cabo para el correcto lanzamiento de una startup basada en servicios de macrodatos. Se tratan también la aplicación de técnicas ágiles en el desarrollo de productos y servicios.