Máster oficial en Habilidades Técnicas Avanzadas en Inteligencia Artificial y Análisis de Datos

Módulo 1. Introducción al Big Data y Ciencia de Datos

01 Introducción al mundo del Big Data
02 Conceptos de almacenamiento de big data
03 Base de datos NoSQL
04 Conceptos de procesamiento, gestión y computación en la nube
05 Impulsando Big Data con herramientas y tecnologías Hadoop
06 Análisis de grandes datos
07 Análisis de Big Data con aprendizaje automático
08 Flujos de datos de minería y conjunto de elementos frecuentes
09 Análisis de conglomerados
10 Visualización de grandes datos

Módulo 2. Aplicaciones y casos de uso

01 Big data y toma de decisiones: cómo los big data son relevantes en todos los campos y dominios
02 Mapeo y conceptualización de Big Data y su valor en diferentes temas y dominios
03 Gobernanza digital para abordar los desafíos de desempeño dentro de los municipios
04 Uso indebido de datos personales: exploración de la paradoja de la privacidad en la era del análisis de big data
05 Seguridad NoSQL: ¿Se puede influir desde fuera en mi toma de decisiones basada en datos?
06 Big Data, intercambio de conocimientos y proceso de innovación: una revisión sistemática de la literatura
07 Transparencia en los sistemas de IA para la cocreación de valor en la atención sanitaria
08 Big Data y su impacto en el turismo y el emprendimiento`
09 Big Data y Tecnologías Digitales para la Economía Circular en el Sector Agroalimentario
10 Procesos de negocio impulsados ​​por Big Data: cuestiones actuales y nuevas direcciones de investigación
11 Barreras y desafíos prácticos para la toma de decisiones basada en datos en las PYMES de la economía circular
12 Una perspectiva coevolutiva de la organización basada en datos: aspectos destacados de las ciudades inteligentes en la era Covid-19
13 ¿Qué se necesita para construir una ciudad inteligente y sostenible? – Modelado de un algoritmo de ciudades inteligentes

Módulo 3. Seguridad y privacidad de datos

01 Marco de seguridad de la información para la seguridad de la nube y la virtualización
02 Seguridad, integridad y privacidad de la computación en la nube y big data
03 Las formas de detección y prevención de intrusiones en las redes
04 Reconocimiento facial basado en la nube para clientes de bajos recursos
05 Seguridad de la minería de datos para big data
06 Desafíos de seguridad de la computación en la nube y sus soluciones
07 Algoritmos de seguridad para un entorno de nube seguro
08 Desafíos de seguridad de la computación en la nube, análisis de problemas de seguridad y cuestiones forenses de la computación en la nube
09 Impacto del big data en el análisis de la gestión y la asistencia sanitaria
10 Cuestiones de privacidad y seguridad del big data

Módulo 1. Procesamiento y análisis de datos

01 Comprender el momento actual
02 Definición de las zonas
03 La importancia del modelado
04 Procesamiento paralelo masivo
05 Haciendo ETL/ELT
06 Un poco de gobernanza
07 Hablando de seguridad
08 ¿Cuáles son los próximos pasos?

Módulo 2. Visualización de datos

01 Introducción a la visualización de datos
02 ¿Por qué la visualización de datos?
03 Diversos elementos y herramientas de visualización de datos
04 Usando Matplotlib con Python
05 Usando pandas para trazar
06 Uso de Seaborn para visualización
07 Usando Bokeh con Python
08 Uso de Plotly, Folium y otras herramientas de visualización
09 Ejercicios prácticos de visualización, estudios de casos y recursos adicionales

Módulo 3. Técnicas de Recolección y Limpieza de Datos

01 Introducción
02 Contexto, preguntas de investigación y diseños
03 Muestreo, recopilación y análisis de datos
04 Confiabilidad y publicación
05 La observación participante como método de recopilación de datos
06 Actitudes hacia la participación en un experimento de recopilación pasiva de datos
07 Una revisión integradora de las consideraciones metodológicas en la investigación en salud mental: diseño, muestreo, procedimiento de recopilación de datos y garantía de calidad
08 Encuestas Wiki: recopilación de datos sociales abierta y cuantificable
09 Hacia una metodología de muestreo estándar en redes sociales en línea: recopilación de tendencias globales en Twitter
10 Recopilación de datos móviles: inteligente, pero (todavía) no lo suficientemente inteligente
11 Comparación de un sistema automatizado de teléfono móvil con un sistema de recopilación de datos en papel y correo electrónico: subestudio dentro de un ensayo controlado aleatorio
12 Recopilación de Big Data y voluntad de participación de objetos: un marco analítico desde la perspectiva del equilibrio de valor
13 Investigación sobre simulación por computadora Sistema inteligente de análisis y recopilación de Big Data
14 Desarrollo de una aplicación móvil para la recopilación y gestión inteligente de datos de sujetos de ensayos clínicos
15 El sistema CoronaSurveys para la recopilación y el procesamiento de datos de incidencia de COVID 19
16 Marco de red de sensores corporales basado en inteligencia artificial: revisión narrativa: propuesta de un marco de un extremo a otro utilizando sensores portátiles, sistemas de ubicación en tiempo real y algoritmos de inteligencia artificial/aprendizaje automático para la recopilación de datos
17 DAViS: una solución unificada para la recopilación, el análisis y la visualización de datos en la predicción del mercado de valores en tiempo real

Módulo 4. Liderazgo positivo

01 La inteligencia emocional del líder. Un reto colosal para un mundo en crisis.
02 El líder en época de innovación y de profundos cambios.
03 Liderar con sentido es liderar con valores. Misión, visión y operativa.
04 Liderar personas es esencial conocer biología y conducta del individuo y del grupo.
05 Creando y ejecutando estrategia para obtener mejores resultados de negocio con la gestión del conocimiento en la innovación.
06 Comunicación pública y desarrollo de presentaciones eficaces.
07 Liderar el impacto mediático. Comunicación con medios de prensa.

Denominación de la asignatura: Trabajo Fin de Máster
Créditos ECTS: 10
Carácter de la asignatura: Obligatoria
Materia a la que pertenece: Trabajo Fin de Máster