Màster en Big Data Solutions

Afegir a favorits
Transformació digital

Màster en Big Data Solutions

Presencial
38 setmanes
barcelonaitschool

Dades bàsiques

Crèdits

60 ECTS

Acreditacions

Màster

Idioma

Anglès

Dates

28/9/2020 - 22/6/2021

Modalitat

Presencial

Horari

de dilluns a dijous, de 9:00h a 13:00h.

Lloc

Barcelona Technology School. C. dels Almogàvers, 119. - 08018 Barcelona

Preu

17.000

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

Matrícula oberta

AVÍS

Aquest curs pot patir ajustos de calendari, metodologia docent o sistema d'avaluació segons els esdeveniments i les directrius de les autoritats sanitàries en relació amb la crisi de la COVID-19. Malgrat tot, es garanteix la qualitat de la formació i l'assoliment d'objectius en tots els casos.



Presentació

La transformació digital està canviant tots els aspectes de la societat i només té un límit: la imaginació. L'ecosistema digital s'ha convertit en el nou status quo; està canviant indústries, negocis, relacions i, en general, tots els aspectes de les nostres vides. Barcelona Technology School és una institució internacional enfocada al desenvolupament de professionals que transformaran la indústria digital.

El Master in Big Data Solutions és un programa d'un any acadèmic dirigit a graduats universitaris que volen formar-se en data science i data analytics amb un enfocament en Data-Driven Business per generar innovació a partir d'informació rellevant i proposar solucions estratègiques per a qualsevol tipus d'organització o indústria utilitzant les tecnologies més avançades.

Totes les assignatures es treballen des del context del cicle de vida d'un projecte de big data i estan connectades per ajudar l'alumne a entendre la importància i aplicació pràctica de cadascuna d'elles en qualsevol projecte real. Durant el màster, els alumnes posen en pràctica els coneixements que van adquirint i es preparen per participar en totes les fases d'un projecte de big data: exploration, pre-processing and storage, data visualization i analítics and exploitation.

Barcelona Technology School ha desenvolupat la seva pròpia metodologia basada en el project-based learning, a partir de la qual els alumnes aprenen, mitjançant projectes, de forma pràctica, activa i participativa. Això permet als estudiants de generar i desenvolupar les seves pròpies solucions digitals de forma transversal durant tot el curs. El procés culmina el Demo Day, un esdeveniment obert al públic en què els alumnes presenten la seva idea i mostren la demo a un jurat d'inversors i experts del sector digital.

BTS assegura a tots els participants una experiència professional durant el Màster mitjançant pràctiques en empreses líders del sector digital.

Les destreses que guanyaran els estudiants durant el programa els qualificaran per a un divers rang de rols de treball en la indústria digital i els permetran de desenvolupar coneixements en algunes de les àrees més demandades actualment, com ara Data Science, Data Analysis, Artificial Intelligence, Data Visualization, Infrastructure, Agile, Creative Technology i Entrepreneurship.

Objectius

Desenvolupar els coneixements i les habilitats en dades massives (Big Data) més demandats que permetin descobrir informació de valor i fomentar innovació en empreses o institucions mitjançant l'aplicació de les disciplines i tecnologies més avançades del sector.

Tres raons per escollir-lo

  • Experiència professional durant el Màster. BTS et garanteix pràctiques remunerades en companyies líders del sector digital.
  • Estudiaràs en un entorn internacional i et formaràs en les tecnologies més demandades actualment.
  • Aprèn amb professors professionalment actius, experts del sector digital i mentors internacionals que t'ajudaran a descobrir el teu objectiu professional.

Acreditació acadèmica

Màster en Big Data Solutions per l'Institut de Formació Contínua de 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. Statistical Foundations for Data Science
1.1. Introduction to data
1.2. Probability
1.3. Distributions of random variables
1.4. Foundations for inference
1.5. Inference for numerical data
1.6. Inference for categorical data
1.7. Introduction to linear regression
1.8. Multiple and logistic regression

2. Data Science Foundations
2.1. Practical Data Manipulation
2.2. Basic Data Analysis
2.3. Data Science in Production

3. Creative Technology
3.1. What's Innovation
3.2. Collaborative creativity
3.3. Opportunity recognition
3.4. Learning from innovators
3.5. Design Thinking Fundamentals
3.6. Empathy
3.7. Define
3.8. Ideate
3.9. Prototype & Test
3.10. Frameworks and ecosystems for innovation

4. Data Visualization
4.1. Data Visualization Foundations
4.2. Tableau
4.3. Visualization for the web

5. Classical Data Analysis
5.1. Regression
5.2. Classification

6. Big Data Infrastructure
6.1. Introduction to Big Data
6.2. Introduction to Cloud Infrastructure
6.3. Introduction to Docker and Kubernetes
6.4. Storage
6.5. Big Data Ingestion
6.6. DevOps
6.7. Data Science Life cycle Managment

7. Data-Driven Business
7.1. Data Analytics in Business Real Situations
7.2. Big Data Project Management
7.3. Data Governance
7.4. Self-BI management: empowering the business user
7.5. Evidence based management
7.6. Legal and privacy aspects in data

8. Big Data Security
8.1. Cybersecurity introduction
8.2. Risk Analysis
8.3. Security architecture principles
8.4. Security of networks, systems, applications and data
8.5. Governance and Methodologies
8.6. Standards, Frameworks and Best-practice libraries
8.7. Legal IT.
8.8. Cybersecurity in Big Data projects
8.9. Particularities of Big Data technology
8.10. Different approaches for Big Data projects

9. Advanced Data Analysis
9.1. Basket Analysis
9.2. Time Series Analysis
9.3. Social Network Analysis
9.4. Geospatial Analysis

10. Real-time Data Analysis
10.1. Introduction to real time data systems.
10.2. Parallel programming on large scale data processing.
10.3. Parallel programming using Spark framework.
10.4. Batch processing on Spark.
10.5. 5.Stream processing on spark.
10.6. Machine learning pipelines on spark, MLIB.
10.7. Graphs and graph-parallel computation, GraphX.

11. Agile
11.1. The Agile approach
11.2. Why do we need an Agile approach to Analytics?
11.3. Intro to the Scrum and Kanban framework
11.4. Scrum
11.5. Project inception
11.6. Scrum for Big Data projects
11.7. Scaling Agile: Agile Management in the Enterprise
11.8. Introduction to Lean
11.9. Introduction to OKRs

12. Artificial Intelligence
12.1. Machine Learning
12.2. Neural networks
12.3. Deep Learning
12.4. Applications

13. Entrepreneurship
13.1. Entrepreneurial mindset & introduction to Value proposition
13.2. Introduction to Business model canvas & 9 revenue models
13.3. Market validation & metrics
13.4. Startup ecosystem & stages of Startup life.
13.5. How to pitch & deal with investors.
13.6. Business plan for startups: financial strategy
13.7. Business plan for startups: growth strategies
13.8. Financing options for your startup

14. Final Project
14.1. Executive summary
14.2. Value proposition
14.3. Big Data Solution & Product development
14.4. Business plan: financial and growth strategies
14.5. Product roadmap

Destinataris

Graduats universitaris internacionals, preferentment de graus relacionats amb els àmbits de la tecnologia, la informàtica les ciències o els negocis, que dominin la
llengua anglesa, ja que el màster s'imparteix totalment en anglès.

La Barcelona Technology School considera que la diversitat és un valor fonamental, tant en el sentit de la nacionalitat dels estudiants com en l'equilibri de gènere.

No s'exigeix experiència professional, però es té en compte a l'hora d'analitzar les candidatures.

D'altra banda, gràcies a la situació actual de la indústria tecnològica i a la bona relació d'aquesta amb BTS, es pot assegurar una experiència professional en forma
de pràctiques als participants d'aquest programa. 

Professorat

Direcció

Sr. Christian Mastrodonato
Strategic Advisory Board.

Quadre docent

Sra. Liana Napalkova
Eurecat

Sra. Sara Hajian
Ntent

Sr. Marc Cardús
Lidl

Sr. Ward Taya
Eurecat

Sra. Lali Soler
Eurecat

Sr. Víctor Pascual
One Tandem

Sr. Pere Rovira
One Tandem

Sr. Liesner Acevedo
Senior Software/Data Engineer Piccadilly Group

Sr. Miquel Rodríguez
Netmind Mentoring Manager

Sr. Juan Hernández
UPC

Sr. José Muñoz
UPC

Sr. Rubén Agote
Cuatre Cases

Sr. David Laniado
Eurecat

Sr. Francisco Gutierres
Eurecat

Sr. Ludovico Boratto
Eurecat

Sr. Pablo Quintano
Mind The Gap



 

CONTACTE

Barcelona Technology School

Adreça:
C. Almogàvers 119
08018. Barcelona.

E-mail: info@barcelonatechnologyschool.com
Web: barcelonatechnologyschool.com