Institut de Formació Contínua

Màster en Big Data Engineer

Modalitat On-line

Presentació del Màster

"De la mà dels experts que han col·laborat en el disseny del Màster en Big Data Engineer, ens expliquen quina és la tasca d’un Big Data Engineer i per què entrar en aquest món professional."

Consell d'experts

Veure el vídeo

 
Tipologia:
Màster
Crèdits:
60 ECTS
 
Preu:
5.170 *
Idioma:
Castellà
Inici curs:
09 novembre 2017
Final curs:
23 desembre 2018

* L'import inclou taxes administratives de la Universitat de Barcelona

 
Programa

1. Introducció als sistemes distribuïts
1.1. Introducció als sistemes distribuïts
1.2. Teorema de CAP
1.3. Principis bàsics de sistemes de distribució
1.4. Tipologies de sistemes distribuïts (i exemples)
1.5. Arquitectures d’alta escalabilitat

2. Eines Big Data
2.1. Emmagatzematge de grans volums de dades: sistemes d’arxius distribuïts i NoSQL
2.2. Ingestió i transmissió de dades: sistemes de cues i Kafka
2.3. Processament escalable: Hadoop, MapReduce i Spark
2.4. Eines d’explotació de dades

3. Gestió d’infraestructures Big Data
3.1. Introducció a la gestió de clústers
3.2. Tipus d’infraestructures
3.3. Gestió de recursos
3.4. Devops i el paradigma IaC
3.5. Eines per a la gestió de clúster

4. El procés d’anàlisi de dades
4.1. El mètode analític: descriptiu, predictiu i prescriptiu
4.2. Fonts d’informació disponibles
4.3. Obtenció, emmagatzematge i anàlisi de la informació disponible
4.4. Preprocés d’informació per a l’anàlisi
4.5. Definició del procés de mostreig

5. Fonaments d’estadística
5.1. Principis bàsics de probabilitat
5.2. Estimadors univariables: recompte, mitjana, mediana i desviació estàndard
5.3. Estimadors bivariables: taules de contingència, correlació i regressió
5.4. Estimadors multivariables: segmentació, relació, reducció i previsió

6. Analítica avançada
6.1. Analítica avançada: computació sobre grafs
6.2. Analítica avançada: computació sobre text
6.3. Analítica avançada: computació de sèries temporals
6.4. Introducció al machine learning
6.5. Mètodes d’aprenentatge automàtic supervisat
6.6. Mètodes d’aprenentatge automàtic no supervisat
6.7. Xarxes neuronals i deep learning
6.8. Implementació de models predictius

7. Data Driven Approach
7.1. Introducció al data driven
7.2. La cultura com a base de la presa de decisions
7.3. La dada
7.4. La taula executiva orientada a les dades

8. Data Project Management
8.1. Gestió dels sistemes d’informació
8.2. Gestió de projectes Big Data
8.3. Governança de les dades
8.4. La metodologia agile
8.5. Ètica i lleis

9. Extracció d’Insights
9.1. Introducció al business intelligence
9.2. Implementació d’una estratègia business analytics en la organització
9.3. Traducció de necessitats d’informació en indicadors (KPIs)
9.4. Representació gràfica d’informació

10. Projecte final

Universitat de Barcelona
© Institut de Formació Contínua - Universitat de Barcelona C/ Ciutat de Granada, 131 - 08018 Barcelona - Espanya Tel. +34 93 403 96 96 - Telèfon d'Informació: +34 93 309 36 54

Dos campus d'Excel·lència Internacional:

  • BKC - Barcelona Knowledge Campus
  • Health Universitat de Barcelona Campus

Amb la col·laboració de:

  • Banco Santander
  • Catalunya Caixa