Icono de modalidad 100% Online
Icono de duración 12 Meses
Icono de flexibilidad horaria Flexibilidad horaria
Precio
1895€ 1516€ -20% (hasta el 30/09/2025) * Becas y descuentos no aplicables a formación programada
1895€
Seguridad y confianza en tus pagos online.
  • Presentación
  • Temario
  • Metodología
  • Titulación

Descripción

¿Quién puede acceder al master?

El Máster en Desarrollo Web Full Stack & IA está dirigido a profesionales y titulados en informática, ingeniería o áreas afines que deseen profundizar sus conocimientos en desarrollo web Full Stack y tecnologías de inteligencia artificial. Ideal para quienes buscan actualizarse en programación, gestión de bases de datos e inteligencia artificial.

Objetivos

- Dominar el desarrollo Full Stack con HTML, CSS y JavaScript. - Implementar backend robusto con PHP y bases de datos MySQL. - Utilizar frameworks de PHP para optimizar rendimiento web. - Diseñar APIs seguras y eficientes para aplicaciones web. - Aplicar técnicas de Machine Learning y Deep Learning en proyectos. - Integrar modelos de IA con Python para soluciones avanzadas. - Desarrollar aplicaciones interactivas usando bases de datos SQL y NoSQL.

Salidas Profesionales

Las salidas laborales del Máster en Desarrollo Web Full Stack & IA abarcan posiciones en las que se combina la creación de aplicaciones web completas con la implementación de soluciones inteligentes. Se pueden desempeñar funciones como profesional en Full Stack, especialista en desarrollo backend y frontend y responsable de integración de APIs seguras y eficientes.

Temario

MÓDULO 1. PROGRAMACIÓN: FULL STACK DEVELOPMENT

UNIDAD DIDÁCTICA 1. ¿QUÉ SIGNIFICA FULL STACK DEVELOPMENT?

  1. Conceptualización de Full Stack Developer
  2. Características del desarrollador full stack
  3. Ventajas y desventajas de full stack

UNIDAD DIDÁCTICA 2. CAMPOS DE APLICACIÓN FULL STACK DEVELOPER

  1. Capas de full stack

UNIDAD DIDÁCTICA 3. GESTIÓN DE VERSIONES: GIT

  1. ¿Qué es el control de versiones?
  2. ¿Qué es GIT?
  3. ¿Por qué GIT?
  4. Instalación de GIT
  5. GitHub y su relación con GIT
  6. Flujo de trabajo en GIT (Workflow)
  7. Crear un repositorio
  8. Cambios de archivos
  9. Deshacer cambios
  10. Sincronizar repositorios
  11. Reescribir historial

UNIDAD DIDÁCTICA 4. LENGUAJE HTML

  1. Textos en HTML
  2. Enlaces
  3. Listas en HTML
  4. Imágenes y Objetos
  5. Tablas
  6. Formularios
  7. Marcos
  8. Estructuras y layout
  9. Otras etiquetas

UNIDAD DIDÁCTICA 5. HOJAS DE ESTILO CSS

  1. Hojas de estilo
  2. Historia de CSS
  3. Añadir estilos
  4. Soporte de CSS en navegadores
  5. Especificación oficial
  6. Funcionamiento básico de CSS
  7. ¿Cómo incluir CSS en la web?
  8. Medios CSS
  9. Comentarios
  10. Sintaxis de la definición
  11. Modelo de cajas
  12. Margen, relleno, bordes y modelo de cajas
  13. Posicionamiento y visualización
  14. Posicionamiento
  15. Visualización

UNIDAD DIDÁCTICA 6. JAVASCRIPT

  1. Introducción a JavaScript
  2. Fundamentos de programación
  3. Objetos y Arrays en JavaScript
  4. Los objetos location e history
  5. El objeto document
  6. El objeto form
  7. Modelo de Objetos del Documento (DOM)
  8. Manipulación del DOM
  9. Buenas prácticas

UNIDAD DIDÁCTICA 7. BACKEND CON PHP Y MYSQL

  1. Entorno de trabajo PHP
  2. Descargar e instalar XAMPP
  3. ¿Cómo funcionan las páginas PHP?
  4. Las etiquetas PHP
  5. Arrays
  6. Estructuras de repetición
  7. Estructuras de decisión
  8. Combinar estructuras
  9. El bucle foreach
  10. Funciones
  11. Programación orientada a objetos
  12. MySQL
  13. Tipos de tablas en MySQL
  14. Crear bases de datos y tablas
  15. SQL
  16. Acceder a la base de datos

UNIDAD DIDÁCTICA 8. FRAMEWORKS Y ENTORNOS WEB

  1. Angular
  2. Symfony
  3. Node.js
  4. React

MÓDULO 2. ANALISTA PROGRAMADOR PHP

UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A PHP

  1. Historia y evolución de PHP
  2. Características y ventajas de PHP
  3. Instalación y configuración de PHP
  4. Sintaxis básica de PHP
  5. Variables y tipos de datos en PHP
  6. Operadores y expresiones en PHP

UNIDAD DIDÁCTICA 2. PROGRAMACIÓN ORIENTADA A OBJETOS EN PHP

  1. Conceptos básicos de la programación orientada a objetos
  2. Clases y objetos en PHP
  3. Propiedades y métodos en PHP
  4. Herencia y polimorfismo en PHP
  5. Interfaces en PHP
  6. Trabajo con excepciones en PHP

UNIDAD DIDÁCTICA 3. TRABAJO CON BASES DE DATOS EN PHP

  1. Introducción a las bases de datos
  2. Conexión y gestión de bases de datos en PHP
  3. Consultas SQL en PHP
  4. Trabajo con tablas y registros en PHP
  5. Transacciones y manejo de errores en PHP
  6. Uso de PDO para trabajar con bases de datos en PHP

UNIDAD DIDÁCTICA 4. PROGRAMACIÓN WEB CON PHP

  1. Introducción a la programación web
  2. Protocolos HTTP y HTTPS
  3. Programación de formularios web en PHP
  4. Validación de formularios en PHP
  5. Cookies y sesiones en PHP
  6. Trabajo con archivos y directorios en PHP

UNIDAD DIDÁCTICA 5. FRAMEWORKS DE PHP

  1. Conceptos básicos de los frameworks de PHP
  2. Introducción a Laravel, Symfony y CodeIgniter
  3. Estructura y funcionamiento de los frameworks de PHP
  4. Trabajo con modelos, vistas y controladores en los frameworks de PHP
  5. Uso de Blade y Twig en los frameworks de PHP
  6. Despliegue y mantenimiento de aplicaciones web con frameworks de PHP

UNIDAD DIDÁCTICA 6. SEGURIDAD EN APLICACIONES WEB CON PHP

  1. Conceptos básicos de seguridad en aplicaciones web
  2. Vulnerabilidades más comunes en aplicaciones web
  3. Ataques a través de formularios web en PHP
  4. Protección contra ataques XSS, CSRF y SQL Injection en PHP
  5. Implementación de autenticación y autorización en aplicaciones web con PHP
  6. Pruebas de seguridad en aplicaciones web con PHP

UNIDAD DIDÁCTICA 7. OPTIMIZACIÓN Y RENDIMIENTO EN PHP

  1. Técnicas para mejorar el rendimiento de aplicaciones web en PHP
  2. Medición y análisis de la velocidad de carga de aplicaciones web en PHP
  3. Caché de páginas web en PHP
  4. Uso de herramientas de perfilado de código en PHP
  5. Optimización de consultas SQL en PHP
  6. Despliegue y configuración de servidores web y PHP para mejorar el rendimiento

MÓDULO 3. DESARROLLO WEB

UNIDAD DIDÁCTICA 1. PRINCIPIOS DEL DESARROLLO WEB

  1. ¿Qué es el desarrollo web?
  2. World Wide Web
  3. Arquitectura cliente/servidor
  4. Protocolos de internet

UNIDAD DIDÁCTICA 2. ESTRUCTURA DE UN SITIO WEB

  1. ¿Qué es un sitio web?
  2. Contenido de un sitio web
  3. Tipos de estructura
  4. Frontend vs Backend

UNIDAD DIDÁCTICA 3. ENTORNOS DE DESARROLLO WEB: IDES

  1. Introducción
  2. Tipos de entornos
  3. Estructura
  4. Herramientas complementarias

UNIDAD DIDÁCTICA 4. GESTORES DE DEPENDENCIAS

  1. Introducción
  2. Principales componentes
  3. PLM vs PDM

UNIDAD DIDÁCTICA 5. CONTROL DE VERSIONES GITHUB

  1. Instalación de GIT
  2. Configuración
  3. Adaptación y uso en plataforma GITHUB

UNIDAD DIDÁCTICA 6. APIS

  1. Introducción
  2. Funcionalidad
  3. Tipos de APIS
  4. API REST
  5. Javascript en el lado cliente

UNIDAD DIDÁCTICA 7. OPTIMIZACIÓN DE CARGA

  1. Hosting y DNS
  2. Formato de imágenes
  3. Uso de cookies
  4. Adaptación en diferentes dispositivos

UNIDAD DIDÁCTICA 8. ACCESIBILIDAD WEB

  1. Introducción
  2. ¿Por qué es importante?
  3. Accesibilidad web en personas discapacitadas
  4. Accesibilidad web a nivel SEO
  5. Recursos
  6. Beneficios

UNIDAD DIDÁCTICA 9. SISTEMAS GESTORES DE CONTENIDOS (CMS)

  1. Introducción concepto CMS
  2. Tipos de gestores de contenido
  3. Funcionamiento
  4. Diferencias respecto a un ERP

UNIDAD DIDÁCTICA 10. SEGURIDAD

  1. Introducción a la seguridad Web
  2. Errores comunes en web
  3. Técnicas a utilizar
  4. COOKIES

MÓDULO 4. INTELIGENCIA ARTIFICIAL, MACHINE LEARNING Y DEEP LEARNING: TRES PILARES DE LA COMPUTACIÓN MODERNA

UNIDAD DIDÁCTICA 1. FUNDAMENTOS DE INTELIGENCIA ARTIFICIAL

  1. Inmersión a la IA explicando sus principales modalidades
  2. Breve noción sobre los principales algoritmos de IA
  3. Análisis de los diferentes tipos de aprendizaje
  4. Fundamentos matemáticos para el entendimiento del funcionamiento de distintos algoritmos basados en IA y conceptos básicos de programación
  5. Implementación de conceptos matemáticos de IA utilizando Python como lenguaje de programación
  6. Fundamentos estadísticos básicos para el entendimiento del funcionamiento de distintos algoritmos, preprocesamiento de datos y análisis de resultados
  7. Implementación de conceptos estadísticos utilizando Python como lenguaje de programación
  8. Puesta en marcha del entorno de trabajo
  9. Detalle de los diferentes softwares y programas utilizados para la implementación de algoritmos basados en IA
  10. Inmersión en el lenguaje Python

UNIDAD DIDÁCTICA 2. FUTURO DE LA INTELIGENCIA ARTIFICIAL

  1. Futuro de la inteligencia artificial
  2. Impacto de la IA en la industria
  3. El impacto económico y social global de la IA y su futuro

UNIDAD DIDÁCTICA 3. 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 4. EXTRACCIÓN DE ESTRUCTURA DE LOS DATOS: CLUSTERING

  1. Introducción
  2. Algoritmos

UNIDAD DIDÁCTICA 5. REDES NEURONALES Y DEEP LEARNING

  1. Componentes
  2. Aprendizaje

UNIDAD DIDÁCTICA 6. SISTEMAS DE ELECCIÓN

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

UNIDAD DIDÁCTICA 7. DEEP LEARNING CON PYTHON, KERAS Y TENSORFLOW

  1. Aprendizaje profundo
  2. Entorno de Deep Learning con Python
  3. Aprendizaje automático y profundo

MÓDULO 5. INTELIGENCIA ARTIFICIAL CON CHATBOTS Y COPILOT

UNIDAD DIDÁCTICA 1. EL POTENCIAL DE LA INTELIGENCIA ARTIFICIAL

  1. Introducción a la inteligencia artificial
  2. Historia
  3. La importancia de la IA
  4. Tipos de inteligencia artificial
  5. Algoritmos aplicados a la inteligencia artificial

UNIDAD DIDÁCTICA 2. ¿QUÉ ES UNA HERRAMIENTA COPILOT?

  1. ¿Qué son las herramientas Copilot?
  2. Beneficios de usar herramientas Copilot
  3. Requisitos para usar herramientas Copilot
  4. Tipos de herramientas Copilot
  5. Comparación de diferentes herramientas Copilot

UNIDAD DIDÁCTICA 3. INTRODUCCIÓN A LOS MODELOS DE LENGUAJE (LLM)

  1. Concepto de modelo de lenguaje
  2. Evolución de los modelos de lenguaje
  3. Arquitecturas principales de modelos de lenguaje: Transformer, GPT-3, LaMDA
  4. Parámetros y datasets
  5. Aplicaciones de los modelos de lenguaje

UNIDAD DIDÁCTICA 4. CHATGPT: FUNDAMENTOS Y FUNCIONAMIENTO

  1. DeepMind y OpenAI
  2. La arquitectura de red neuronal de ChatGPT: GPT-3 y sus variantes
  3. Entrenamiento de ChatGPT
  4. Capacidades de ChatGPT
  5. Limitaciones y riesgos de ChatGPT

UNIDAD DIDÁCTICA 5. GEMINI: LA PROPUESTA DE GOOGLE

  1. Bard: el modelo de lenguaje de Google AI
  2. Diferencias entre Gemini y GPT-3
  3. Capacidades de Gemini
  4. Integración de Gemini con otros productos de Google
  5. Futuro de Gemini

UNIDAD DIDÁCTICA 6. BING CHAT: EL MODELO DE MICROSOFT

  1. Microsoft y Bing: su apuesta por la IA conversacional
  2. Características de Bing Chat
  3. Integración de Bing Chat con el motor de búsqueda Bing
  4. Comparación entre Bing Chat y ChatGPT
  5. Futuro de Bing Chat

UNIDAD DIDÁCTICA 7. ASPECTOS TÉCNICOS AVANZADOS

  1. Tokenización y embeddings
  2. Attention mechanism
  3. Beam search y otros algoritmos de decodificación
  4. Optimización del entrenamiento
  5. Evaluación de modelos de lenguaje

UNIDAD DIDÁCTICA 8. COPILOT CON DIFERENTES CHATBOTS

  1. Tipos de chatbots
  2. Copilot y ChatGPT
  3. Copilot y Gemini de Google
  4. Copilot y Bing Chat de Microsoft
  5. Copilots y Chatbots específicos de industrias

MÓDULO 6. INTELIGENCIA ARTIFICIAL PARA PROGRAMADORES

UNIDAD DIDÁCTICA 1. APRENDIZAJE AUTOMÁTICO (MACHINE LEARNING)

  1. Aprendizaje Automático
  2. Tipos de aprendizaje automático
  3. Algoritmos y modelos de aprendizaje automático
  4. Métricas de evaluación en aprendizaje automático
  5. Regularización y selección de características en aprendizaje automático

UNIDAD DIDÁCTICA 2. REDES NEURONALES ARTIFICIALES (RNA)

  1. Redes Neuronales Artificiales (RNA)
  2. Estructura y arquitectura
  3. Funciones de activación
  4. Entrenamiento de las RNA
  5. Redes Neuronales Convolucionales (CNN) y su aplicación
  6. Redes Neuronales Recurrentes (RNN) y su aplicación
  7. Modelos Generativos Adversariales (GAN) y su aplicación

UNIDAD DIDÁCTICA 3. PROCESAMIENTO DE LENGUAJE NATURAL (NATURAL LANGUAGE PROCESSING - NLP)

  1. Fundamentos del Procesamiento del Lenguaje Natural (PLN)
  2. Representación del lenguaje en PLN
  3. Extracción de características en PLN
  4. Modelos de PLN basados en secuencias
  5. Modelos de PLN para tareas específicas
  6. Aplicaciones de PLN

UNIDAD DIDÁCTICA 4. VISIÓN ARTIFICIAL

  1. Visión artificial
  2. Preprocesamiento y transformación de imágenes
  3. Detección y reconocimiento de objetos
  4. Segmentación y clasificación de imágenes
  5. Aplicaciones de visión artificial

UNIDAD DIDÁCTICA 5. PROCESAMIENTO DE DATOS MASIVOS (BIG DATA) EN INTELIGENCIA ARTIFICIAL

  1. Big Data en Inteligencia Artificial
  2. Almacenamiento y procesamiento distribuido
  3. Tecnologías y herramientas para el procesamiento de Big Data
  4. Extracción de conocimiento a partir de datos masivos
  5. Aprendizaje automático en Big Data

UNIDAD DIDÁCTICA 6. OPTIMIZACIÓN Y SINTONIZACIÓN DE MODELOS DE IA

  1. Evaluación de modelos y métricas de rendimiento
  2. Optimización de hiperparámetros
  3. Regularización y técnicas de prevención de sobreajuste
  4. Técnicas de reducción de dimensionalidad
  5. Ajuste y ensamblado de modelos

UNIDAD DIDÁCTICA 7. APRENDIZAJE POR REFUERZO (REINFORCEMENT LEARNING)

  1. Aprendizaje por refuerzo
  2. Agentes y entornos en aprendizaje por refuerzo
  3. Métodos de aprendizaje por refuerzo
  4. Exploración y explotación en aprendizaje por refuerzo
  5. Aplicaciones de aprendizaje por refuerzo

UNIDAD DIDÁCTICA 8. DESPLIEGUE Y PRODUCCIÓN DE MODELOS DE IA

  1. Preparación de datos para despliegue de modelos
  2. Diseño e implementación de servicios de IA
  3. Monitoreo y evaluación de modelos en producción
  4. Actualización y mantenimiento de modelos de IA
  5. Escalabilidad y rendimiento en despliegue de modelos de IA

MÓDULO 7. PYTHON Y CHATGPT

UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A PYTHON. INSTALACIÓN Y CONFIGURACIÓN DE ENTORNO DE DESARROLLO

  1. Introducción a Python
  2. Características y aplicaciones
  3. Instalación de Python
  4. Configuración de un entorno de desarrollo

UNIDAD DIDÁCTICA 2. TIPOS DE DATOS, VARIABLES, OPERADORES Y EXPRESIONES

  1. Sintaxis básica de Python
  2. Variables y tipos de datos
  3. Operadores y expresiones
  4. Uso de comentarios

UNIDAD DIDÁCTICA 3. CONTROL DEL FLUJO: BUCLES Y CONDICIONALES EN PYTHON

  1. Introducción al control de flujo
  2. Estructuras condicionales (if, elif, else)
  3. Bucles (for y while)
  4. Control de bucles (break y continue)

UNIDAD DIDÁCTICA 4. COLECCIONES DE DATOS: TUPLAS, CONJUNTOS, DICCIONARIOS, PILAS Y COLAS EN PYTHON

  1. Listas y tuplas
  2. Conjuntos: colecciones únicas
  3. Diccionarios: pares clave-valor
  4. Pilas: concepto y operaciones
  5. Colas: implementación y uso

UNIDAD DIDÁCTICA 5. FUNCIONES, RECURSIVIDAD Y PASO POR VALOR Y REFERENCIA EN PYTHON

  1. Definición y llamada de funciones
  2. Parámetros y argumentos
  3. Retorno de valores
  4. Ámbito de las variables
  5. Módulos y organización del código

UNIDAD DIDÁCTICA 6. CLASES Y OBJETOS EN PYTHON

  1. Conceptos de programación orientada a objetos
  2. Creación de clases y objetos
  3. Atributos y métodos
  4. Encapsulación y visibilidad
  5. Constructores y destructores

UNIDAD DIDÁCTICA 7. MANEJO DE FICHEROS, ENTRADAS Y SALIDAS

  1. Introducción a ficheros
  2. Lectura y escritura de archivos
  3. Manejo de rutas de archivos
  4. Entrada y salida estándar
  5. Formateo de texto

UNIDAD DIDÁCTICA 8. BIBLIOTECAS Y MÓDULOS EN PYTHON

  1. Uso de bibliotecas estándar
  2. Instalación y uso de bibliotecas externas con pip
  3. Módulos y paquetes: organización del códigoCreación de módulos propios
  4. Importación relativa y absoluta

UNIDAD DIDÁCTICA 9. INTRODUCCIÓN A CHATGPT Y SU INTEGRACIÓN CON PYTHON

  1. ¿Qué es ChatGPT?
  2. API de OpenAI: configuración y uso
  3. Autenticación y claves API
  4. Realizar consultas a ChatGPT desde Python
  5. Manejo de respuestas y procesamiento de texto

UNIDAD DIDÁCTICA 10. APLICACIONES PRÁCTICAS DE CHATGPT CON PYTHON

  1. Generación de texto automatizada
  2. Creación de asistentes virtuales
  3. Implementación de chatbots en aplicaciones web
  4. Análisis de sentimientos y procesamiento del lenguaje natural
  5. Ejemplos prácticos y casos de uso

UNIDAD DIDÁCTICA 11. OPTIMIZACIÓN Y ESCALABILIDAD DE APLICACIONES CON CHATGPT

  1. Optimización de consultas a ChatGPT
  2. Manejo de límites de tasa de la API
  3. Escalabilidad y rendimiento
  4. Uso de cachés para mejorar la eficiencia
  5. Buenas prácticas y consideraciones éticas

UNIDAD DIDÁCTICA 12. DESARROLLO DE UNA APLICACIÓN INTEGRADA CON CHATGPT

  1. Definición del proyecto y objetivos
  2. Diseño de la arquitectura de la aplicación
  3. Implementación paso a paso
  4. Pruebas y depuración del proyecto
  5. Presentación y documentación del proyecto

MÓDULO 8. BASES DE DATOS SQL Y NOSQL

UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LAS BASES DE DATOS

  1. Conceptos básicos de las bases de datos
  2. Ventajas de utilizar bases de datos en aplicaciones
  3. Breve historia de los Sistemas de Gestión de Bases de Datos (SGBD)
  4. Tipos de bases de datos: SQL y NoSQL

UNIDAD DIDÁCTICA 2. FUNDAMENTOS DE SQL

  1. Introducción al lenguaje SQL
  2. Creación de bases de datos y tablas
  3. Inserción y consulta de datos
  4. Modificación y eliminación de datos
  5. Consultas avanzadas: operaciones JOIN
  6. Funciones de agregación y agrupación de datos

UNIDAD DIDÁCTICA 3. CONSULTAS Y SUBCONSULTAS EN SQL

  1. Consultas básicas: SELECT, FROM y WHERE
  2. Ordenamiento de resultados: cláusula ORDER BY
  3. Filtrado de datos: cláusulas LIKE e IN
  4. Uso de subconsultas en SQL
  5. Operadores lógicos y combinación de condiciones
  6. Optimización de consultas

UNIDAD DIDÁCTICA 4. MODELADO DE DATOS RELACIONALES

  1. Diseño de bases de datos relacionales
  2. Modelado de entidades y relaciones
  3. Normalización de bases de datos
  4. Claves primarias y foráneas
  5. Relaciones uno a uno, uno a muchos y muchos a muchos

UNIDAD DIDÁCTICA 5. MYSQL

  1. Instalación y configuración de MySQL
  2. Creación y administración de bases de datos en MySQL
  3. Creación y gestión de tablas en MySQL
  4. Consultas avanzadas en MySQL
  5. Transacciones y control de concurrencia en MySQL
  6. Índices y optimización de consultas en MySQL

UNIDAD DIDÁCTICA 6. MONGODB

  1. Introducción a MongoDB y bases de datos NoSQL
  2. Instalación y configuración de MongoDB
  3. Creación y administración de bases de datos en MongoDB
  4. Colecciones y documentos en MongoDB
  5. Consultas y filtros en MongoDB
  6. Índices y rendimiento en MongoDB

UNIDAD DIDÁCTICA 7. OTROS SGBD SQL RELEVANTES

  1. Oracle Database: características y uso
  2. PostgreSQL: características y uso
  3. SQL Server: características y uso
  4. Comparativa de SGBD relacionales

UNIDAD DIDÁCTICA 8. OTROS SGBD NOSQL RELEVANTES

  1. Cassandra: características y uso
  2. Redis: características y uso
  3. Neo4j: características y uso
  4. Comparativa de SGBD NoSQL

UNIDAD DIDÁCTICA 9. INTEGRACIÓN DE BASES DE DATOS SQL Y NOSQL

  1. Ventajas de la integración de SQL y NoSQL
  2. Estrategias de integración de datos
  3. Herramientas y técnicas para la integración
  4. Casos de uso de la integración SQL y NoSQL

MÓDULO 9. PROYECTO FIN DE MÁSTER

Metodología

EDUCA LXP se basa en 6 pilares

Item
Estrellas

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.

Gráfica

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.

Birrete

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

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.

Monitor

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.

Libro

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 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."
Titulacion de INESEM

INESEM Business School se ocupa también de la gestión de la Apostilla de la Haya, previa demanda del estudiante. Este sello garantiza la autenticidad de la firma del título en los 113 países suscritos al Convenio de la Haya sin necesidad de otra autenticación. El coste de esta gestión es de 65 euros. Si deseas más información contacta con nosotros en el 958 050 205 y resolveremos todas tus dudas.

También podría interesarte...

Otras Acciones Formativas relacionadas

Beca 15 %
Curso en Machine Learning Predictivo
Icono de modalidad Online
Icono de duración 120 H
Icono estrella completaIcono estrella completaIcono estrella completaIcono estrella completaIcono estrella medio completa4,3
360€ 306€
Titulacion de INESEM
Matricularme Ver más
Beca 15 %
Curso de React.js: Aplicaciones Híbridas
Icono de modalidad Online
Icono de duración 150 H
Icono estrella completaIcono estrella completaIcono estrella completaIcono estrella completaIcono estrella medio completa4,3
360€ 306€
Titulacion de INESEM
Matricularme Ver más
Beca 15 %
Curso de App Inventor: Desarrollo de Aplicaciones
Icono de modalidad Online
Icono de duración 100 H
Icono estrella completaIcono estrella completaIcono estrella completaIcono estrella completaIcono estrella medio completa4,3
360€ 306€
Titulacion de INESEM
Matricularme Ver más
Beca 15 %
Curso de Programación y Automatización con Arduino
Icono de modalidad Online
Icono de duración 150 H
Icono estrella completaIcono estrella completaIcono estrella completaIcono estrella completaIcono estrella medio completa4,3
360€ 306€
Titulacion de INESEM
Matricularme Ver más

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.

Máster en Desarrollo Web Full Stack & IA

Icono de modalidad 100% Online
Icono de duración 12 Meses
Icono de flexibilidad horaria Flexibilidad horaria
Precio
1895€ 1516€
1895€ 1516€
Matricularme
Matricularme