Máster en Data Science

Unidad Didáctica 1. Introducción a las Metodologías Ágiles

• Ingeniería de software, sus principios y objetivos
• Metodologías en Espiral, Iterativa y Ágiles
• Prácticas ágiles
• Métodos ágiles
• Evolución de las metodologías ágiles
• Metodologías ágiles frente a metodologías pesadas

Unidad Didáctica 2. Agile Project Thinking

• Principios de las metodologías ágiles
• Agile Manifesto
• User History

Unidad Didáctica 3. la Planificación Ágil: Agile Leadership y Creatividad

• La interacción como alternativa a la planificación lineal
• La comunicación y la motivación
• Características del liderazgo participativo
• Pensamiento disruptivo y desarrollo de la idea
• Prueba y error, learning by doing

Unidad Didáctica 4. Metodología Extreme Programming (xp)

• Definición y características de Extreme Programming
• Fases y reglas de XP
• La implementación y el diseño
• Los valores de XP
• Equipo y cliente de XP

Unidad Didáctica 5. Metodología Scrum

• La teoría Scrum: framework
• El equipo
• Sprint Planning
• Cómo poner en marcha un Scrum

Unidad Didáctica 6. Desarrollo del Método Kanban

• Introducción al método Kanban
• Consejos para poner en marcha kanban
• Equipo
• Business Model Canvas o lienzo del modelo de negocio
• Scrumban

Unidad Didáctica 7. Lean Thinking

• Introducción al Lean Thinking
• Lean Startup

Unidad Didáctica 8. Otras Metodologías Ágiles y Técnicas Ágiles

• Agile Inception Deck
• Design Thinking
• DevOps
• Dynamic Systems Development Method (DSDM)
• Crystal Methodologies
• Adaptative Software Development (ASD)
• Feature Driven Development (FDD)
• Agile Unified Process

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

Unidad Didáctica 1. Introducción a la Ciencia de Datos

• ¿Qué es la ciencia de datos?
• Herramientas necesarias para el científico de datos
• Data Science & Cloud Computing
• Aspectos legales en Protección de Datos

Unidad Didáctica 2. Bases de Datos Relacionales

• Introducción
• El modelo relacional
• Lenguaje de consulta SQL
• MySQL Una base de datos relacional

Unidad Didáctica 3. 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 4. 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 5. Weka y Data Mining

• ¿Qué es Weka?
• Técnicas de Data Mining en Weka
• Interfaces de Weka
• Selección de atributos

Unidad Didáctica 6. Pentaho

• Una aproximación a PENTAHO
• Soluciones que ofrece PENTAHO
• MongoDB & PENTAHO
• Hadoop & PENTAHO
• Weka & PENTAHO

Unidad Didáctica 7. 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 8. Pre-procesamiento & Procesamiento de Datos

• Obtención y limpieza de los datos (ETL)
• Inferencia estadística
• Modelos de regresión
• Pruebas de hipótesis

Unidad Didáctica 9. Análisis de los Datos

• Inteligencia Analítica de negocios
• La teoría de grafos y el análisis de redes sociales
• Presentación de resultados

Unidad Didáctica 1. Introducción a la Inteligencia Artificial

• Introducción a la inteligencia artificial
• Historia
• La importancia de la IA

Unidad Didáctica 2. Tipos de Inteligencia Artificial

• Tipos de inteligencia artificial
• SUBEPÍGRAFE - Tipo 1: basado en capacidades
• SUBEPÍGRAFE - Tipo 2: basado en la funcionalidad

Unidad Didáctica 3. Algoritmos Aplicados a la Inteligencia Artificial

• Algoritmos aplicados a la inteligencia artificial
• SUBEPÍGRAFE - Aprendizaje supervisado
• SUBEPÍGRAFE - Aprendizaje sin supervisión
• SUBEPÍGRAFE - Lógica difusa
• SUBEPÍGRAFE - Búsqueda de rutas
• SUBEPÍGRAFE - Algoritmos genéticos
• SUBEPÍGRAFE - Optimización y mínimos

Unidad Didáctica 4. Relación Entre Inteligencia Artificial y Big Data

• Relación entre inteligencia artificial y big data
• IA y Big Data combinados
• El papel del Big Data en IA
• Tecnologías de IA que se están utilizando con Big Data

Unidad Didáctica 5. Sistemas Expertos

• Sistemas expertos
• Estructura de un sistema experto
• Inferencia: Tipos
• Fases de construcción de un sistema
• Rendimiento y mejoras
• Dominios de aplicación
• Creación de un sistema experto en C#
• Añadir incertidumbre y probabilidades

Unidad Didáctica 6. Futuro de la Inteligencia Artificial

• Futuro de la inteligencia artificial
• Impacto de la IA en la industria
• El impacto económico y social global de la IA y su futuro

Unidad Didáctica 7. 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 8. Extracción de Estructura de los Datos: Clustering

• Introducción
• Algoritmos

Unidad Didáctica 9. Sistemas de Recomendación

• Introducción
• Filtrado colaborativo
• Clusterización
• Sistemas de recomendación híbridos

Unidad Didáctica 10. Clasificación

• Clasificadores
• Algoritmos
• SUBEPÍGRAFE - Máquinas de vectores soporte (Support Vector Machine - SVN)
• SUBEPÍGRAFE - Vecion más cercano: K-nearest Neighbour (KNN)
• SUBEPÍGRAFE - Árbol de decisión
• SUBEPÍGRAFE - Random Forest

Unidad Didáctica 11. Redes Neuronales y Deep Learning

• Componentes
• SUBEPÍGRAFE - Perceptrón
• SUBEPÍGRAFE - Redes feed-forward
• Aprendizaje
• SUBEPÍGRAFE - Otras redes

Unidad Didáctica 12. Sistemas de Elección

• Introducción
• El proceso de paso de DSS a IDSS
• Casos de aplicación

Unidad Didáctica 13. Deep Learning con Python, Keras y Tensorflow

• Aprendizaje profundo
• Entorno de Deep Learning con Python
• Aprendizaje automático y profundo

Unidad Didáctica 14. Sistemas Neuronales

• Redes neuronales
• Redes profundas y redes poco profundas

Unidad Didáctica 15. Redes de una Sola Capa

• Perceptrón de una capa y multicapa
• Ejemplo de perceptrón

Unidad Didáctica 16. Redes Multicapa

• Tipos de redes profundas
• Trabajar con TensorFlow y Python

Unidad Didáctica 17. Estrategias de Aprendizaje

• Entrada y salida de datos
• Entrenar una red neuronal
• Gráficos computacionales
• Implementación de una red profunda
• El algoritmo de propagación directa
• Redes neuronales profundas multicapa

Unidad Didáctica 1. Introducción Al Análisis de Datos

• ¿Qué es el análisis de datos?

Unidad Didáctica 2. Librerías para el Análisis de Datos: Numpy, Pandas y Matplotlib

• Análisis de datos con NumPy
• Pandas
• Matplotlib
• SUBEPÍGRAFE - La jerarquía de objetos de Matplotlib

Unidad Didáctica 3. Filtrado y Extracción de Datos

• Cómo usar loc en Pandas
• Cómo eliminar una columna en Pandas

Unidad Didáctica 4. Pivot Tables

• Pivot tables en pandas

Unidad Didáctica 5. Groupby y Funciones de Agregación

• El grupo de pandas

Unidad Didáctica 6. Fusión de Dataframes

• Python Pandas fusionando marcos de datos

Unidad Didáctica 7. Visualización de Datos con Matplotlib y con Seaborn

• Matplotlib
• Seaborn

Unidad Didáctica 8. Introducción Al Machine Learning

• Aprendizaje automático

Unidad Didáctica 9. Regresión Lineal y Regresión Logística

• Regresión lineal
• Regresión logística

Unidad Didáctica 10. Árbol de Decisiones

• Estructura de árbol

Unidad Didáctica 11. Naive Bayes

• Algortimo de Naive bayes
• Tipos de Naive Bayes

Unidad Didáctica 12. Support Vector Machines (svm)

• Máquinas de vectores soporte (Support Vector Machine-SVM)
• ¿Cómo funciona SVM?
• Núcleos SVM
• Construcción de clasificador en Scikit-learn

Unidad Didáctica 13. Knn

• K-nearest Neighbors (KNN)
• Implementación de Python del algoritmo KNN

Unidad Didáctica 14. Principal Component Analysis (pca)

• Análisis de componentes principales

Unidad Didáctica 15. Random Forest

• Algorimto de Random Forest

Unidad Didáctica 1. Introducción a la Visualización de Datos

• ¿Qué es la visualización de datos?
• Importancia y herramientas de la visualización de datos
• Visualización de datos: Principios básicos

Unidad Didáctica 2. Tableau

• ¿Qué es Tableau? Usos y aplicaciones
• Tableau Server: Arquitectura y Componentes
• Instalación Tableau
• Espacio de trabajo y navegación
• Conexiones de datos en Tableau
• Tipos de filtros en Tableau
• Ordenación de datos, grupos, jerarquías y conjuntos
• Tablas y gráficos en Tableau

Unidad Didáctica 3. D3 (data Driven Documents)

• Fundamentos D3
• Instalación D3
• Funcionamiento D3
• SVG
• Tipos de datos en D3
• Diagrama de barras con D3
• Diagrama de dispersión con D3

Unidad Didáctica 4. Google Data

• Google Data Studio
• Fuentes de datos
• Informes

Unidad Didáctica 5. Qlikview

• Instalación y arquitectura
• Carga de datos
• Informes
• Transformación y modelo de datos
• Análisis de datos

Unidad Didáctica 6. Powerbi

• Business Intelligence en Excel
• Consulta de datos
• Orden de los datos, horizontal, un nivel, varios niveles
• Filtrado de datos
• Cuadros resumen
• Herramientas de simulación y de análisis
• Herramientas Powerbi

Unidad Didáctica 7. Carto

• CartoDB

Unidad Didáctica 1. Ggplot2 Como Librería para Visualización de Datos en R

• Introducción a Gplot
• El paquete ggplot2

Unidad Didáctica 2. Ejes

• Cambiar títulos de eje
• Aumentar el espacio entre ejes y títulos de ejes
• Cambiar la estética de los títulos de Axis
• Cambiar la estética del texto del eje
• Texto del eje de rotación
• Eliminar texto de eje y marcas
• Eliminar títulos de eje
• Límite del rango del eje
• Forzar el trazado para que comience en el origen
• Ejes con la misma escala
• Usar una función para modificar etiquetas

Unidad Didáctica 3. Títulos

• Añade un título
• Ajustar la posición de los títulos
• Use una fuente no tradicional en su título
• Cambiar espaciado en texto de varias líneas

Unidad Didáctica 4. Leyendas

• Trabajando con leyendas
• Apaga la leyenda
• Eliminar títulos de leyenda
• Cambiar la posición de la leyenda
• Cambiar la dirección de la leyenda
• Cambiar el estilo del título de la leyenda
• Cambiar título de leyenda
• Cambiar el orden de las claves de leyenda
• Cambiar etiquetas de leyenda
• Cambiar cuadros de fondo en la leyenda
• Cambiar el tamaño de los símbolos de leyenda
• Dejar una capa fuera de la leyenda
• Adición manual de elementos de leyenda
• Usar otros estilos de leyenda

Unidad Didáctica 5. Fondos y Líneas de Cuadrícula

• Cambiar el color de fondo del panel
• Cambiar líneas de cuadrícula
• Cambiar el espaciado de las líneas de cuadrícula
• Cambiar el color de fondo de la trama

Unidad Didáctica 6. Márgenes

• Trabajar con márgenes

Unidad Didáctica 7. Gráficos de Paneles Múltiples

• Trabajar con gráficos de paneles múltiples
• Crear múltiplos pequeños basados en una variable
• Permitir que los ejes deambulen libremente
• Uso facet_wrapcon dos variables
• Modificar el estilo de los textos de la tira
• Crear un panel de diferentes parcelas

Unidad Didáctica 8. Colores

• Trabajar con colores
• Especificar colores individuales
• Asignar colores a las variables
• Variables Cualitativas
• Seleccionar manualmente colores cualitativos
• Utilice paletas de colores cualitativas integradas
• Use paletas de colores cualitativos de paquetes de extensión
• Variables Cuantitativas
• La paleta de colores Viridis
• Usar paletas de colores cuantitativas de paquetes de extensión
• Modificar paletas de colores después

Unidad Didáctica 9. Temas

• Cambiar el estilo de trazado general
• Cambiar la fuente de todos los elementos de texto
• Cambiar el tamaño de todos los elementos de texto
• Cambiar el tamaño de todos los elementos de línea y rectángulo
• Crea tu propio tema
• Actualizar el tema actual

Unidad Didáctica 10. Líneas

• Agregar líneas horizontales o verticales a un gráfico
• Agregar una línea dentro de un gráfico
• Agregar líneas curvas y flechas a un gráfico

Unidad Didáctica 11. Texto

• Agregue etiquetas
• Agregar anotaciones de texto
• Use Markdown y HTML Rendering para anotaciones

Unidad Didáctica 12. Coordenadas

• Voltear una parcela
• arreglar un eje
• Invertir un eje
• Transformar un eje
• Circularizar una parcela

Unidad Didáctica 13. Tipos de Gráficos

• Alternativas a un diagrama de caja
• Crear una representación de alfombra en un gráfico
• Crear una matriz de correlación
• Crear un gráfico de contorno
• Crear un mapa de calor
• Crear un diagrama de cresta

Unidad Didáctica 14. Cintas

• Trabajar con cintas (AUC, CI, etc.)

Unidad Didáctica 15. Suavizados

• Predeterminado: agregar un suavizado LOESS o GAM

Unidad Didáctica 16. Gráficos Interactivos

• Trabajar con gráficos interactivos

Unidad Didáctica 1. Introducción a la Analítica Web

• ¿Qué es la analítica web?
• Establecimiento de objetivos y KPIs
• Métricas principales y avanzadas
• Objetivos y ventajas de medir
• Plan de medición

Unidad Didáctica 2. Google Analytics 4

• Introducción a Google Analytics 4
• Interfaz
• Métricas y dimensiones
• Informes básicos
• Filtros
• Segmentos
• Eventos
• Informes personalizados
• Comportamiento de los usuarios e interpretación de datos

Unidad Didáctica 3. Google Tag Manager

• Introducción a GTM
• Implementación con GTM
• Medición con GTM
• Uso de Debug/Preview Mode

Unidad Didáctica 4. Modelos de Atribución

• La atribución
• Multicanalidad
• Customer Journey
• Principales modelos de atribución
• Modelos de atribución personalizados

Unidad Didáctica 5. Creación de Dashborad con Google Data Studio

• Planificación del Dashboard
• Características del Dashboard
• Introducción a Data Studio
• Conectores
• Tipos de gráficos
• Personalización de informes
• Elementos de control
• Dimensiones y métricas
• Campos Calculados
• Compartir informes

Unidad Didáctica 6. Analítica Web Orientada Al Seo

• Introducción al SEO
• Historia de los motores de búsqueda
• Componentes de un motor de búsqueda
• Organización de resultados en un motor de búsqueda
• La importancia del contenido
• El concepto de autoridad en Internet
• Campaña SEO

Unidad Didáctica 7. Analítica Web Orientada Al Sem

• Introducción al SEM
• Principales conceptos en SEM
• Sistema de pujas y Calidad del anuncio
• Primer contacto con Google Ads
• Creación de anuncios con calidad
• Indicadores clave de rendimiento en SEM

Unidad Didáctica 8. Analítica Web Orientada a las Redes Sociales

• Análisis del tráfico en redes sociales
• Fijar objetivos en redes sociales
• Facebook
• Twitter
• Youtube
• LinkedIn
• Tik tok
• Instagram

Unidad Didáctica 9. Técnicas y Estrategias

• Usabilidad
• Mapas de calor
• Grabaciones de sesiones de usuario
• Ordenación de tarjetas
• Test A/B
• Test multivariante
• KPI, indicadores clave de rendimiento
• Cambios a realizar para optimizar una página web

Unidad Didáctica 10. Otras Herramientas para Analítica Web

• Hotjar
• Microsoft Power BI
• Google Search Console
• Matomo
• Awstats
• Chartbeat
• Adobe Analytics

Unidad Didáctica 11. Cookies y Tecnologías de Seguimiento

• ¿Qué son las cookies?
• Tipos de cookies
• GDPR
• Herramientas para manejar el consentimiento de cookies