Curso Superior en Data Analyst
MATRICULACIÓN
Entidad:
Duración total:
270 h.
Teleformación:
135 h.
Modalidad:
Online
Precio: 460 €
Bonificable hasta el 100%
SOLICITAR INFORMACIÓN
DESCRIPCIÓN
El análisis de datos para la toma de decisiones es un factor clave en cualquier empresa actual. En este sentido, gracias al uso del Big Data, podremos tratar con enromes cantidades de información, tan grandes que una base de datos relacional tradicional no es suficiente. A lo largo de este Curso Superior en Data Analyst veremos conceptos tan importantes dentro del análisis de datos como NoSQL, Data Warehouse y Data Mining. Además veremos cómo se puede utilizar el machine learning para crear sistemas de elección y redes neuronales así como la aplicación práctica a través de la programación estadística, presentando todas las herramientas y capacidades de un profesional de alto nivel.Además, en el curso también se verá cómo utilizar de manera efectiva y eficiente Google Analytics, herramienta clave en cualquier análisis web actual.En INESEM podrás trabajar en un Entorno Personal de Aprendizaje donde el alumno es el protagonista, avalado por un amplio grupo de tutores especialistas en el sector.
OBJETIVOS
- Aprender los conceptos de Bases de Datos NoSQL, Data Warehouse y Data Mining, así como su aplicación.
- Crear y gestionar una base de datos en MongoDB y procesar datos con Hadoop.
- Entender qué es la inteligencia de negocio y qué tipos de herramientas existen para su aplicación.
- Comprender el uso de la analítica web para Big Data y su aplicación mediante la herramienta de Google Analytics.
- Realizar una programación estadística básica en Python y R.
PARA QUÉ TE PREPARA
Gracias a la realización de este Curso Superior en Data Analyst serás capaz de realizar un análisis exhaustivo de cualquier fuente de información disponible. Mediante el uso de bases de datos NoSQL, Data Mining y Data Warehouse podrás crear un sistema capaz de analizar y reportar información de gran valor para cualquier empresa. Además, gracias al Machine Learning y a la programación estadística podrás realizar análisis de alto nivel. Por último, serás capaz de crear y extraer información de cualquier sitio web gracias al uso de Google Analytics.
A QUIÉN VA DIRIGIDO
Este Curso Superior en Data Analyst está dirigido a diversos perfiles y es aplicable a numerosos sectores, puesto que es adecuado para todos aquellos graduados o diplomados universitarios que deseen adquirir conocimientos sobre tecnologías de análisis y procesamiento de datos así como a profesionales con experiencia que deseen actualizarse y adaptarse a las tendencias actuales.
La metodología INESEM Business School, ha sido diseñada para acercar el aula al alumno dentro de la formación online. De esta forma es tan importante trabajar de forma activa en la plataforma, como necesario el trabajo autónomo de este. El alumno cuenta con una completa acción formativa que incluye además del contenido teórico, objetivos, mapas conceptuales, recuerdas, autoevaluaciones, bibliografía, exámenes, actividades prácticas y recursos en forma de documentos descargables, vídeos, material complementario, normativas, páginas web, etc.
A esta actividad en la plataforma hay que añadir el tiempo asociado a la formación dedicado a horas de estudio. Estos son unos completos libros de acceso ininterrumpido a lo largo de la trayectoria profesional de la persona, no solamente durante la formación. Según nuestra experiencia, gran parte del alumnado prefiere trabajar con ellos de manera alterna con la plataforma, si bien la realización de autoevaluaciones de cada unidad didáctica y evaluación de módulo, solamente se encuentra disponible de forma telemática.
El alumno deberá avanzar a lo largo de las unidades didácticas que constituyen el itinerario formativo, así como realizar las actividades y autoevaluaciones correspondientes. Al final del itinerario encontrará un examen final o exámenes. A fecha fin de la acción formativa el alumno deberá haber visitado al menos el 100 % de los contenidos, haber realizado al menos el 75 % de las actividades de autoevaluación, haber realizado al menos el 75 % de los exámenes propuestos y los tiempos de conexión alcanzados deberán sumar en torno al 75 % de las horas de la teleformación de su acción formativa. Dicho progreso se contabilizará a través de la plataforma virtual y puede ser consultado en cualquier momento.
La titulación será remitida al alumno por correo postal una vez se haya comprobado que ha completado el proceso de aprendizaje satisfactoriamente.
Por último, el alumno contará en todo momento con:
Claustro Docente
Ofrecerá un minucioso seguimiento al alumno, resolviendo sus dudas e incluso planteando material adicional para su aprendizaje profesional.
Comunidad
En la que todos los alumos de INESEM podrán debatir y compartir su conocimiento.
Material Adicional
De libre acceso en el que completar el proceso formativo y ampliar los conocimientos de cada área concreta. Podrá encontrarlo en Revista Digital, INESEM y MasterClass INESEM, puntos de encuentro entre profesionales que comparten sus conocimientos.
SE DESARROLLARÁN LOS SIGUIENTES CONTENIDOS
- ¿Qué es Big Data?
- La era de las grandes cantidades de información. Historia del big data
- La importancia de almacenar y extraer información
- Big Data enfocado a los negocios
- Open Data
- Información pública
- IoT (Internet of Things-Internet de las cosas)
- Definición y relevancia de la selección de las fuentes de datos
- Naturaleza de las fuentes de datos Big Data
- Definición, Beneficios y Características
- Ejemplo de uso de Open Data
- Diagnóstico inicial
- Diseño del proyecto
- Proceso de implementación
- Monitorización y control del proyecto
- Responsable y recursos disponibles
- Calendarización
- Alcance y valoración económica del proyecto
- Definiendo el concepto de Business Intelligence y sociedad de la información
- Arquitectura de una solución de Business Intelligence
- Business Intelligence en los departamentos de la empresa
- Conceptos de Plan Director, Plan Estratégico y Plan de Operativa Anual
- Sistemas operacionales y Procesos ETL en un sistema de BI
- Ventajas y Factores de Riesgos del Business Intelligence
- Cuadros de Mando Integrales (CMI)
- Sistemas de Soporte a la Decisión (DSS)
- Sistemas de Información Ejecutiva (EIS)
- Apoyo del Big Data en el proceso de toma de decisiones
- Toma de decisiones operativas
- Marketing estratégico y Big Data
- Nuevas tendencias en management
- Concepto de web semántica
- Linked Data Vs Big Data
- Lenguaje de consulta SPARQL
- Contexto Internet de las Cosas (IoT)
- ¿Qué es IoT?
- Elementos que componen el ecosistema IoT
- Arquitectura IoT
- Dispositivos y elementos empleados
- Ejemplos de uso
- Retos y líneas de trabajo futuras
- Aproximación al concepto de DataMart
- Procesos de extracción, transformación y carga de datos (ETL)
- Data Warehouse
- Herramientas de Explotación
- Herramientas para el desarrollo de cubos OLAP
- Visión General. ¿Por qué DataWarehouse?
- Estructura y Construcción
- Fases de implantación
- Características
- Data Warehouse en la nube
- Tipos de herramientas para BI
- Productos comerciales para BI
- Productos Open Source para BI
- Beneficios de las herramientas de BI
- Business Intelligence en Excel
- Herramienta PowerBI
- Herramienta Tableau
- Instalación y arquitectura
- Carga de datos
- Informes
- Transformación y modelo de datos
- Análisis de datos
- ¿Qué es una base de datos NoSQL?
- Bases de datos Relaciones Vs Bases de datos NoSQL
- Tipo de Bases de datos NoSQL. Teorema de CAP
- Sistemas de Bases de datos NoSQL
- ¿Qué es MongoDB?
- Funcionamiento y uso de MongoDB
- Primeros pasos con MongoDB. Instalación y shell de comandos
- Creando nuestra primera Base de Datos NoSQL.Modelo e Inserción de Datos
- Actualización de datos en MongoDB. Sentencias set y update
- Trabajando con índices en MongoDB para optimización de datos
- Consulta de datos en MongoDB
- Introducción a Python
- ¿Qué necesitas?
- Librerías para el análisis de datos en Python
- MongoDB, Hadoop y Python. Dream Team del Big Data
- Introducción a R
- ¿Qué necesitas?
- Tipos de datos
- Estadística Descriptiva y Predictiva con R
- Integración de R en Hadoop
- Obtención y limpieza de los datos (ETL)
- Inferencia estadística
- Modelos de regresión
- Pruebas de hipótesis
- Inteligencia Analítica de negocios
- La teoría de grafos y el análisis de redes sociales
- Presentación de resultados
- Introducción a la minería de datos y el aprendizaje automático
- Proceso KDD
- Modelos y Técnicas de Data Mining
- Áreas de aplicación
- Minería de textos y Web Mining
- Data mining y marketing
- ¿Qué es Hadoop? Relación con Big Data
- Instalación y configuración de insfraestructura y ecosistema Hadoop
- Sistema de archivos HDFS
- MapReduce con Hadoop
- Apache Hive
- Apache Hue
- Apache Spark
- ¿Qué es Weka?
- Técnicas de Data Mining en Weka
- Interfaces de Weka
- Selección de atributos
- Introducción
- Clasificación de algoritmos de aprendizaje automático
- Ejemplos de aprendizaje automático
- Diferencias entre el aprendizaje automático y el aprendizaje profundo
- Tipos de algoritmos de aprendizaje automático
- El futuro del aprendizaje automático
- Introducción
- Algoritmos
- Introducción
- Filtrado colaborativo
- Clusterización
- Sistemas de recomendación híbridos
- Clasificadores
- Algoritmos
- Componentes
- Aprendizaje
- Introducción
- El proceso de paso de DSS a IDSS
- Casos de aplicación
- Introducción a la analítica web
- Funcionamiento Google Analytics
- Instalación y configuración de Google Analytics
- Navegación por Google Analytics
- Recopilación de datos
- Planes de medición
- Configuración de las vistas mediante filtros
- Métricas y dimensiones personalizadas
- Seguimiento de eventos
- Informes de visión general
- informes completos
- Compartir informes
- Configuración paneles de control y accesos directos
- Informes de Audiencia
- Informes de Adquisición
- Informes de Comportamiento
- Campañas personalizadas
- Realizar un seguimiento de las campañas con el Creador de URLs
- Configuración y medición de objetivos
- Cómo medir campañas de Google Ads
- Analítica avanzada
- Informes sin muestrear
- Google BigQuery Export
- Integraciones
- Concepto y características
- Gestión de etiquetas
- Activadores y gestión de variables
- Implementación y eventos
- Tracking
- Visualización de datos
- Tipologías de gráficos
- Fuentes de datos
- Integración con Analytics
- Creación de informes
Titulación de Formación Continua Bonificada expedida por el Instituto Europeo de Estudios Empresariales (INESEM). Titulación Expedida y Avalada por el Instituto Europeo de Estudios Empresariales “Enseñanza no oficial y no conducente a la obtención de un título con carácter oficial o certificado de profesionalidad.”
Este curso bonificado pertenece al sistema de Formación Programada de INESEM Business School. Se tramita con cargo a un crédito formativo asignado a las empresas privadas españolas para la formación de sus trabajadores sin que les suponga un coste. Para tramitar este curso de formación programada es necesario:
- Estar trabajando para una empresa privada.
- Encontrarse cotizando en el Régimen General de la Seguridad Social
- Que el curso seleccionado esté relacionado con el puesto de trabajo o actividad principal de la empresa.
- Que la empresa autorice la formación programada
- Que la empresa disponga de suficiente crédito formativo para cubrir el coste del curso
Curso Superior en Data Analyst
Duración total:
270 h.
Teleformación:
135 h.
Modalidad:
Online
Precio: 460 €
Bonificable hasta el 100%
MATRICULACIÓN
MATRÍCULA ONLINE
Curso Superior en Data Analyst
