• Comprender las oportunidades del Big Data a través de entender su entorno y la gestión de información.
• Aprender los conceptos técnicos, conocer a fondo la arquitectura y herramientas necesarias para su utilización.
• Conocer las tecnologías utilizadas como MapReduce y Hadoop.
• Aprenda a analizar de forma óptima los grandes volúmenes de datos.
• Estudiar los lenguajes y paradigmas de programación y entornos virtuales.
• Ver los sistemas de protección de redes y el impacto de las tecnologías Big Data en la protección de datos.
• Profundizar los diferentes tipos, características y fundamentos de las distintas bases de datos.
• Aprender a gestionar y tratar los datos con MongoDB, desde sus arquitecturas hasta sus diferentes soluciones.
• Aplicar métodos estadísticos para incorporarlos al Big Data.
• Aprender a clasificar la información de forma adecuada.
• Utilizar diferentes tipos de lenguajes, como lenguaje Python, Milk o los paquetes de lenguaje R.
• Estudiar los diferentes tipos de aplicación del Big Data en diferentes sectores y el beneficio que conlleva para cada uno de ellos.
• Aprender a emprender un proyecto Big Data y ejemplos prácticos que pueden ayudar a aplicar el suyo propio.
• Conocer las técnicas de Inteligencia Artificial (Machine Learning) y como implementarla para aplicarlas a los sistemas Big Data.
• Ver diferentes casos de éxito de empresas que ya trabajan con sistemas Big Data y sus diferentes beneficios en los resultados.

*Incluye supuestos prácticos en la plataforma para analítica y gestión de datos Qlik (software específico para Business Intelligence)

Asignatura 1. Introducción al Big Data
Qué es el Big Data?
Conceptos y oportunidades del Big Data
Gestión de la información en entornos Big Data
Sectores para la aplicación del Big Data

Asignatura 2. Entendiendo Big Data: estructura, técnica y aplicación
Contexto, aplicación y funcionamiento del Big Data
Arquitectura y herramientas utilizadas en el Big Data
Creación y desarrollo de aplicaciones útiles
Tecnologías utilizadas. Mapreduce, Hadoop
Diseño de experimentos con visualizaciones
Otras herramientas útiles
Ejemplos de aplicación exitosa con Big Data
Analítica y optimización de resultados

Asignatura 3. Métodos estadísticos y Data Science
Clasificación de información adecuada
Estadística aplicada al Big Data
Lenguaje Python y Lenguaje Milk
Paquetes con lenguaje R
Comparativas de paquetes de datos
Data Science
Posición del Data Scientist
Tipos de organización. Orientación al dato
Estructura de un proyecto de Big Data

Asignatura 4. Modelamiento de datos y diseño de base de datos
Métodos de captura y almacenamiento de información. Tipos de bases de datos
Bases de datos relacionales y orientadas a objetos
Bases de datos y Big Data. NOSQL
Big Data con MONGODB. Tratamiento de datos en MONGODB
Gestión de MONGODB. Arquitectura de una solución MONGODB

Asignatura 5. Data Warehouse y gestión documental
Conceptos y características esenciales de un proceso de software
Paradigmas, proyectos y procesos del software
De los datos a la información. Fundamentos del data Warehousing
Data Warehouse: herramientas de verificación y técnicas de descubrimiento de información
Acceso y recuperación de la información textual y gestión de documentos

Asignatura 6. Virtualización y Cloud Computing
Introducción a la Virtualización
Componentes (Microsoft Hyper-V, infraestructura con VMWARE)
Virtualización de escritorio
Gestión de un Datacenter
vCenter
Introducción al Cloud Computing
Cloud Computing aplicado a la gestión empresarial
vSphere
Virtualización de servidores en la nube
Virtualización de aplicaciones

Asignatura 7. Big Data para diferentes sectores
Medios de comunicación y marketing
Deportes, cultura y espectáculos
Hostelería, turismo y restauración
Banca digital, derecho y RR.HH

Asignatura 8. Emprender su proyecto en Big Data
Introducción del proyecto
Objetivos de la investigación y teoría
Metodología
Resultados y conclusiones

Asignatura 9. Entornos virtuales de trabajo colaborativo y lenguajes y paradigmas de programación
Conceptos para el trabajo compartido en entornos virtuales
Tecnologías para el trabajo compartido en entornos virtuales
Lenguajes de programación
Programación funcional
Programación imperativa y orientada a objetos

Asignatura 10. Técnicas y herramientas de protección de redes
Protección en nivel de red
Ataques a redes e intrusiones
Protección de sistemas
Servidores Big Data
Impacto de las tecnologías Big Data en protección de datos

Asignatura 11. Técnicas de inteligencia artificial
Inteligencia artificial, aprendizaje autonómico y minería de datos
Búsqueda de inteligencia artificial
Sistemas expertos basados en reglas
Incertidumbre e imprecisión en sistemas expertos basados en reglas
Árboles para la toma de decisiones
Algoritmos de aprendizaje de reglas
Clasificación no supervisada
Sistemas recomendadores
Sistemas neuronales
Algoritmos genéticos
Casos de estudio

Asignatura 12. Trabajo fin de máster