Master i Big Data

Master i Big Data, som utvecklats tillsammans med det teknologiska multinationella Indra, ger en översikt över Big Data-teknologier och deras användning, samt tillämpad och praktisk utbildning i analytiska tekniker för företag (Business Analytics), det vill säga i applikationen från Data Science-tekniker för affärsproblem.

Således svarar programmet på behovet av att på ett praktiskt och tillämpat sätt känna till användningen av teknologier och dataanalysmetoder. Förståelsen för teknisk användning kompletterar affärsvisionen, så att utexaminerade från programmet kommer att kunna resonera på djupet om tillämpligheten av teknologier, samt tillämpa analytiska tekniker och verktyg i specifika situationer.

Varför studera på School of Artificial Intelligence & Big Data?

aktiva experter

Aktiva proffs från Indra och Minsait kommer att lära dig de färdigheter och kunskaper de söker för sina team

Designa din skräddarsydda träning

Våra program är uppbyggda kring 2 huvudaxlar, din profil och yrkeserfarenhet så att du kan komma åt den professionella marknaden från en teknisk (Hard tech) eller affärsprofil (Soft Tech).

Lärande genom att göra

Det fungerar med molnen från huvudaktörerna inom sektorn, ekosystem och plattformar med öppen källkod som betjänar +500 miljoner människor

Tillgång till praktiker

Företräde för tillgång till professionella praktikplatser med ett minsta antal praktikplatser för varje program

titreringar

Genom att slutföra detta program kommer du att få en tredubbel grad av Master i Big Data från IMF Smart Education , professionell certifiering från Indra och Master of Big Data från UCAV.

Trippelexamen: IMF Smart Education + Indra professionell certifiering + UCAV

Möjlighet att anställa praktikplatser och prioriterad tillgång till urvalsprocesser

Programmet riktar sig till yrkesverksamma och nyutexaminerade med olika profiler som vill orientera eller omorientera sin yrkeskarriär till ett av de framväxande yrkena relaterade till dataanalys. Profiler kan vara av tre typer:

1. IKT-profiler: datavetare, eller relaterad ingenjör, eller yrkesverksamma som har utvecklat sina karriärer inom mjukvaruutveckling eller IT-systemadministration.
2. Kvantitativa profiler: utexaminerade i karriärer med en stark kvantitativ komponent, såsom statistik och matematik, som vill utöka sina färdigheter med datainsamling, lagring och hanteringstekniker, samt skaffa nya analytiska färdigheter.
3. Företagsprofiler: utexaminerade och yrkesverksamma inom olika affärs- och ekonomiområden som vill specialisera sig på affärsanalys, skaffa sig en gedigen bakgrund i användningen av statistiska språk och att förstå teknik, inte bara på affärsnivå, utan när det gäller att din tekniska applikation

• Förstå värdet av data och dess analys i organisationer och kunna tänka ut och tänka ut dataanalyslösningar.
• Vet och vet hur man anger affärsvärdet av de huvudsakliga parallella bearbetnings- och skalbara datalagringsteknologierna, samt vet hur man förklarar deras användning för specifika ändamål inom organisationen.
• Kunna tillämpa dataanalystekniker och metoder på affärsproblem med hjälp av statistisk programmeringsteknik.
• Tillämpa maskininlärning och textutvinningstekniker för att extrahera värde från data och bygga prediktiva modeller.
• Vet och vet hur man tillämpar affärsintelligens och visualiseringsverktyg för att stödja analyser och beslutsfattande.
• Dataanalytiker (Big Data Analyst).
• Dataforskare.
• Business Intelligence proffs.
• Chief Data Officer (CDO).
• Big Data Arkitekt.
• Datatekniker
• Lärare i Business Intelligence-kurser
• Lärare i Dataanalys kurs
• Lärare i fråga Qlik

Programmet ger den grundläggande utbildningen för att orientera sig till olika yrken inom området dataanalys och hantering; specifikt: Digital Transformation Consultant

• Dataanalytiker.
• Business Intelligence proffs.
• Dataforskare.

När det gäller de profiler med tidigare erfarenhet av ledarskap och teamledning kommer programmet att utbilda dem för positioner som Chief Data Officer (CDO). Slutligen, för proffs som har datorprofiler, kommer det att ge grunden för professionella möjligheter som Big Data-arkitekt eller Dataingenjör.

Master designad av en expertkommitté bestående av läkare och aktiva yrkesmän från ledande företag inom området artificiell intelligens och Big Data som Indra och Minsait. Deras erfarenhet garanterar lämpligheten av studierna och de färdigheter som förvärvats, vare sig det gäller att komma in i arbetslivet eller för att förbättra yrket inom sektorn. Detta team av experter, förutom att delta i utbildningsprogrammets designkommitté, samarbetar i handledning och leverans av mastersessioner.

Grundläggande databehandling för datavetenskap

1. Använda virtuella maskiner och kommandoskal
2. Grunderna i Python-programmering
3. Relationsdatabasgrunder
4. Grunderna i internetteknik
5. Dela data, kod och resurser i arkiv
6. Grunderna för databehandling med Python vetenskapliga stacken

Business Intelligence

1. Introduktion till business intelligence
2. Datalager och analytiska databaser
3. Demonterings- och lastningsverktyg
4. Business intelligence-applikationer
5. Big data-analys tillämpad på företag
6. Kundinformation (CRM)

Tillämpad maskininlärning

1. Introduktion till maskininlärning
2. Övervakade modeller
3. Oövervakade modeller
4. Funktionsteknik och modellval
5. Connectionist modeller
6. Föreningsregler och marknadskorganalys

Text Mining and Natural Language Processing (NLP)

1. Historisk och teknisk introduktion
2. NLP-verktyg I: NLTK
3. NLP II-verktyg: Brat and Gate
4. textutvinning
5. Andra NLP-applikationer och tekniker

Business intelligence och visualisering

1. Introduktion till business intelligence
2. BI vs. traditionell rapportering
3. Tekniska grunder för databehandling och analys
4. Grundläggande datavisualisering
5. Avancerad datavisualisering
6. Visualiseringsverktyg

Big data infrastruktur

1. Databehandling med Hadoop
2. Hadoop ekosystemverktyg
3. Databehandling med Spark
4. Streamingarkitekturer
5. Komponenter i strömmande arkitekturer
6. Molnplattformar och API:er

Datalagring och integration

1. Okonventionella databaser
2. Dokumentbaserade databasmodeller
3. Kolumnorienterade databasmodeller
4. Graforienterade databasmodeller
5. Nyckel-värde databasmodeller
6. Datainsamling

Värde och sammanhang för Big Data Analytics

1. Affärsfallet för big data
2. Big data-projekt
3. Analytiska tillämpningar per sektor
4. Ny teknik inom analys
5. Teamledning och agila metoder
6. Reglerande aspekter av databehandling

Analytiska applikationer. Praktiska fall

1. Skalbar analys: Analys med parallella och skalbara datortekniker
2. Analyser av sociala medier
3. Internet of things (IoT)
4. Finansiell analys (företagsbetyg)
5. Kundanalys: platsanalys
6. Teknik för informationsåtervinning

Magisteruppsats (TFM)

Agila metodikkurs

1. Vad är Scrum och hur man använder det
2. Scrum-ramverket
3. Självorganiserade team
4. Kundernas och intressenternas roll
5. Agil produkt- och projektledning
6. Utveckling och kontinuerlig integration
7. Hur man utvecklas mot en agil organisation

Nybörjarkurs i Python

• Introduktion till Python
• Villkor i Python
• Upprepande strukturer i Python
• Samlingar. Listor
• strängfunktioner
• Samlingar. Ordböcker
• funktioner
• Filhantering
• objektorientering

Introduktion till R-kurs

• Introduktion till R
• Vektorer
• matriser
• listor
• Dataramar
• Kontrollstrukturer
• funktioner

engelsk kurs

• Grundläggande, Pre-intermediate, Intermediate eller Advanced
• Eleven kan välja en av de fyra nivåerna.