958 050 205
100% Online
400 H
Flexibilidad horaria
360€
Seguridad y confianza en tus pagos online.- Presentación
- Temario
- Metodología
- Titulación
Descripción
¿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.
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.
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
- ¿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)
UNIDAD DIDÁCTICA 2. FUENTES DE DATOS
- Definición y relevancia de la selección de las fuentes de datos
- Naturaleza de las fuentes de datos Big Data
UNIDAD DIDÁCTICA 3. OPEN DATA
- Definición, Beneficios y Características
- Ejemplo de uso de Open Data
UNIDAD DIDÁCTICA 4. FASES DE UN PROYECTO DE BIG 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
UNIDAD DIDÁCTICA 5. BUSINESS INTELLIGENCE Y LA SOCIEDAD DE LA INFORMACIÓN
- 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
UNIDAD DIDÁCTICA 6. PRINCIPALES PRODUCTOS DE BUSINESS INTELLIGENCE
- Cuadros de Mando Integrales (CMI)
- Sistemas de Soporte a la Decisión (DSS)
- Sistemas de Información Ejecutiva (EIS)
UNIDAD DIDÁCTICA 7. BIG DATA Y MARKETING
- Apoyo del Big Data en el proceso de toma de decisiones
- Toma de decisiones operativas
- Marketing estratégico y Big Data
- Nuevas tendencias en management
UNIDAD DIDÁCTICA 8. DEL BIG DATA AL LINKED OPEN DATA
- Concepto de web semántica
- Linked Data Vs Big Data
- Lenguaje de consulta SPARQL
UNIDAD DIDÁCTICA 9. INTERNET DE LAS COSAS
- 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
MÓDULO 2. DATA ANALYST
UNIDAD DIDÁCTICA 1. DATAMART. CONCEPTO DE BASE DE DATOS DEPARTAMENTAL
- 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
UNIDAD DIDÁCTICA 2. DATAWAREHOUSE O ALMACÉN DE DATOS CORPORATIVOS
- Visión General. ¿Por qué DataWarehouse?
- Estructura y Construcción
- Fases de implantación
- Características
- Data Warehouse en la nube
UNIDAD DIDÁCTICA 3. INTELIGENCIA DE NEGOCIO Y HERRAMIENTAS DE ANALÍTICA
- Tipos de herramientas para BI
- Productos comerciales para BI
- Productos Open Source para BI
- Beneficios de las herramientas de BI
UNIDAD DIDÁCTICA 4. HERRAMIENTA POWERBI
- Business Intelligence en Excel
- Herramienta PowerBI
UNIDAD DIDÁCTICA 5. HERRAMIENTA TABLEAU
- Herramienta Tableau
UNIDAD DIDÁCTICA 6. HERRAMIENTA QLIKVIEW
- Instalación y arquitectura
- Carga de datos
- Informes
- Transformación y modelo de datos
- Análisis de datos
UNIDAD DIDÁCTICA 7. BASES DE DATOS NOSQL Y EL ALMACENAMIENTO ESCALABLE
- ¿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
UNIDAD DIDÁCTICA 8. INTRODUCCIÓN A UN SISTEMA DE BASES DE DATOS NOSQL. MONGODB
- ¿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
UNIDAD DIDÁCTICA 9. PYTHON Y EL ANÁLISIS DE DATOS
- Introducción a Python
- ¿Qué necesitas?
- Librerías para el análisis de datos en Python
- MongoDB, Hadoop y Python. Dream Team del Big Data
UNIDAD DIDÁCTICA 10. R COMO HERRAMIENTA PARA BIG DATA
- Introducción a R
- ¿Qué necesitas?
- Tipos de datos
- Estadística Descriptiva y Predictiva con R
- Integración de R en Hadoop
UNIDAD DIDÁCTICA 11. PRE-PROCESAMIENTO & PROCESAMIENTO DE DATOS
- Obtención y limpieza de los datos (ETL)
- Inferencia estadística
- Modelos de regresión
- Pruebas de hipótesis
UNIDAD DIDÁCTICA 12. ANÁLISIS DE LOS DATOS
- Inteligencia Analítica de negocios
- La teoría de grafos y el análisis de redes sociales
- 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
- 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
UNIDAD DIDÁCTICA 2. ECOSISTEMA HADOOP
- ¿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
UNIDAD DIDÁCTICA 3. WEKA Y DATA MINING
- ¿Qué es Weka?
- Técnicas de Data Mining en Weka
- Interfaces de Weka
- Selección de atributos
UNIDAD DIDÁCTICA 4. INTRODUCCIÓN AL MACHINE LEARNING
- 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
UNIDAD DIDÁCTICA 5. EXTRACCIÓN DE ESTRUCTURA DE LOS DATOS: CLUSTERING
- Introducción
- Algoritmos
UNIDAD DIDÁCTICA 6. SISTEMAS DE RECOMENDACIÓN
- Introducción
- Filtrado colaborativo
- Clusterización
- Sistemas de recomendación híbridos
UNIDAD DIDÁCTICA 7. CLASIFICACIÓN
- Clasificadores
- Algoritmos
UNIDAD DIDÁCTICA 8. REDES NEURONALES Y DEEP LEARNING
- Componentes
- Aprendizaje
UNIDAD DIDÁCTICA 9. SISTEMAS DE ELECCIÓN
- Introducción
- El proceso de paso de DSS a IDSS
- Casos de aplicación
MÓDULO 4. ANALÍTICA WEB: GOOGLE ANALYTICS, GOOGLE TAG MANAGER Y GOOGLE DATA STUDIO
UNIDAD DIDÁCTICA 1. ANALÍTICA WEB CON GOOGLE ANALYTICS
- Introducción a la analítica web
- Funcionamiento Google Analytics
- Introducción e instalación de Google Analytics
- Interfaz
- Métricas y dimensiones
- Informes básicos
- Informes personalizados
- Comportamiento de los usuarios e interpretación de datos
UNIDAD DIDÁCTICA 2. GOOGLE ANALYTICS 4
- ¿Qué es Google Analytics 4?
- Diferencias con respecto a Universal Analytics
- Implementación de Google Analytics 4
- Las herramientas de análisis de Google Analytics 4
- Los espacios de identidad
- Ventajas de Google Analytics 4
- Desventajas de Google Analytics 4
UNIDAD DIDÁCTICA 3. RECOGIDA DE DATOS
- Planes de medición
- Configuración de las vistas mediante filtros
- Métricas y dimensiones personalizadas
- Seguimiento de eventos
UNIDAD DIDÁCTICA 4. NAVEGACIÓN E INTERFAZ
- Informes de visión general
- informes completos
- Compartir informes
- Configuración paneles de control y accesos directos
UNIDAD DIDÁCTICA 5. INFORMES
- Informes de Audiencia
- Informes de Adquisición
- Informes de Comportamiento
UNIDAD DIDÁCTICA 6. CAMPAÑAS Y CONVERSIONES
- Campañas personalizadas
- Realizar un seguimiento de las campañas con el Creador de URLs
- Configuración y medición de objetivos
- Cómo medir campañas de Google Ads
UNIDAD DIDÁCTICA 7. GOOGLE ANALYTICS 360
- Analítica avanzada
- Informes sin muestrear
- Google BigQuery Export
- Integraciones
UNIDAD DIDÁCTICA 8. GOOGLE TAG MANAGER
- Concepto y características
- Gestión de etiquetas
- Activadores y gestión de variables
- Implementación y eventos
- Tracking
UNIDAD DIDÁCTICA 9. LOOKER STUDIO (GOOGLE DATA STUDIO)
- Visualización de datos
- Tipologías de gráficos
- Fuentes de datos
- Integración con Analytics
- Creación de informes
Metodología
EDUCA LXP se basa en 6 pilares
Item
Distintiva
EDUCA EDTECH Group es proveedor de conocimiento. Respaldado por el expertise de nuestras instituciones educativas, el alumnado consigue una formación relevante y avalada por un sello de calidad como es el grupo EDUCA EDTECH.
Realista
La metodología EDUCA LXP prescinde de conocimientos excesivamente teóricos o de métodos prácticos poco eficientes. La combinación de contenidos en constante actualización y el seguimiento personalizado durante el proceso educativo hacen de EDUCA LXP una metodología única.
Student First
La metodología EDUCA LXP y la formación del grupo EDUCA EDTECH conciben al estudiante como el centro de la experiencia educativa, nutriéndose de su retroalimentación. Su feedback es nuestro motor del cambio.
Inteligencia Artificial
La personalización en el aprendizaje no sería posible sin una combinación precisa entre experiencia académica e investigación tecnológica, así como la Inteligencia Artificial. Por eso contamos con herramientas IA de desarrollo propio, adaptadas a cada institución educativa del grupo.
Profesionales en activo
Nuestro equipo de profesionales docentes, además de ser especialistas en su sector, cuentan con una formación específica en el manejo de herramientas tecnológicas que conforman el ecosistema EDUCA EDTECH.
Timeless Learning
La formación debe ser una experiencia de vida, concibiendo el e-learning como una excelente solución para los desafíos de la educación convencional. Entendemos el aprendizaje como un acompañamiento continuo del estudiante en cada momento de su vida.
Titulación
Titulación de Curso Superior en Data Analyst con 400 horas y 16 ECTS expedida por UTAMED - Universidad Tecnológica Atlántico Mediterráneo.
También podría interesarte...
Otras Acciones Formativas relacionadas
Explora nuestras Áreas Formativas
Construye tu carrera profesional
Descubre nuestro amplio Catálogo Formativo, incluye programas de Cursos Superior, Expertos, Master Profesionales y Master Universitarios en las diferentes Áreas Formativas para impulsar tu carrera profesional.
Curso Superior en Data Analyst + 16 Créditos ECTS
100% Online
400 H
Flexibilidad horaria
360€
360€