Màster en Big Data & Data Science

Afegir a favorits
Transformació digital

Màster en Big Data & Data Science

Online
46 setmanes
master big data

Dades bàsiques

Crèdits

60 ECTS

Acreditacions

Màster

Idioma

Castellà

Dates

2/11/2020 - 17/9/2021

Modalitat

Online

Preu

5.400

(El preu inclou les taxes administratives de la Universitat de Barcelona)

Matrícula oberta

Hores bonificades

750 h. (Hores per poder realitzar el càlcul de la bonificació a empreses)

Presentació

S’estima que cada minut al dia s’envien més de 200 milions d’e-mails, es comparteixen més de 700.000 publicacions a Facebook, es realitzen 2 milions de cerques a Google o s’editen 100 hores de vídeo a Youtube.

En resum, en un dia es generen més dades dels que han existit en els últims 20 anys.

No hi ha cap dubte que el Big & Data Science és una de les professions del futur amb un augment del 122% en la publicació d’ofertes d’ocupació relacionades directament amb el Big Data.

Es per això que el Màster en Big Data & Data Science té un enfocament totalment pràctic per donar resposta a la necessitat de les empreses d’incorporar professionals especialitzats.

Dins del Màster en Big Data & Data Science aprendràs a utilitzar i implementar totes les eines necessàries que requereix un Data Science.

A més, aprendràs a utilitzar eines imprescindibles com Hadoop i Spark, l’ús de diferents bases de dades NoSQL i SQL, així com eines per a la implementació de Machine learning, xarxes neuronals i deep learning, sense oblidar eines en cloud (laaS, paaS, saaS, Google, Azure, AWS...), eines de control (Github...) i anàlisi (programació en R i en Python).

El Màster en Big Data & Data Science està desenvolupat i impartit per experts de grans companyies amb una destacada trajectòria i experiència en el camp del Big Data. També comptaràs amb la participació de professionals mitjançant masterclass.

Si busques un Màster en Big Data & Data Science que et doni una visió global de tot el paradigma dins del Data Science, amb un enfocament 100 % pràctic, aquest és el teu màster.

Objectius

  • Realitzaràs casos reals aplicant tècniques de Data Science.
  • Assoliràs un elevat coneixement en visualització de dades i data digital.
  • Sabràs extreure informació rellevant per a l’empresa a partir de l’aplicació de tècniques de Data Science i aprendràs a realitzar un eficient web scraping.
  • Aprendràs a desenvolupar els algoritmes com Xarxes Neuronals, Deep Learning i algoritmes avançats de Machine Learning.
  • Assoliràs coneixements profunds i avançats de programació en R i Python.
  • Treballaràs i desenvoluparàs treballs en SQL, MongoDB, Spark i Hadoop.
  • Milloraràs en l’eficiència del temps amb metodologies com Agile o Scrum.

Tres raons per escollir-lo

  • Programa dissenyat i estructurat perquè l’alumne obtingui un total coneixement per a implementar i dirigir un departament de Big Data & Data Science, així com l’ús de les últimes eines.
  • Creat i impartit per experts de gran nivell, amb una metodologia practica, enfocada a la realitat i necessitat de les empreses.
  • No només adquiriràs coneixements de les últimes eines i sistemes, sinó que també potenciarà el teu coneixement en la gestió del Big data donant-te una visió transversal de tota la seva magnitud.

Acreditació acadèmica

Màster en Big Data & Data Science per la Universitat de Barcelona.

Curs propi dissenyat segons les directrius de l'Espai Europeu d'Educació Superior i equivalent a 60 crèdits ECTS.

Programa

1. Eines de big data
1.1. Emmagatzematge de grans volums de dades: data mark, data lakes, definició big data, SQL, noSQL i processament escalable: Hadoop, MapReduce i Spark
1.2. Eines al cloud: serveis al núvol. Diferències entre IaaS, PAAS i SaaS. Google Cloud, Azure, Amazon Web Services
1.3. Monitoratge i control. Control de versions: Git o SVVN. Avantatges i inconvenients d'utilitzar GitHub. Alternatives a GitHub
1.4. Eines d'anàlisi: programació en R i programació en Python
1.5. Eines de visualització: Power BI i Power Query (Microsoft Office Excel), Qlik i Tableau

2. Fonaments d'Estadística
2.1. Introducció a l'Estadística: concepte d'Estadística. conceptes bàsics: població, mostra, variable estadística...
2.2. Estadística Descriptiva Unidimensional: Distribució de freqüències, mètodes gràfics, taules estadístiques. Mesures de posició, dispersió, forma i concentració. Gràfics.
2.3. Estadística Descriptiva Bidimensional: Distribució de freqüències bidimensionals. Taules estadístiques de doble entrada. Mètodes gràfics.
2.4. Regressió i Correlació: Línia general de regressió. Correlació. Regressió lineal. Correlació entre atributs. Coeficient Sperman, Kendall i Chi-quadrat.
2.5. Introducció al Càlcul de Probabilitats: Atzar i probabilitat. Definicions i propietats. Probabilitat condicionada i independència. Teorema de Bayes i probabilitat total.

3. Gestió de dades i dades digitals
3.1. Digital data: Fonts de dades externes oficials (INE, EUROSTAT...)
3.2. Google Analytics. Social analytics: Hootsuite, Twitter analytics i Facebook insights
3.3. Web scrapping. Ús de correu brossa
3.4. Data management. Govern de les dades. Ètica i lleis
3.5. Data cooking. Preparació de les dades: selecció, transformació i codificació
3.6. Data discovery: creació de noves mètriques (KPI, insights), discretització de variables
3.7. Data quality: tècniques avançades de detecció d'outliers, valors missing, imputació
3.8. Mostreig: probabilístic, aleatori, estratificat i sistemàtic

4. Tècniques avançades de mineria de dades
4.1. Anàlisi multivariant: estimació, contrast d'hipòtesis i intervals de confiança
4.2. Anàlisi de components principals (PCA) i factorial
4.3. Anàlisi discriminant: elecció de variables (forward, backward, stepwise)
4.4. Anàlisi clúster: algoritmes de classificació jeràrquica i no jeràrquica

5. Tècniques avançades de predicció
5.1. Preparació de tauler de modelització. Models supervisats vs. models no supervisats
5.2. Tècniques per millorar un model: training validation i cross validation
5.3. Regressió lineal i regressió logística
5.4. GLM (model lineal general). Ridge i PLS
5.5. Sèries temporals

6. Aprenentatge de tècniques learning
6.1. Classification algorithms: arbres de decisió
6.2. K-nearest neighbors
6.3. Model probabilístic: Bayes
6.4. Random forest
6.5. Boosting
6.6. Bagging
6.7. Adaboost

7. Aprenentatge automàtic per machine learning
7.1. Xarxes neuronals (neural networks – NN)
7.2. Support vector machine (SVM)
7.3. Deep learning
7.4. Tècniques de machine learning en imatges i vídeos
7.5. Models de sentiments (computació sobre text, xarxes socials, etc.)

8. Gestió de projectes
8.1. Eines per a la gestió de clúster
8.2. Validació del model: verificació p-values en regressions. Test de bondat d'ajustament. R-quadrat, MSE, BIC, AIC
8.3. Test discriminate: corba ROC, corba lift, Gini index. Jackknifing i bootstrapping
8.4. Diagnòstic dels residus. Prova d'estabilitat. Validació amb prova cega
8.5. Implementació del model: metodologia per garantir una solució viable
8.6. Manteniment i actualització. Ús del model i requeriments d'implementació. Monitorar el rendiment i l'efectivitat dels models implementats
8.7. Aportar anàlisis que facilitin la presa de decisions i desenvolupaments futurs
8.8. Gestió de projectes: planificació d'un projecte
8.9. Metodologia agile i metodologia scrum

9. Treball final de màster

Destinataris

El Màster en Big Data & Data Science està dirigit de manera preferent a alumnes amb perfils tècnics que estiguin interessats a desenvolupar la seva carrera professional en l’àmbit de l’anàlisi i la gestió de grans volums de dades.

Per accedir a aquesta titulació els alumnes hauran de ser:

  • Enginyers/ graduats en informàtica, telecomunicacions i industrials.
  • Llicenciats/ graduats en matemàtiques, física, química i estadística com titulacions d’ingrés preferent.

També es valorarà l’accés a alumnes sense titulació universitària que acompleixin almenys 2 anys treballant en àrees de Business Intelligence, Business Analytics, etc. En aquest sentit, podran accedir si compleixen algun d’aquests requisits:

  • Perfils tècnics: tenir coneixements en analitzar i gestionar dades o tenir almenys 2 anys d’experiència laboral en departaments analítics.
  • Coneixements de programació (preferiblement SQL, Python o R) o haver programat almenys 2 anys en alguna empresa.

Sortides professionals

El Màster proposat tindrà una orientació professional, per a facilitat la incorporació dels estudiants al mercat laboral, o per a permetre el reciclatge de professionals que ja es troben incorporats al mercat de feina.

Es poden destacar les següents sortides professionals:

  • Científic de dades (Data Scientist)
  • Analista de dades (Data Analyst)
  • Analista de Big Data (Big Data Analyst)
  • Enginyer de dades (Data Engineer)
  • Analista de negoci (Data Business)
  • Arquitecte Big Data (Big Data Architect)
  • Desenvolupador d’aplicacions Big Data (Big Data Developer)
  • Consultor de solucions Big Data (Big Data Consultant)
  • Cap de projecte Big Data (Big Data Project Manager)
  • Analista digital (Digital Analyst)
  • Analista de projectes d’R+D (R&D Proyect Analyst)
  • Emprenedor de negocis basats en l’anàlisi de dades, productes i/o serveis basats en dades (Data Entrepreneur)

Sectors: Financer (Banca i/o Assegurances), Consultoria, Comerç electrònic, Automobilístic, Sanitari, Farmacèutic, Retail, Telecomunicació, Televisió..., pràcticament es pot treballar en qualsevol sector que treballi amb dades.

Professorat

Direcció

Sra. Dolores Lorente Muñoz
Professional amb més de quinze anys d'experiència en el món de l'analítica, apassionada de l'estadística (amb diplomatura i grau). Experiència desenvolupant models predictius, descriptius i quadres de comandaments de business intelligence i aplicant tècniques de machine learnig als models. Experiència com a docent en data mining a KeepCoding i a IMF International Business School, i directora i professora del programa Just Data Science impartit a la URJC. Actualment treballa com a responsable científica de dades desenvolupant anàlisis de models, comparatives i posada en producció, tant amb tècniques estadístiques convencionals com amb tècniques de machine learning, obtenint millores en les prediccions i un retorn positiu en els projectes treballats.

Coordinadora

Sra. Susanna Prades Galán

Més de quinze anys vinculada al món IT en grans corporacions internacionals desenvolupant la seva tasca en la direcció d'operacions en diferents sectors com l'aeronàutic, la publicitat, l'administració pública i la formació. Experiència gestionant i desenvolupant equips multidisciplinaris. Actualment lidera l'àrea d'staffing i desenvolupament personal a Getronics per Espanya i Amèrica Llatina.

Professorat

Sra. Dolores Lorente Muñoz

Professional amb més de quinze anys d'experiència en el món de l'analítica, apassionada de l'estadística (amb diplomatura i grau). Experiència desenvolupant models predictius, descriptius i quadres de comandaments de business intelligence i aplicant tècniques de machine learnig als models. Experiència com a docent en data mining a KeepCoding i a IMF International Business School, i directora i professora del programa Just Data Science impartit a la URJC. Actualment treballa com a responsable científica de dades desenvolupant anàlisis de models, comparatives i posada en producció, tant amb tècniques estadístiques convencionals com amb tècniques de machine learning, obtenint millores en les prediccions i un retorn positiu en els projectes treballats.

Sr. Ignacio Pérez Torres
Gerent i arquitecte big data a Accenture Technology. Entusiasta de la tecnologia amb més de quinze anys d'experiència treballant en projectes amb alt contingut tecnològic per a les principals empreses del país i sis anys treballant en projectes big data. Quatre anys d'experiència com a professor de big data i cloud computing, tant en institucions públiques com privades.

Sr. Félix Martínez Díaz
Professional de les Tecnologies de la Informació. Ha invertit més de vint-i-cinc anys a millorar els sistemes d'informació de grans empreses i institucions espanyoles. Des que va cursar els seus estudis en Ciències Físiques i Càlcul Automàtic a Madrid, la seva evolució professional l'ha portat a adoptar i a evolucionar amb els nous paradigmes de la computació, des del venerable C fins a Python o des de DB2 fins a MongoDB. Bona part de la seva evolució ha tingut lloc a Telefónica amb un paper principal en el desenvolupament dels sistemes de gestió i intel·ligència de negoci, encara que també ha treballat en empreses d'assegurances i amb clients institucionals com la CNMC. Amb tots ells, la regla que sempre segueix és la de seleccionar acuradament la tecnologia que millor s'adapta al client i als seus problemes.

Sr. José Ramón Cañamero Tejero
Lean office manager del Grup VASS, amb experiència de més de deu anys en la generació i modelització de sistemes predictius sota entorns de xarxes bayesianes i arbres de decisió. Col·laborador de l'oficina de millora contínua del HUB Omnichannel de REPSOL dins del programa NEXT i assessor de l'oficina d'innovació estratègica de MAPFRE, AGIE. Scrum master i product owner certificat, així com especialista en la integració de nous marcs de treball, dirigint dinàmiques i formació per a Banc Santander, Telefónica, Universitat de Navarra, Col·legi d'Advocats de Madrid, etc.

Sr. Ferran Arroyo Vendrell
Professional amb més de vuit anys d'experiència com a data scientist en grans companyies com Aegon-Santander o Fidias Actuaris, actualment treballa a AXA en models predictius, cross-selling, frau i optimització. Coneixements en models tant descriptius com predictius en plans de pensions. Experiència en machine learnig amb un alt coneixement en l'analítica i forts coneixements d'estadística. Treballa tant amb R com Python per al desenvolupament dels models. Experiència com a docent a la Universitat d'Alcalà, en l'assignatura d'analítica actuarial, i a la Universitat Europea. Llicenciat en Empresarials i en Ciències Actuarials i Financeres amb Màster Excutive en Data Science per la MBIT School.

Sr. Miguel Ángel De La Llave Montiel
Més de deu anys d'experiència en el món de l'analítica, responsable del departament de pricing a AXA, expert en modelització de risc creditici a Barclays i analista d'inversions. Doctorant en Econometria Espacial, actualment compta amb dos màsters, Màster en Ciències Actuarials i Financeres i Màster en Tècniques Quantitatives, i dues llicenciatures una en Econòmiques i una altra en Actuarials i Financeres. Experiència com a docent al Màster de Business Analytics a la Universitat Europea, en la qual treball actualment.

Sr. Jesús Cristobal Asorey
Més de deu anys com mànager i director d'IT a Randstad i cinc anys com a director a Softtek desenvolupant estratègies de màrqueting i negoci. Actualment és partner i director de Sand, on treballa en les àrees de bussiness intelligence, bussiness discovery i data analitycs. Experiència com a docent des de 2011, continua impartint formacions en EAE Business School i OBS Business School. Entusiasta i creatiu de les noves tecnologies, a les seves ponències sap transmetre el procés i l'estructura, generant noves idees gràcies a una comunicació excel·lent.

Sr. Edward P. Morris
Actualment treballa com a científic a Vizzuality en àrees d'innovació i recerca en diversos projectes, incloent-hi anàlisis de Mangrove Atles i Global Forest Watch, indicadors climatològics i de canvi climàtic. Ha aplicat machine learning als models predictius i ha desenvolupat anàlisis com data science en ciències de terra durant més de vint anys. Llicenciat en Oceanografia al Regne Unit i Biologia Marina amb el Doctorat en Matemàtiques i Ciències Naturals a Holanda. Compta amb més de 23 publicacions, 20 ponències, 17 articles i 2 aportacions en llibres. A més, té experiència com a docent a UIMP, Universitat de Cadis i en Deltares.

Sr. Carlos García Velázquez
Professional que treballa actualment com a responsable de l'anàlisi de la dada a CIL Màrqueting Direct, amb experiència de més de quinze anys treballant en disseny i posada en operació de models predictius per a l'anàlisi de cartera de risc usant tècniques de machine learning. Experiència com a docent i ponent en temes relacionats amb la visualització de les dades amb eines com Tableau, PowerBI o PowerQuery. Va estudiar Enginyeria Electrònica i té dos Màsters en Business Intelligence amb especialització en Màrqueting Digital a EAE i Màster en Administració de Negocis (MBA) a IESA.

Descomptes, beques i finançament

A causa de l'actual conjuntura econòmica, la qual ens ha dut a valorar la necessitat de facilitar encara més als nostres alumnes l'accés a la formació contínua, l'Institut de Formació Contínua de la Universitat de Barcelona ha implantat un nou sistema de pagament fraccionat. Així doncs, hem posat en marxa una sèrie de facilitats de pagament per a la gran majoria dels nostres Màsters i Postgraus.  Contacta amb el nostre equip d'admissions per a obtenir més informació.

A més, a molts dels cursos de la nostra oferta formativa, disposem de descomptes especials per a certs col·lectius:

• Els associats a Alumni UB tindran un descompte del 10% sobre l'import de la matrícula, amb una limitació de 200€ com a màxim per matrícula i any acadèmic. Caldrà aportar el certificat acreditatiu de soci d'Alumni UB i estar al corrent de l'abonament de la quota de soci.
• Personal del Grup UB tindran un descompte del 10% sobre l'import de la matrícula.
• Exalumne de l'Institut de Formació Contínua de la Universitat de Barcelona, tindran un descompte del 10% sobre l'import de la matrícula.
• Col·lectius amb descompte matrícula corporativa o entitat col·laboradora (consulta amb la teva assessora)
• Col·legiats del Col·legi d’Enginyers Graduats i Enginyers Tècnics Industrials de Barcelona (10% de descompte)

Recorda confirmar, en el moment de validar la teva matricula, si ets beneficiari d'algun dels nostres descomptes i si tens qualsevol dubte, consulta a una de les nostres assessores.

La majoria dels nostres programes (tan presencials com on-line) compleixen els requisits per ser bonificats a través de la Fundació Tripartida. Si desitges més informació per tramitar la bonificació per a la teva empresa, consulta amb la teva assessora en el moment de formalitzar la matrícula.

Condicions:

• No s'aplicarà cap descompte que no estigui acreditat.
• Els descomptes no són acumulables i només s'aplicaran als cursos amb preu superior a 1.000€.
• No s'aplicaran descomptes una vegada iniciat el curs.
• És responsabilitat de l'alumne informar de la seva voluntat d'acollir-se a un determinat descompte.
• Hi ha cursos que no admeten descomptes.

Sol·licita informació
FUNDACIÓ INSTITUT DE FORMACIÓ CONTÍNUA DE LA UNIVERSITAT DE BARCELONA com responsable del tractament tractarà les teves dades amb la finalitat d'atendre la teva petició. Pots accedir, rectificar i suprimir les teves dades, així com exercir altres drets consultant la informació addicional y detallada a la nostra Política de Privacitat
He llegit i accepto les condicions esmentades a la Política de Privacitat sobre el tractament de les meves dades per gestionar la meva petició.
Vull rebre informació respecte de l’activitat formativa de l’IL3-Universitat de Barcelona.

CONTACTE

WhatsApp: 630 25 42 67
E-mail: admision@il3.ub.edu

91 559 27 86

De dilluns a dijous de 9:30h a 20:30h i divendres de 9:30h a 18:30h