Master Big Data UPC

La Universidad Politécnica de Cataluña tiene dentro de sus formaciones éste máster en big data management, technologies and analytics. Te contamos un poco más sobre él.

Duración y Fechas

Duración de 1 año con fecha de inicio Octubre 2020

Créditos Académicos

Éste master tiene asignados 60 créditos

Horarios

De Lunes, Miércoles y Viernes de 18h a 21horas.

Precio del Master Big Data UPC

8600€ es el coste total del mismo.

Localización – Campus

Plazas Disponibles

Actualmente hay 30 Plazas disponibles

Idioma

Castellano

Modalidad

Su página web establece una formación Presencial

Asignaturas – Plan de Estudios

12 ECTS 72h – Data Management

  • Motivación
    • Contexto. La sociedad de los datos y el paradigma data-driven.
    • Casos de uso.
    • Cloud computing e ingeniería de servicios (XaaS).
    • La necesidad de un cambio de paradigma: NoSQL.
  • Principios básicos de las bases de datos no relacionales (NoSQL)
    • Fundamentos arquitectónicos.
    • Nuevos modelos de datos.
  • Fundamentos: nuevas arquitecturas
    • Conceptos básicos.
    • One size does not fit all.
    • Gestión y procesamiento distribuido de los datos.
    • Gestión y procesamiento de los datos en memoria.
    • Principales arquitecturas de referencia.
  • Fundamentos: nuevos modelos de datos
    • Conceptos básicos.
    • Modelos de datos no estructurados o semi-estructurados.
    • Principales modelos de datos en el mundo NoSQL: Key-Value, Document-oriented, Graphs, Graphs Semantics y Streams.
    • Modelización de datos avanzada (para sistemas no relacionales).
  • Principales familias de gestores NoSQL
    • Gestores Key-Value
      • Concepto y principios.
      • El ecosistema Hadoop: HDFS, HBase, MapReduce Spark.
      • Consideraciones específicas de modelización.
    • Gestores Document-oriented
      • Concepto y principios.
      • Ejemplo: MongoDB y Aggregation Framework.
      • Consideraciones específicas de modelización.
    • Gestores Column-oriented
      • Concepto y Principios.
      • Ejemplo: Kudu (base de datos) y Parquet (ficheros).
      • Consideraciones específicas de modelización.
    • Gestores de grafos
      • Conceptos y principios.
      • Tipos de grafos y operaciones.
      • Ejemplo: Neo4J y Cypher.
      • Consideraciones específicas de modelización.
    • Gestores de grafos semánticos
      • Concepto y Principios: el paradigma Open/Linked Data.
      • Como abrir los datos.
      • Arquitecturas basadas en grafos versus tecnología relacional.
      • Marco de Descripción de Recursos (RDF) y SPARQL.
      • Consideraciones específicas de modelización.
  • Integración de datos
    • Procesos intensivos de datos y ETL.
    • Polystores y sistemas políglotas.
    • Orquestadores: Muskeeter.
  • Visualización
    • Procesos de visualización.
    • Técnicas de visualización.

12 ECTS 72h – Data Analytics

  • Introducción
    • ¿Qué es el knowledge discovery?
    • Estadística básica.
    • Introducción a R.
  • Pre-procesamiento de datos
    • Limpieza y adecuación de los datos.
    • Transformaciones.
  • Técnicas básicas de análisis
    • Regresión múltiple.
    • Profiling.
  • Análisis multivariante
    • Análisis de componentes principales.
    • Clustering.
    • Árboles de decisión.
  • Aprendizaje automático
    • Concepto.
    • Fundamentos matemáticos.
  • Principales técnicas de aprendizaje automático
    • Reglas de asociación.
    • Métodos lineales supervisados.
    • Redes neuronales.
    • Máquinas de vector soporte.
    • Bosques aleatorios.
  • Procesamiento de texto
    • Pre-procesamiento y preparación de los datos.
    • Principales técnicas de texto analíticas.
    • Information retrieval.
  • Análisis de series temporales
    • Pre-procesamiento y preparación de les datos.
    • Forecasting.
    • Detección de outliers.
  • Análisis de los datos avanzados
    • Paquetes de R para el procesamiento paralelo.
    • R sobre bases de datos relacionales.
    • Análisis de los datos en entornos distribuidos utilizando Hadoop Distributed File System (HDFS) y Spark
      • Spark R.

16 ECTS 96h – Hands-on Experience: Data Maganement and Analytics

  • Infraestructura
    • Introducción a los entornos cloud.
    • Virtualización.
    • Servicios Oracle.
  • Almacenamiento distribuido
    • El Ecosistema Hadoop.
    • Sistemas Key-Value: HBase.
  • Procesamiento distribuido
    • MapReduce.
    • Spark: SparkSQL. Spark streamingSpark graphs.
    • Análisis de datos en entornos distribuidos: MLlib. SparkR.
  • Document Stores
    • MongoDB.
    • Elastic Ssearch.
  • Bases de datos en grafo
    • Neo4J.
    • Grafos semánticos: GraphDB y SPARQL.
  • Arquitectura de sistemas big data.

5 ECTS 33h – Negocio y Emprendimiento en Big Data

  • Introducción: El entorno competitivo de la empresa y big data
    • Big data landscape.
  • Técnicas de ideación de negocio
    • Clientes y usuarios.
    • Definición de productos y servicios.
  • Herramientas de modelización de negocio: Business model canvas
    • Elementos que lo conforman.
    • Casos prácticos.
    • Resolución casos: Twitter, Facebook, etc.
  • Proceso de financiación
    • Finanzas.
    • Financiación privada: Business Angels y Capital Risk.
    • Financiación pública.
  • Márquetin.
  • Creación de una empresa
    • Aspectos legales: Regulación de los datos.
    • Aspectos económicos.
  • Consideraciones éticas del big data: negocio y privacidad.
  • Presentaciones y pitch.
  • Casos de éxito.

15 ECTS 51h – Proyecto

El proyecto se realizará en grupos que tendrán que desarrollar un caso real aplicado. Los estudiantes tendrán que realizar un análisis tanto de la perspectiva técnica (gestión y análisis de datos) como de la perspectiva de negocio (potencial viabilidad de la idea como negocio, independientemente de que se trate de una start-up o un nuevo producto/servicio a una empresa existente).

Esta web utiliza cookies propias y de terceros para su correcto funcionamiento y para fines analíticos. Al hacer clic en el botón Aceptar, aceptas el uso de estas tecnologías y el procesamiento de tus datos para estos propósitos. Ver Política de cookies
Privacidad