4ª
3º EDICIÓN
Título Propio Universidad Complutense de Madrid
Facultad de Comercio y Turismo UCM
Facultad de Ciencias de la Documentación UCM
Curso 2022-2023
Máster Big Data
Y Data Science
Índice Programa
Data Science
MÓDULOS
Módulo I: Bases de Datos Relacionales
Programación
Módulo II: Lenguajes en Python
de programación
Módulo III: Bases de Datos NoSQL
Módulo IV: Business Intelligence
Módulo V: Fundamentos de Estadística
Módulo VI: Tecnologías del Big Data
Módulo VII: Hadoop/Spark
Módulo VIII: Minería de Datos y Modelización Predictiva
MÓDULOS
Módulo IX: Machine Learning
Módulo X: Deep Learning
Módulo XI: Text Mining
Módulo XII: Redes Sociales y Big Data
Módulo XIII: Scala
Módulo XIV: Visualización Avanzada
Módulo XV: Open Data
Módulo XVI: Trabajo Final de Máster
La importancia del
BIG DATA
Empresas y organismos están
comenzando a adaptarse a la nueva era
Macrodatos
Aplicaciones prácticas
estadístico,
Duración:
Modalidades:
Créditos ECTS:
60
Clases Presenciales:
Viernes
Sábado
Metodología modalidad Online
¿Por qué estudiar
en la UCM?
¿Por qué estudiar un Máster propio de la UCM?
Convenios con empresas
Programa Máster
Big Data y
Data Science
Módulo I: Bases de Datos Relacionales
Índice de Contenidos
Módulo II: Programación en Python
Características, tipos de datos, estructuras de control de flujo, funciones, parámetros, manipulación de cadenas,
estructuras de datos…
El objetivo general de este módulo es adquirir los conceptos fundamentales para sentar las bases que permiten
dominar el lenguaje de programación Python, administrado por Python Software Fundation bajo código abierto.
Índice de Contenidos
Esto significa que permite modificaciones De la Fuente del programa sin restricciones, lo que le dota de un gran
potencial gracias a los múltiples equipos de desarrolladores que trabajan en la mejora del mismo en el mundo.
Esta libertad y capacidad de evolución del propio lenguaje de programación Python, es probablemente uno de los
factores por los que está teniendo una implantación fortísima en el ámbito del análisis de datos, la ciencia de los
datos y el Big Data.
Su conocimiento es imprescindible para cualquiera que trabaje en estas áreas y otras relacionadas. Todas estas
razones, le convierten en uno de los imprescindibles de nuestro programa del Máster en Big Data y Business
Analytics.
Otro atractivo con el que cuenta este módulo es su enfoque práctico, nuestro programa no solo incluye la teoría
necesaria también la visión práctica para experimentar sus técnicas básicas en una amplia gama de aplicaciones.
Índice de Contenidos:
Dentro de esa base teórica imprescindible para la posterior aproximación a sus múltiples funciones, se verán
contenidos como: Introducción a la programación con Python y conceptos básicos como:
Variables, instrucciones generales, tipos de datos y operaciones. Estos conocimientos impartidos nos permitirán
a continuación abordar otros aspectos como:
Entrada y salida.
Estructuras de control:
Elección, iterativas.
Funciones. Recursividad. Orden superior en Python. Expresiones lambda, map y reduce.
Estructuras de datos fundamentales: colecciones, listas, duplas, conjuntos, diccionarios. Programación orientada
a objetos:
Liberas para el procesamiento numérico y estadístico y para el análisis de datos.
Módulo III: Bases de Datos NoSQL
Introducción a las bases de datos NoSQL Introducción a MongoDB
Dominar el Find
Mongo vs. Cassandra
Proyección, Indexes & Aggregation Cursores
Operaciones CRUD
Módulo IV: Business Intelligence
Módulo V: Fundamentos estadísticos
Estadística descriptiva:
Inferencia:
Módulo VI: Tecnologías del Big Data
Internet of things as a Service
Conectividad con fuentes de datos heterogéneas a través de bróker de mensajes y hubs con dispositivos.
Spark
Hadoop
existentes.
Módulo VII: Hadoop y Spark
Módulo VIII: Minería de Datos y Modelización Predictiva
Módulo IX: Machine Learning
y Python.
Módulo X: Deep Learning
Bloque 1: Redes Neuronales
Bloque 2: Redes Convolucionales. Imágenes.
Bloque 3: Redes Recurrentes
Bloque 4: Embeddings, Autoencoders y Redes Generativas
Módulo XI:
Módulo XI:
Módulo XI: Text Mining
Módulo XII:
Módulo XII:
Módulo XII: Redes Sociales y Big Data
Comenzaremos haciendo un análisis de propiedades de una red social desde la prespectiva de los macrodatos,
tratando aspectos diversos como la densidad, tamaño o diámetro.
Módulo XIII: Lenguaje de Programación Scala
Módulo XIV: Visualización avanzada y Herramientas de Visualización
Módulo XV: Open Data
Índice de Contenidos
Módulo XVI: Trabajo Fin de Máster
Equipo directivo
Máster BIG DATA Y
DATA SCIENCE
María Concepción
Directora
Equipo docente del Máster
Big Data y Data Science
José Carlos Soto Gómez
“Aprende con los mejores profesionales del Big Data y Data Science”
Equipo Docente
PROFESORES
María José Alicia Gabriel
María Isabel Carlos Ismael
Gómez Silva Pérez Alonso Marín Díaz
Riomos Callejo Ortega Fernández Yuste
Docente UCM Senior Data Scientist en Teradata Strategic Cloud Engineer en Google
"Doctora en Profesora adjunto de la PhD. Data Scientist. Profesor.
Ingeniería Eléctrica, Electrónica y Universidad Más de 25 años de
AutomáticaActualmente Ayudante Complutense de Madrid. experiencia en la
Específico Doctor en el Doctora por la Universitat d'Alacant mejora de procesos y definición
Departamento de Ingeniería de de modelos de negocio.
Sistemas y Automática de la Especialista en Analítica
Universidad Carlos III de Madrid de Datos, Customer
y subdirectora del Colegio Experience, Consultoría
Mayor Fernando Abril Martorell." Tecnológica y Gestión de Equipos.
Jose Javier
Javier Armando
Pedro Eduardo
José Ángel
Galán Cantalejo
Castro Hernández HerasCerezo
Concejero Ruiz Fernández
Carballo Sánchez
Docente UCM Data Scientist e investigador NLP and ML Engineer en Telefónica
Responsable de Sistemas CED/ Profesor conductual
COO en at Telefónica
Meep Data Scientist & ML Engineer.
U. Complutense. Licenciado en Especializado en finanzas, Licenciado y Doctor en Matemáticas
Ingeniería Informática por la auditorías y financiación. Su (UCM) e Ingeniero Informático (URJC)
universidad de Alcalá. Actualmente función reside, entre otras cosas, con una larga trayectoria en
profesor Asociado en la UCM y en crear ecosistemas modelización numérica y
Responsable de Sistemas en CED emprendedores a través de la ciencia de datos, como investigador
inversión, creación de empresas primero y ahora como líder de
y desarrollo de proyectos. ciencia de datos en el
sector privado.
Equipo Docente
PROFESORES
Santiago
Lorenzo Pedro Pablo
Manuel Pedro
Guillermo
Mota Herce
Escot Mangas Malagón Amor
Álvarez Sáez Concejero
Villarino Cerezo
Martínez
Profesor Titular de la UCM Consultor Tecnológico Doctor en Data Science
Santiago, Senior Data Scientist y Principal Architect en Google. Profesorpor
Machine
la UCM Learning,
consultor freelance en Business Licenciado en Informática de Artificial Intelligence,
Intelligence, Machine Learning y Sistema y con más de 5 años de Text Mining and Social
estrategia. Entre sus clientes, ha experiencia trabajando para Netwokr Analysis. Con
asesorado a empresas de renombre empresas líderes como Google experiencia como Data
como Bankia, Vodafone, Teradata o y Microsoft. Actualmente trabaja Scientist está enfocado:
The Boston Consulting Group. como Principal Architect, en el aplicación tecnologías Big
ámbito de la nube pública y la Data, Machine Learning y Deep
tecnología empresarial. Learning problemas de negocio.
Pablo J.
Santiago Luís
Javier José Ángel
Álvaro
Villacorta
Mota Herce Gascó Sánchez
Domínguez Gómez Carballo
Bravo Acosta
Corporate Advisor Cryptographer & Software Engineer Ingeniero Técnico Informático
en Sistemas
"Spark-certified Data scientist at Luis es Doctor por la Universidad "Data Scientist/ IA engineer
Santalucía Seguros. Doctor Politécnica de Madrid con 4 años de Tras trabajar como consultor
en Ciencias de la Computación experiencia analizando datos de en numerosos proyectos de
e IA, Ing. Informático y Lic. en entornos urbanos y más de 3 Data Science en Bankia, Vodafone...
Estadística por la Univ. de Granada. analizando textos de redes Actualmente Data Scientist &
Desarrollador Certificado en Spark sociales aplicando técnicas de Artificial Intelligence Engineer
2.x por Databricks y autor de Machine Learning, datos abiertos en Telefónica, diseñando e
varios paquetes de R publicados y técnicas estadísticas y NLP. implementando la plataforma de
en CRAN." Inteligencia Artificial Aura NLP"
Equipo Docente
PROFESORES
Javier
Adolfo Guillermo
Pablo J. Charles
Charles
Dominguez
Hernández Estrada Villarino
Villacorta FloresEspinoza
Flores Espinoza
Profesor Titular Área de Estadística Big Data Engineer en
e InvestigaciónService
"Cybersecurity Operativa
HubUCM
and "Doctorado en Data Science por DataStratio Big Data
Engineer & Data
Tech. Lead en Grupo GFT. la UCM Architect en Mercedes-BEnz AD
Actualmente en un proyecto en Sus principales líneas de investigación con experiencia en Spark, Scala,
BBVA como Service Hub de uno están centradas en modelos de Python, Azure, PySpark. Charles es
de los principales CERT, en donde Machine Learning y tratamiento de avalado por sus más de 10 años de
desarrolla y gestiona la ingesta la información para la toma de experiencia en el sector. Intenta ser,
masiva de datos de diferentes decisiones en el ámbito de la además, Data Scientist a ratos.
fuentes de datos. Clasificación Supervisada."
Carlos
Pedro Pablo Alvaro
Fernando Alberto
Luis
Malagón
Ortega Amor
Fernández Velasco
Bravo Acosta GascóRubio
Sánchez
Sales Engineer Google Cloud Investigador de técnicas y Data Scientist
"Senior Data Scientist en The "Ingeniero Técnico Informático "Architecture Manager - Cloud
Adecco Group. Experto en desarrollar en Sistemas, experto en Migration Services en Vodafone
capacidades avanzadas basadas en Tecnologías Big Data, BI y Analítica. Responsable de la arquitectura
datos, algoritmos y Machine Ha trabajando en diferentes de la migración de las soluciones
Learning para todo tipo de consultoras (Minsait, Sopra Steria, heredadas, analíticas y de inteligencia
industrias. Actualmente trabaja como Everis and NTT Data Company) empresarial en todo el Grupo Vodafone
Senior Data Scientist en The para clientes externos como a la nube de Google, diseñando
Adecco Group." ISBAN y BBVA. Actualmente trabaja y desarrollando un nuevo servicio
en DevOps en equipo de central para BI y Analytics en
Producto Frameworks en Stratio." todo el mundo."
Equipo Docente
PROFESORES
Alberto
Alberto Adolfo Luis
Ezpondaburu
Ezpondaburu Hernandez Estrada Garmendia Salvador
NLP Specialist
Data Scientist en Lang.ai | Director del Departamento de "Departamento de
Deep Learning Professor. Economía Financiera y Actuarial Ingeniería del Software
Alberto es ingeniero de y Estadística, UCM. Licenciado e Inteligencia Artificial (DISIA)
telecomunicaciones, matemático y Doctor en Ciencias Matemáticas, Universidad Complutense de Madrid
y trabaja de data Scientist en Estadística e Investigación Miembro del EUSFLAT - European
Lang.ai. Es experto en NLP y Operativa. Director del Grupo Society for Fuzzy Logic and Technology
en la aplicación de técnicas de Investigación UCM "MECOCISO" Miembro del Grupo de Soft Computing
de inteligencia artificial en de la facultad de Informática de la UCM"
diversas ramas.
Juan Carlos Alvaro
Pablo Alberto
Férnandez Palomino Bravo
RuízAcosta
Ruíz Rubio
"Data Engineering Manager @ "Machine Learning "Architecture Manager - Cloud
Vodafone Group Engineer en Twilio Inc y Advisor Migration Services en Vodafone
Actualmente es ingeniero de datos en Langoo. Licenciado Responsable de la arquitectura
principal en Cloud Data Services en Ingeniería Química por la de la migración de las soluciones
( Vodafone Group ) para asegurar Universidad Politécnica de heredadas, analíticas y de inteligencia
la operación de datos en la Madrid. Actualmente encargado empresarial en todo el Grupo Vodafone
plataforma de análisis basada en del Machine Learning and Web a la nube de Google, diseñando
Google con la ejecución de tuberías Development en Twilio.." y desarrollando un nuevo servicio
robustas y fuertes controles central para BI y Analytics en
de calidad de datos." todo el mundo."
Equipo Docente
PROFESORES
Javier
Alberto Ana Lucía Jose Carlos
Castro Cantalejo
Ezpondaburu Sandoval Orozco Sánchez
NLP Specialist
"Docente en la UCM Doctor Doctora en Ingeniería "Senior Qualified -
por la Universidad Complutense Informática por la UCM. Data Analyst | Business Intelligence.
de Madrid con la tesis Investigadora y experta en la SDG Group. Licenciado en
Reparto de holguras y costes en teoría de la codificación, Ingeniería e Ingeniería
una red Pert 2007. Javier tiene la seguridad de la información Química por la Universidad
experiencia, como miembro y sus aplicaciones. Politécnica de Valencia.
de grupos de investigación. Experto Experto en analista de Datos y
en «Text Mining y Redes Sociales»." Business Intelligence. "
Información
GENERAL
Del aula a la empresa
Salidas profesionales
- Data Analyst
- Auditor de sistemas de datos masivos
- Arquitecto de Business Intelligence
- Desarrollador de datos a gran escala
- eComerce Data Analyst
- Digital Transformation for Companies
- Data Steward
- Data Artist
- Chief Data Officer (CDO)
- Data Scientist
1. Preinscripción
1. Preinscripción
Envía tu solicitud para iniciar el proceso.
2. Entrevista
2. Entrevista
La entrevista se llevará a cabo a través
de una videollamada con el coordinador
del Máster.
3. Admisión
3. Pre-admisión
Confirmación de tu candidatura como
alumno del Máster Propio de Big Data y Data
Science UCM.
4. Reserva de plaza
4. Plazas limitadas
Realización de un pago inicial."
Información
DE ADMISIÓN
Tanto la preinscripción como la prematrícula quedan abiertas hasta comenzar el curso académico o completar
550
plazas, estableciendose lista de espera si procede. Deberán ingresar 550 euros en concepto de pago inicial para el
máster presencial y 400 euros en concepto de400 pago inicial para el máster online. Estas cantidades serán descontadas
del importe total de la matrícula. En ningún caso se tendrá derecho a devolución de este importe a excepción de que
no se llegara a celebrar el curso.
Documentación requerida
Fotocopia del DNI/pasaporte.
Certificado de notas oficial.
Título universitario o resguardo de solicitud de título.
Currículum Vitae.
Alumnos con titulación fuera de España
Unión Europea:
Fuera de la Unión Europea:
Información General
PRESENCIAL
Horarios y Fechas Lugar y Créditos Precio
Inicio:
Inicio: Octubre 2022. Lugar:
Lugar: Facultad de Precio:
Precio: 6550€ + 40€ de
Fin: Comercio y Turismo de la tasas de preinscripción de
Fin: Septiembre 2023 con UCM, situadaen Avda. de la UCM.
la entrega del TFM. Filipinas,3.
Viernes: Pregunta por nuestras becas,
Viernes: De 16:00 a 21:00 facilidades de pago, prácticas
Sábados: en empresas y bolsa de
Sábados: De 9:00 a 14:00 Créditos: 60 ECTS.
Créditos: trabajo.
Procedimiento evaluación Materiales e instalaciones
Información General
ON-LINE
Horarios y Fechas Créditos Precio
Inicio:
Inicio: Octubre 2022. Créditos:
Créditos: 60 ECTS. Precio:
Precio: 4400€+ 40€ de
Fin: tasas de preinscripción de
Fin: Septiembre 2023 con la UCM.
la entrega del TFM.
Metodología 100% On-line
Características plataforma On-line
La plataforma cuenta con:
PLAZAS
PLAZASLIMITADAS
LIMITADAS
Inicio
Iniciodel Máster: Octubre
delMáster:
CONTACTO
CONTACTO
Teléfono
Teléfono E-mail
E-mail Sitio Web
Sitio Web
***
