• Diseñarás arquitecturas de datos avanzadas para la gestión de grandes volúmenes de información, integrando soluciones de procesamiento masivo y sistemas inteligentes. • Implementarás estrategias de análisis de datos a gran escala para extraer valor predictivo y prescriptivo, optimizando la toma de decisiones empresariales. • Gestionarás el ciclo de vida completo de proyectos de software orientados a la implementación de sistemas inteligentes, desde la concepción hasta la evaluación de impacto. • Tomarás decisiones estratégicas fundamentadas en el conocimiento profundo de la explotación de datos y la innovación tecnológica, impulsando la competitividad. • Diseñarás y optimizarás Datawarehouses, dominando bases de datos relacionales (SQL) y no relacionales (NoSQL) para una gestión eficiente de la información. • Evaluarás el impacto de las soluciones de analítica avanzada en la mejora de procesos operativos y la estrategia de atracción y retención de clientes. • Aplicarás principios de gobernanza de datos y seguridad en arquitecturas Big Data, asegurando la integridad y cumplimiento normativo de la información. • Integrarás algoritmos de Machine Learning en soluciones de Inteligencia Artificial para automatizar y mejorar la capacidad de análisis y predicción.
Metodología
En Educa PHAROS trabajamos con una metodología eminentemente práctica, orientada a la aplicación directa de los conocimientos en el entorno profesional del alumno, combinando contenidos teóricos con casos reales, herramientas digitales y el acompañamiento de un equipo docente especializado.
Programa
Data information
Knowledge wisdom
Data Management (I)
Data Management (II)
Corporate perfomance management
Bases de Datos
Business intelligence
Datawarehousing
Big data
Hadoop Spark
Ecosistema Hadoop (I)
Ecosistema Hadoop (II)
Ecosistema Hadoop (III)
Ecosistema Spark
Instalación y configuración de arquitecturas Big Data
Analytics
Principales algoritmos (I)
Principales algoritmos (II)
Machine Learning y Deep Learning
Internet Of Things
Introducción a SQL
Manipulación de bases de datos
Tipos de datos
Normalización
Creación de tablas en SQL
Manipulación de tablas
Consulta de tablas en SQL
Combinación de tablas en SQL
Combinaciones de tablas y vistas
Otros comandos en SQL
Funciones para strings y funciones numéricas (I)
Funciones numéricas (II)
Funciones de fecha y hora
Otras funciones
Bucles, condicionales y triggers en SQL
Introducción al datawarehousing
Bases de datos en un datawarehouse. Stage
Bases de datos en un datawarehouse. ODS (I)
Datos en un datawarehouse. ODS (II)
Bases de datos en un datawarehouse. DDS
Concepto de Bases de Datos NoSQL
Ventajas y desventajas de las Bases de Datos NoSQL
Características principales de las Bases de Datos NoSQL
Bases de datos Documentales
Bases de datos de Columnas
Bases de datos Clave-Valor
Base de datos en grafos
Introducción a MongoDB
Características y arquitectura de MongoDB
Modelado de datos en MongoDB
Consultas y operaciones en MongoDB
Escalabilidad y rendimiento en MongoDB
Apache Cassandra
CouchDB
Redis
Amazon DynamoDB
NeoJS
Diseño de la estructura de datos
Configuración del entorno de desarrollo
Instalación y configuración de MongoDB
Creación y manipulación de colecciones en MongoDB
Importación y exportación de datos en MongoDB
Índices y optimización de consultas en MongoDB
Agregación de datos en MongoDB
Transacciones en MongoDB
Replicación y alta disponibilidad en MongoDB
Copias de seguridad y recuperación en MongoDB
Aplicaciones web y móviles
Big Data y análisis de datos
Internet de las cosas (IoT)
Sistemas de recomendación
Social media y redes sociales
Introducción a la integración de datos
Integración con lenguajes de programación (Python, Java, etc.)
Integración con herramientas de Business Intelligence (BI)
Integración con sistemas de almacenamiento en la nube
Conceptos de seguridad en Bases de Datos NoSQL
Autenticación y autorización en MongoDB
Encriptación de datos en Bases de Datos NoSQL
Auditoría y control de acceso en Bases de Datos NoSQL
Estado del arte de la inteligencia artificial
Filosofía de la inteligencia artificial
Futuro de la inteligencia artificial
Procesos de desarrollo de proyecto con inteligencia artificial
Los datos, tu mayor activo
Aprendizaje automático
Aprendizaje profundo
Transformers
Generación de datos sintéticos
Hiperparámetros en los modelos de inteligencia artificial
Regresión lineal
Regresión no lineal y Support Vector Machine (SVM)
Árboles de decisión y bosques aleatorios
Lógica difusa y descenso del gradiente
Sistemas de recomendación
Preparación del entorno de trabajo. Anaconda, Visual Studio Code y Python
Dataset de entrada y procesado de datos
TensorHub, TensorFlow y Keras
Tratamiento de imágenes
Generación de modelos de inteligencia artificial
Introducción
Regresión lineal, múltiple y logística (I)
Regresión lineal, múltiple y logística (II)
Máquina de vectores soporte (SVM)
Árboles de decisión
KNN (K-Nearest Neighbors)
Naive bayes
Evaluación de modelos supervisados
Ejercicio de ejemplo
Ejercicio propuesto
Introducción a clustering: propósito y métricas
K-means clustering
Clústering jerárquico, otras técnicas y ejemplos
Análisis de componentes principales (PCA)
Ejercicio de ejemplo PCA
Redes neuronales artificiales (ANN) (I)
Redes neuronales artificiales (ANN) (II)
Redes neuronales artificiales (ANN) (III)
Ejercicio de ejemplo
Ejercicio propuesto
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
Introducción
Algoritmos
Introducción
Filtrado colaborativo
Clusterización
Sistemas de recomendación híbridos
Clasificadores
Algoritmos
Componentes
Aprendizaje
Introducción
El proceso de paso de DSS a IDSS
Casos de aplicación
Aprendizaje profundo
Entorno de Deep Learning con Python
Aprendizaje automático y profundo
Redes neuronales
Redes profundas y redes poco profundas
Perceptrón de una capa y multicapa
Ejemplo de perceptrón
Tipos de redes profundas
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
Introducción
Elementos clave para la gestión de proyectos de IA
Características de los proyectos de IA
Introducción a las principales metodologías ágiles y de ideación
Integración de las diferentes metodologías
Introducción
Fase I: Empatizar
Fase II: Definir
Fase III: Idear
Fase IV: prototipar
Lean start-up. Conceptos básicos
Lean Start-up. Herramientas
Scrum. Introducción
Scrum. Roles
Scrum. Ceremonias y artefactos
Introducción
Ideando el proyecto
Ejecutando el proyecto
Algunos consejos a la hora de implementar las metodologías
Resumen y conclusiones
Sector financiero
Sector retail
Sector industria
Sector agricultura
Sector salud
Logística y operaciones
Marketing
Ventas y atención al cliente
Finanzas y control
People analytics
Escenario actual de un sector en auge
Financiación
Startups destacadas
Futuro del ecosistema IA
Inicio de una empresa de IA
Ética. Notas generales
Ejemplos de sesgos
Iniciativas globales
Organismos publicos y regulacion
IA en los ODS
Cuarta revolución industrial
Transformación digital en las empresas
Fundamentos y puntos clave
Beneficios
Tecnologías habilitadoras
Big Data
Cloud Computing
Blockchain
Inteligencia artificial
Realidad virtual y aumentada
BIM
Robots colaborativos
Fabricación aditiva
Hiperconectividad
IOT
Manufacturing Execution System (MES)
Integración y eficiencia de procesos
Casos de uso
Nuevas metodologías: agile, lean startup o design thinking
Educa PHAROS es una solución formativa para empresas que centraliza el aprendizaje, facilita la gestión de usuarios y permite medir el progreso mediante paneles y reportes.
Está dirigido a organizaciones que desean desarrollar habilidades internas, estandarizar la formación por roles y disponer de trazabilidad y métricas de aprendizaje.
Incluye itinerarios por perfiles, gestión de usuarios y permisos, reportes de progreso, certificación, y acceso a masterclass o sesiones en vivo (según plan).
Se apoya en buenas prácticas de seguridad, control de accesos, trazabilidad del aprendizaje y soporte de implementación. Personaliza este texto según tus compromisos (SLA, compliance, etc.).
Educa PHAROS es un modelo formativo de nueva generación que posiciona al capital humano de la empresa a la vanguardia. A través de una plataforma que se adapta a la imagen corporativa de cada empresa y con un total de más de 900 cursos se consigue una formación específica para cada organización. La tarifa plana ilimitada, proporciona a cada empresa el número de cursos que se ajuste a sus necesidades y también la posibilidad de determinar qué empleados podrán tener acceso.
Descarga el dossier del máster
Déjanos tus datos y te abrimos el PDF completo al instante.
Transformación digital e Infraestructuras Inteligentes 
Español 
Créditos 60 ECTS
Industria, Energía y Medio Ambiente 
Inglés
60 ECTS