Curso Superior en Data Analyst
100% Online
6 meses
360€
Matricularme
Curso Superior en Data Analyst
    Curso Superior en Data Analyst

    Curso Superior en Data Analyst

    100% Online
    12 ECTS
    6 meses
    360€
    Matricularme
    Seguridad y confianza en tus pagos online.

    Presentación

    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 enormes cantidades de información, tan grandes que una base de datos relacional tradicional no es suficiente para abordar la labor. A lo largo de este Curso 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.
    Qs World University Rankings

    Universidades colaboradoras

    Para qué te prepara
    Gracias a la realización de este Curso 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.
    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.
    A quién va dirigido
    Este Curso 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.
    Salidas Profesionales
    El análisis de datos es un ámbito profesional en pleno auge y con una cantidad insuficiente de expertos en el sector. Por tanto, realizar un Curso en Data Analyst especializado en ello te otorgará los conocimientos necesarios para poder optar a puestos tan demandados como Analista de datos, Big Data Expert, Data Analyst o Ingeniero de datos, entre otros oficios.
    Temario

    MÓDULO 1. BIG DATA INTRODUCCIÓN

    UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL BIG DATA

    1. ¿Qué es Big Data?
    2. La era de las grandes cantidades de información. Historia del big data
    3. La importancia de almacenar y extraer información
    4. Big Data enfocado a los negocios
    5. Open Data
    6. Información pública
    7. IoT (Internet of Things-Internet de las cosas)

    UNIDAD DIDÁCTICA 2. FUENTES DE DATOS

    1. Definición y relevancia de la selección de las fuentes de datos
    2. Naturaleza de las fuentes de datos Big Data

    UNIDAD DIDÁCTICA 3. OPEN DATA

    1. Definición, Beneficios y Características
    2. Ejemplo de uso de Open Data

    UNIDAD DIDÁCTICA 4. FASES DE UN PROYECTO DE BIG DATA

    1. Diagnóstico inicial
    2. Diseño del proyecto
    3. Proceso de implementación
    4. Monitorización y control del proyecto
    5. Responsable y recursos disponibles
    6. Calendarización
    7. Alcance y valoración económica del proyecto

    UNIDAD DIDÁCTICA 5. BUSINESS INTELLIGENCE Y LA SOCIEDAD DE LA INFORMACIÓN

    1. Definiendo el concepto de Business Intelligence y sociedad de la información
    2. Arquitectura de una solución de Business Intelligence
    3. Business Intelligence en los departamentos de la empresa
    4. Conceptos de Plan Director, Plan Estratégico y Plan de Operativa Anual
    5. Sistemas operacionales y Procesos ETL en un sistema de BI
    6. Ventajas y Factores de Riesgos del Business Intelligence

    UNIDAD DIDÁCTICA 6. PRINCIPALES PRODUCTOS DE BUSINESS INTELLIGENCE

    1. Cuadros de Mando Integrales (CMI)
    2. Sistemas de Soporte a la Decisión (DSS)
    3. Sistemas de Información Ejecutiva (EIS)

    UNIDAD DIDÁCTICA 7. BIG DATA Y MARKETING

    1. Apoyo del Big Data en el proceso de toma de decisiones
    2. Toma de decisiones operativas
    3. Marketing estratégico y Big Data
    4. Nuevas tendencias en management

    UNIDAD DIDÁCTICA 8. DEL BIG DATA AL LINKED OPEN DATA

    1. Concepto de web semántica
    2. Linked Data Vs Big Data
    3. Lenguaje de consulta SPARQL

    UNIDAD DIDÁCTICA 9. INTERNET DE LAS COSAS

    1. Contexto Internet de las Cosas (IoT)
    2. ¿Qué es IoT?
    3. Elementos que componen el ecosistema IoT
    4. Arquitectura IoT
    5. Dispositivos y elementos empleados
    6. Ejemplos de uso
    7. Retos y líneas de trabajo futuras

    MÓDULO 2. DATA ANALYST

    UNIDAD DIDÁCTICA 1. DATAMART. CONCEPTO DE BASE DE DATOS DEPARTAMENTAL

    1. Aproximación al concepto de DataMart
    2. Procesos de extracción, transformación y carga de datos (ETL)
    3. Data Warehouse
    4. Herramientas de Explotación
    5. Herramientas para el desarrollo de cubos OLAP

    UNIDAD DIDÁCTICA 2. DATAWAREHOUSE O ALMACÉN DE DATOS CORPORATIVOS

    1. Visión General. ¿Por qué DataWarehouse?
    2. Estructura y Construcción
    3. Fases de implantación
    4. Características
    5. Data Warehouse en la nube

    UNIDAD DIDÁCTICA 3. INTELIGENCIA DE NEGOCIO Y HERRAMIENTAS DE ANALÍTICA

    1. Tipos de herramientas para BI
    2. Productos comerciales para BI
    3. Productos Open Source para BI
    4. Beneficios de las herramientas de BI

    UNIDAD DIDÁCTICA 4. HERRAMIENTA POWERBI

    1. Business Intelligence en Excel
    2. Herramienta PowerBI

    UNIDAD DIDÁCTICA 5. HERRAMIENTA TABLEAU

    1. Herramienta Tableau

    UNIDAD DIDÁCTICA 6. HERRAMIENTA QLIKVIEW

    1. Instalación y arquitectura
    2. Carga de datos
    3. Informes
    4. Transformación y modelo de datos
    5. Análisis de datos

    UNIDAD DIDÁCTICA 7. BASES DE DATOS NOSQL Y EL ALMACENAMIENTO ESCALABLE

    1. ¿Qué es una base de datos NoSQL?
    2. Bases de datos Relaciones Vs Bases de datos NoSQL
    3. Tipo de Bases de datos NoSQL. Teorema de CAP
    4. Sistemas de Bases de datos NoSQL

    UNIDAD DIDÁCTICA 8. INTRODUCCIÓN A UN SISTEMA DE BASES DE DATOS NOSQL. MONGODB

    1. ¿Qué es MongoDB?
    2. Funcionamiento y uso de MongoDB
    3. Primeros pasos con MongoDB. Instalación y shell de comandos
    4. Creando nuestra primera Base de Datos NoSQL.Modelo e Inserción de Datos
    5. Actualización de datos en MongoDB. Sentencias set y update
    6. Trabajando con índices en MongoDB para optimización de datos
    7. Consulta de datos en MongoDB

    UNIDAD DIDÁCTICA 9. PYTHON Y EL ANÁLISIS DE DATOS

    1. Introducción a Python
    2. ¿Qué necesitas?
    3. Librerías para el análisis de datos en Python
    4. MongoDB, Hadoop y Python. Dream Team del Big Data

    UNIDAD DIDÁCTICA 10. R COMO HERRAMIENTA PARA BIG DATA

    1. Introducción a R
    2. ¿Qué necesitas?
    3. Tipos de datos
    4. Estadística Descriptiva y Predictiva con R
    5. Integración de R en Hadoop

    UNIDAD DIDÁCTICA 11. PRE-PROCESAMIENTO & PROCESAMIENTO DE DATOS

    1. Obtención y limpieza de los datos (ETL)
    2. Inferencia estadística
    3. Modelos de regresión
    4. Pruebas de hipótesis

    UNIDAD DIDÁCTICA 12. ANÁLISIS DE LOS DATOS

    1. Inteligencia Analítica de negocios
    2. La teoría de grafos y el análisis de redes sociales
    3. Presentación de resultados

    MÓDULO 3. PREDICTIVE DATA ANALITYTICS: DATA MINING Y MACHINE LEARNING

    UNIDAD DIDÁCTICA 1. MINERÍA DE DATOS O DATA MINING Y EL APRENDIZAJE AUTOMÁTICO

    1. Introducción a la minería de datos y el aprendizaje automático
    2. Proceso KDD
    3. Modelos y Técnicas de Data Mining
    4. Áreas de aplicación
    5. Minería de textos y Web Mining
    6. Data mining y marketing

    UNIDAD DIDÁCTICA 2. ECOSISTEMA HADOOP

    1. ¿Qué es Hadoop? Relación con Big Data
    2. Instalación y configuración de insfraestructura y ecosistema Hadoop
    3. Sistema de archivos HDFS
    4. MapReduce con Hadoop
    5. Apache Hive
    6. Apache Hue
    7. Apache Spark

    UNIDAD DIDÁCTICA 3. WEKA Y DATA MINING

    1. ¿Qué es Weka?
    2. Técnicas de Data Mining en Weka
    3. Interfaces de Weka
    4. Selección de atributos

    UNIDAD DIDÁCTICA 4. INTRODUCCIÓN AL MACHINE LEARNING

    1. Introducción
    2. Clasificación de algoritmos de aprendizaje automático
    3. Ejemplos de aprendizaje automático
    4. Diferencias entre el aprendizaje automático y el aprendizaje profundo
    5. Tipos de algoritmos de aprendizaje automático
    6. El futuro del aprendizaje automático

    UNIDAD DIDÁCTICA 5. EXTRACCIÓN DE ESTRUCTURA DE LOS DATOS: CLUSTERING

    1. Introducción
    2. Algoritmos

    UNIDAD DIDÁCTICA 6. SISTEMAS DE RECOMENDACIÓN

    1. Introducción
    2. Filtrado colaborativo
    3. Clusterización
    4. Sistemas de recomendación híbridos

    UNIDAD DIDÁCTICA 7. CLASIFICACIÓN

    1. Clasificadores
    2. Algoritmos

    UNIDAD DIDÁCTICA 8. REDES NEURONALES Y DEEP LEARNING

    1. Componentes
    2. Aprendizaje

    UNIDAD DIDÁCTICA 9. SISTEMAS DE ELECCIÓN

    1. Introducción
    2. El proceso de paso de DSS a IDSS
    3. Casos de aplicación

    MÓDULO 4. ANALÍTICA WEB: GOOGLE ANALYTICS, GOOGLE TAG MANAGER Y GOOGLE DATA STUDIO

    UNIDAD DIDÁCTICA 1. ANALÍTICA WEB CON GOOGLE ANALYTICS

    1. Introducción a la analítica web
    2. Funcionamiento Google Analytics
    3. Introducción e instalación de Google Analytics
    4. Interfaz
    5. Métricas y dimensiones
    6. Informes básicos
    7. Informes personalizados
    8. Comportamiento de los usuarios e interpretación de datos

    UNIDAD DIDÁCTICA 2. GOOGLE ANALYTICS 4

    1. ¿Qué es Google Analytics 4?
    2. Diferencias con respecto a Universal Analytics
    3. Implementación de Google Analytics 4
    4. Las herramientas de análisis de Google Analytics 4
    5. Los espacios de identidad
    6. Ventajas de Google Analytics 4
    7. Desventajas de Google Analytics 4

    UNIDAD DIDÁCTICA 3. RECOGIDA DE DATOS

    1. Planes de medición
    2. Configuración de las vistas mediante filtros
    3. Métricas y dimensiones personalizadas
    4. Seguimiento de eventos

    UNIDAD DIDÁCTICA 4. NAVEGACIÓN E INTERFAZ

    1. Informes de visión general
    2. informes completos
    3. Compartir informes
    4. Configuración paneles de control y accesos directos

    UNIDAD DIDÁCTICA 5. INFORMES

    1. Informes de Audiencia
    2. Informes de Adquisición
    3. Informes de Comportamiento

    UNIDAD DIDÁCTICA 6. CAMPAÑAS Y CONVERSIONES

    1. Campañas personalizadas
    2. Realizar un seguimiento de las campañas con el Creador de URLs
    3. Configuración y medición de objetivos
    4. Cómo medir campañas de Google Ads

    UNIDAD DIDÁCTICA 7. GOOGLE ANALYTICS 360

    1. Analítica avanzada
    2. Informes sin muestrear
    3. Google BigQuery Export
    4. Integraciones

    UNIDAD DIDÁCTICA 8. GOOGLE TAG MANAGER

    1. Concepto y características
    2. Gestión de etiquetas
    3. Activadores y gestión de variables
    4. Implementación y eventos
    5. Tracking

    UNIDAD DIDÁCTICA 9. LOOKER STUDIO (GOOGLE DATA STUDIO)

    1. Visualización de datos
    2. Tipologías de gráficos
    3. Fuentes de datos
    4. Integración con Analytics
    5. Creación de informes
    Titulación
    Titulación Universitaria:
    Diploma Universidad Católica de Murcia
    Solicitar información