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:
08 novembre 2018
Final curs:
22 desembre 2019
Hores bonificables:
750 h. (Hores per poder realitzar el càlcul de la bonificació a empreses)

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

 
Programa

1. Introducció als sistemes distribuïts
1.1. Introducció als sistemes distribuïts
1.2. Propietats dels sistemes distribuïts
1.3. Tècniques per a la implementació dels sistemes distribuïts
1.4. Tipologies de sistemes distribuïts (i exemples)

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