Máster en Arquitectura Big Data

Asignaturas del Máster en Arquitectura Big Data

APACHE SPARK

En el contexto actual el volumen de datos, la velocidad de generación y la variedad de los mismos suponen un reto tecnológico que controlado puede aportar muchas ventajas competitivas. En este escenario es donde Apache Spark cobra gran importancia ya que es una tecnología concebida para dominar todas las facetas de los datos masivos. Apache Spark es más rápido que Hadoop y puede coexistir en su ecosistema, entiende SQL, está pensado para los desarrolladores gracias a sus APIs, es el motor de Big Bata de facto.

En esta asignatura el alumno aprenderá de forma práctica a tratar datos de forma masiva mediante PySpark, la API de Spark para Python.

Temario: Introducción a Procesamiento Paralelo y Escalado Horizontal, Introducción a Spark, APIs de Spark. Resilient Distributed Datasets. Mejorar el rendimiento de Spark con Dataframes, Creación de dataframes, Interoperabilidad con RDDs, Consultas SQL. Introducción a Machine Learning con Spark

DEFINICIÓN STACK DIGITAL

Adquirir conocimientos sólidos sobre el Stack de Marketing Digital que las compañías necesitan para afrontar el reto de la transformación digital. Haremos un especial foco en las soluciones de Marketing Digital que ayudan a las organizaciones a conocer y entender a su cliente con el objetivo de proporcionar la mejor experiencia posible.

Se revisará el rol del Marketing Digital y su Stack en la empresa, principios, beneficios que aporta, objetivos que persigue, retos a la hora de implementarlos y los principales componentes y usos. Profundizaremos en los retos que las organizaciones tienen a la hora de implementar un Stack digital, y como estos retos en algunos casos son tendencias presentes y pendientes de resolver.

Temario: Introducción al Ecosistema Digital. La experiencia del cliente, el nuevo viaje del cliente. El rol del nuevo Marketing Digital en La Nube. El Nuevo Stack Digital: principios del Stack Digital. Componentes principales: Analítica Digital, web, mobile (conociendo a tu cliente digital); Plataforma de Gestión de Datos DMP (activando tus campañas digitales); Gestión de Contenidos Omnicanal (creado una experiencia); Gestión de Activos Digitales (gestionando tus activos digitales); Gestión de Campañas Omnicanal (unificación y control de tus comunicaciones); Social Media Campaign (escucha activa y acción en redes sociales); Personalización & A/B testing (mejorando la conversión); Motores de E-Commerce (el modelo que no debemos obviar); Customer Relationship Management CRM (ventas y servicio); Publicidad Digital, programática y el nuevo paradigma (activación, el journey digital); Marketing de Atribución (asignando el éxito de las campañas de forma justa); Inteligencia Artificial y Marchine Learning (aplicación a los nuevos ecosistemas de Marketing Digital); ¿Se requiere el mismo Stack Digital en todos los sectores? Principales diferencias. Barreras de Adopción y éxito a las que se enfrentan las organizaciones. Tendencias del nuevo Stack Digital. Agentes que deben de formar parte en un proceso de decisión de un Stack Digital en la organización. ¿Qué criterios debo de tener en cuenta para llevar a cabo un proceso de selección de mi Stack Digital? ¿Por dónde Empezar?

ARQUITECTURA BIG DATA

Introducción a los principales patrones arquitecturales de Big Data, así como sus principios y motivaciones. Descripción, uso y responsabilidades de sus componentes. Análisis de las tecnologías y herramientas más relevantes del mercado.

Temario: Introducción. Definición, historia y motivaciones. Tipos de datos. Repositorios. Principales patrones de la arquitectura Big Data. Arquitectura Lambda y Kappa. Definición y principios de sus componentes. Arquitectura basada en eventos. Patrones de micro-servicios. Procesamiento en tiempo real. Tecnologías relevantes. Principales casos de usos

TRANSFORMACIÓN DIGITAL

La transformación digital recoge las nuevas oportunidades de estrategia de negocios que surgen gracias a la aparición de las nuevas tecnologías. Este cambio no es sólo tecnológico sin que lleva consigo nuevas habilidades y aptitudes, tanto en lo organizacional como lo individual. Reinvención de organizaciones y personas que afectan al mercado global tradicional. La transformación digital no está enfocada a la tecnología utilizada (Big Data, cloud, Internet de las cosas, movilidad, social business…) sino en utilizarla para lograr los objetivos corporativos y la supervivencia en un entorno altamente competitivo y tecnológico.

En la actualidad, la transformación digital no es una opción, es una necesidad. Las empresas de hoy ya no pueden plantearse otro panorama ya que no existe otra manera de renovarse y competir que mediante la transformación digital. Las corporaciones españolas que se han sumergido en la digitalización registran un incremento en sus ventas del 39% y demuestran valores mayores a países como Francia, Alemania o Reino Unido según un estudio de CA Technologies.

Temario: Conceptos fundamentales de la transformación digital y los habilitadores clave que requiere la digitalización. Ecosistema Digital: Digitalización y Transformación Digital, Impacto en Mercado y Empresas, Impacto de la Digitalización en las Personas, Modelos de negocio. Habilitadores: Experiencia de Cliente y Producto, Analítica y Big Data, Tecnología e Infraestructuras, Talento, Cultura y Organización

Conceptos clave para la gestión de una empresa digital. Marketing Digital: Entorno, Consumidor más marca, Plan de Marketing. E-Commerce. E-Care

MACHINE LEARNING

En la era de los datos o Big Data, la estadística clásica y las visualizaciones tradicionales no son suficientes para obtener todo el valor de los datos, ya que el volumen y complejidad de los mismos dificulta encontrar las complejas relaciones internas entre ellos.

Machine Learning es una rama de la Inteligencia Artificial cuyo objetivo es desarrollar técnicas que permitan a los ordenadores “aprender”, permitiendo superar los límites de la intuición humana. Un Data Scientist necesita incluir estas técnicas en su caja de herramientas para afrontar los nuevos retos de la era de los datos.

En esta asignatura el alumno aprenderá fundamentos de aprendizaje automático, la metodología necesaria para abordar proyectos de este tipo y además explorará las principales técnicas de Machine Learning como Árboles de Decisión, Redes Neuronales o Clustering con ejemplos prácticos. Además se introducirá al alumno en R como lenguaje de análisis de datos, muy demandado en las empresas actualmente.

Temario: Introducción y fundamentos de Machine Learning (Conceptos básicos de aprendizaje automático, Metodología CRISP-DM, Evaluación de modelos). Introducción al lenguaje estadístico R (Preparación de los datos, Análisis básicos, Visualización). Técnicas de Aprendizaje Supervisado (Árboles de decisión y Random Forest, Redes Neuronales Artificiales, Support Vector Machines). Técnicas de Aprendizaje no Supervisado (Clustering con K-means)

BASE DE DATOS NOSQL Y DATA GOVERNANCE

Data Governance en su sistema de decisiones y responsabilidades para procesos relacionados con la información, ejecutados de acuerdo con unos modelos acordados, que describen quién puede tomar qué acciones, con qué datos y cuándo, en qué situaciones, y utilizando qué métodos.

En esta asignatura también se tratará el concepto de base de datos NoSQL. Cuando hablamos de base datos NoSQL, también conocidas como “No sólo SQL”, nos referimos a una amplia clase de sistemas de gestión de datos (mecanismos para el almacenamiento y recuperación de datos) que difieren, en aspectos importantes, del modelo clásico de relaciones entre entidades (o tablas) existente en los sistemas de gestión bases de datos relacionales, siendo el más destacado el que no usan SQL como lenguaje principal de consulta.

Temario: BASE (Basically Available Soft-state Eventual Consistency. Escalabilidad horizontal. Escalabilidad distribuida: Sharding; Réplica maestro-esclavo; Réplica peer-to-peer. Tolerancia de fallos y redundancia: Base de datos de documentos (JSON, BSON, XML); Almacenamiento Clave-Valor; Base de datos de grafos; Base de datos Columnar

SISTEMAS COGNITIVOS: INTELIGENCIA ARTIFICIAL

La asignatura de Sistemas Cognitivos pretende acompañar al alumno en el conocimiento de las nuevas tendencias en Inteligencia Artificial, Aprendizaje Automático (Machine Learning) e interfaces avanzados hombre-máquina. Combina elementos teóricos con casos de uso reales y tutoriales para iniciarse en la IA.

Temario: El origen de la inteligencia artificial: Darmouth College. Renacer de la IA: Big data y Jeopardy. Aprendizaje automático. Redes neuronales avanzadas. Procesamiento del lenguaje natural. Visión artificial y realidad aumentada. Asistentes virtuales (chatbots). Aplicaciones reales de los Sistemas Cognitivos: Casos de Uso. Tendencias de futuro: implicaciones éticas de la IA , transhumanidad

CIBERSEGURIDAD – LEGALIDAD VIGENTE E INTRODUCCIÓN A FINANZAS CORPORATIVAS

Esta formación acercará al alumno a las novedades legislativas que han surgido a raíz de la aprobación del nuevo Reglamento General de Protección de Datos de la Unión Europea 2016/679 que será aplicable a partir del 25 de mayo de 2018, así como al fenómeno “COMPLIANCE” que trae de cabeza a muchas organizaciones, la regulación jurídica del e-Commerce y el control de los medios tecnológicos que se pueden hacer por parte de las empresas. Se trata de una formación que será especialmente útil para profesionales que pretendan especializarse en BIG DATA, E- COMMERCE o Seguridad de la Información.

Temario: 1. Seguridad en redes WiFi. 1.1. Tipos de securización. 1.2.  Vulnerabilidades en redes Wifi. 1.3.  Vulnerabilidades en router domésticos.1.4.  Análisis Forense de routers domésticos. (práctico) 1.5.  Interceptación de comunicaciones WiFi. (práctico) 1.6.  Identificar al “pirata” en redes WiFi. (práctico) 1.7.  Redes WiFi como OSINT, seguimiento de personas. (práctico)

2. Seguridad en dispositivos IoT 2.1. Motivación de la necesidad de securización dispositivos IoT.2.2. Drone Forensics (práctico) 2.3.  Vulnerabilidades en enchufes inteligentes  (práctico) 2.4.  Seguridad en SmartWatchs 2.5.  Forense en Linux avanzado  (práctico) 2.6.  Inseguridad en dispositivos KODI (Televisión pirata)  (práctico) 2.7.  Chip-Off para análisis de dispositivos IoT  (práctico)

3. Seguridad en Redes Sociales y Smartphones 3.1. Ciberataques en Redes Sociales (práctico) 3.2.   Seguimiento de perfiles en Twitter  (práctico) 3.3.   Ataque a un perfil de Twitter  (práctico) 3.4.  OSINT contra Twitter e Instagram  (práctico) 3.5.  Troyanización de smartphones via redes sociales  (práctico)

4. Nuevos tipos de ciberataques 4.1. Ataque PowerBank 4.2.  Seguridad en almacenamiento de memoria 4.3.  Ataques vía email  (práctico) 4.4.  BIDI attack  (práctico) 4.5.  SWAT attack  (práctico) 4.6.  USB RubberDucky  (práctico) 4.7.  USB Killer  (práctico)

Implicaciones del nuevo Reglamento General de Protección de Datos de la Unión Europea 2016/679. Conocer los aspectos claves necesarios para la adecuación de las organizaciones al nuevo modelo normativo de protección de datos. El compliance penal en las empresas. La figura del compliance officer. La importancia de los planes de prevención penal y las líneas comunes con la protección de datos. La nueva norma UNE 19601. Determinar los documentos peligrosos que nos podemos encontrar en una empresa desde el punto de vista civil, fiscal y laboral. Control empresarial y uso de medios tecnológicos por los trabajadores. Regulación jurídica básica de las relaciones en entorno E-commerce.

Los conocimientos financieros son imprescindibles cuando se toman decisiones en un entorno cambiante y con un futuro incierto. Este módulo permitirá al alumno disponer de los elementos cuantitativos necesarios para calibrar el riesgo y tomar decisiones de valor para la organización.

Temario: Entender, asimilar y utilizar la información proporcionados por los estados financieros, proporcionando las herramientas necesarias para su análisis. Conocer los elementos que componen un Cuadro de Mando Integral. Aprender los procesos de la gestión presupuestaria. Cómo se pasa de misión y metas a objetivos concretos con base en un presupuesto. Que es el LRP, qué es el DB, Qué es un forecast. Qué es un Rolling forecast. Profundizar en la estructura financiera de la empresa. (Liquidez. Tesorería. Riesgo financiero. Coste de capital/ WACC. Apalancamiento financiero. Riesgo financiero. Control de liquidez. Riesgo tipo de interés. Clases de activos financieros). Determinar los elementos claves en el análisis de las inversiones.

Qué es un análisis de escenarios, qué es un análisis de sensibilidad. NPV, VAN, Payback, flujo de caja descontado, TIR, TIR Corregida, IR. Business Case. Profundizar en conceptos y las herramientas de medición de desempeño empresarial que surgen de la economía digital (SAC, CAC, MRC, Churn, CAC Payback Period, Viability Threshold)

APLICACIONES DE USO Y CASOS DE ÉXITO

Desde estos puntos podremos ver proyectos de transformación digital con diferentes aproximaciones tanto interna como externa. Con el uso de las nuevas tecnologías como Big Data, Machine Learning, eCommerce, API-LED, el entorno Cloud y los servicios relativos a la misma (SaaS, PaaS, IaaS, …), IoT, etc. muchas empresas están en el camino de la transformación.

En un mercado de competencias cada vez más cambiante, con una necesidad de adaptación inmediata a las nuevas tecnologías y dónde la estrategia de la nube está cambiando el concepto de las relaciones con los clientes, nos disponemos explorar por medio de casos de éxito y otras experiencias que no han salido bien, cómo diferentes compañías han solventado o se encuentran en el camino de su transformación digital.

Temario: Camino de la transformación digital. La importancia del Data Governance. Proyectando la transformación digital. La extensión de la empresa – traspasando las fronteras. Al borde del abismo. Montando el puzzle