Home / FACULTAD DE CIENCIA DE DATOS E INTELIGENCIA ARTIFICIAL / Curso Superior en Data Analyst

Curso Superior en Data Analyst

Incluye contenido gratis con tu suscripción

Solicita información gratis

Estoy de acuerdo con la Política de privacidad.

Matricúlate ahora online

Sobre este curso

Titulación universitaria

300 h

Online

12 ECTS (Créditos)

Facultad De Ciencia De Datos E Inteligencia Artificial

Data Science

Advertencias Legales

Titulación de Curso Superior en Data Analyst

Titulación Universitaria de Curso Superior en Data Analyst con 300 horas y 12 créditos ECTS por la Universidad Católica de Murcia

Vídeo de universitarios opinando sobre la Universidad Católica San Antonio de Murcia

Esta formación incluye contenido gratis con tu suscripción Educa University

¿Aún no te has suscrito? En Educa University, respondemos ágilmente a las necesidades educativas de un mundo digitalizado y en constante cambio. Somos líderes en el desarrollo de programas educativos y herramientas IA, con alianzas con prestigiosas universidades en Europa, Estados Unidos y América Latina.

Suscríbete ahora

Objetivos

Aprender los conceptos de Bases de Datos NoSQL, Data Warehouse y Data Mining, así como su aplicación.

Crear y gestionar una base de datos en MongoDB y procesar datos con Hadoop.

Entender qué es la inteligencia de negocio y qué tipos de herramientas existen para su aplicación.

Comprender el uso de la analítica web para Big Data y su aplicación mediante la herramienta de Google Analytics.

Realizar una programación estadística básica en Python y R.

¿Por qué elegir Curso Superior en Data Analyst?

¿Te has dado cuenta de que el mundo actual está inundado de datos? Cada clic, cada compra, cada interacción en línea genera una cantidad ingente de información. Pero, ¿de qué sirve toda esa información si no sabemos interpretarla? Aquí es donde entra en juego el Curso Superior en Data Analyst.

Este curso está diseñado para convertirte en un experto en análisis de datos, una de las habilidades más demandadas en el mercado laboral actual. Aprenderás a manejar bases de datos NoSQL, Data Warehouse y Data Mining, herramientas esenciales para procesar y analizar grandes volúmenes de información. Además, te familiarizarás con tecnologías como MongoDB y Hadoop, fundamentales para la gestión eficiente de datos.

La inteligencia de negocio es otro pilar de este curso. Comprenderás cómo las empresas utilizan los datos para tomar decisiones estratégicas y cómo puedes aplicar este conocimiento para impulsar cualquier organización. La analítica web también es parte del temario, enseñándote a utilizar herramientas como Google Analytics para interpretar el comportamiento de los usuarios en línea.

Pero eso no es todo. La programación estadística en Python y R es una competencia clave que adquirirás, permitiéndote realizar análisis avanzados y desarrollar modelos predictivos. Estas habilidades te abrirán las puertas a roles como Analista de Datos, Experto en Big Data o Ingeniero de Datos, profesiones altamente valoradas y bien remuneradas en el mercado actual.

Este curso está dirigido a graduados universitarios y profesionales que deseen actualizar sus conocimientos y adaptarse a las tendencias actuales en análisis y procesamiento de datos. La metodología es 100% online, lo que te permite acceder al contenido desde cualquier dispositivo y en cualquier momento, adaptándose a tu ritmo de vida y aprendizaje.

No dejes pasar esta oportunidad de convertirte en un profesional del análisis de datos. El futuro pertenece a quienes saben interpretar la información y tomar decisiones basadas en datos. Inscríbete en el Curso Superior en Data Analyst y da el siguiente paso en tu carrera profesional.

Contenido

MÓDULO 1. BIG DATA INTRODUCCIÓN

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

MÓDULO 2. DATA ANALYST

UNIDAD DIDÁCTICA 1. DATAMART. CONCEPTO DE BASE DE DATOS DEPARTAMENTAL
Aproximación al concepto de DataMart
Procesos de extracción, transformación y carga de datos (ETL)
Data Warehouse
Herramientas de Explotación
Herramientas para el desarrollo de cubos OLAP
UNIDAD DIDÁCTICA 2. DATAWAREHOUSE O ALMACÉN DE DATOS CORPORATIVOS
Visión General. ¿Por qué DataWarehouse?
Estructura y Construcción
Fases de implantación
Características
Data Warehouse en la nube
UNIDAD DIDÁCTICA 3. INTELIGENCIA DE NEGOCIO Y HERRAMIENTAS DE ANALÍTICA
Tipos de herramientas para BI
Productos comerciales para BI
Productos Open Source para BI
Beneficios de las herramientas de BI
UNIDAD DIDÁCTICA 4. HERRAMIENTA POWERBI
Business Intelligence en Excel
Herramienta PowerBI
UNIDAD DIDÁCTICA 5. HERRAMIENTA TABLEAU
Herramienta Tableau
UNIDAD DIDÁCTICA 6. HERRAMIENTA QLIKVIEW
Instalación y arquitectura
Carga de datos
Informes
Transformación y modelo de datos
Análisis de datos
UNIDAD DIDÁCTICA 7. 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 8. 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 9. PYTHON Y EL ANÁLISIS DE DATOS
Introducción a Python
¿Qué necesitas?
Librerías para el análisis de datos en Python
MongoDB, Hadoop y Python. Dream Team del Big Data
UNIDAD DIDÁCTICA 10. 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 11. PRE-PROCESAMIENTO & PROCESAMIENTO DE DATOS
Obtención y limpieza de los datos (ETL)
Inferencia estadística
Modelos de regresión
Pruebas de hipótesis
UNIDAD DIDÁCTICA 12. ANÁLISIS DE LOS DATOS
Inteligencia Analítica de negocios
La teoría de grafos y el análisis de redes sociales
Presentación de resultados

MÓDULO 3. PREDICTIVE DATA ANALITYTICS: DATA MINING Y MACHINE LEARNING

UNIDAD DIDÁCTICA 1. MINERÍA DE DATOS O DATA MINING Y EL APRENDIZAJE AUTOMÁTICO
Introducción a la minería de datos y el aprendizaje automático
Proceso KDD
Modelos y Técnicas de Data Mining
Áreas de aplicación
Minería de textos y Web Mining
Data mining y marketing
UNIDAD DIDÁCTICA 2. ECOSISTEMA HADOOP
¿Qué es Hadoop? Relación con Big Data
Instalación y configuración de insfraestructura y ecosistema Hadoop
Sistema de archivos HDFS
MapReduce con Hadoop
Apache Hive
Apache Hue
Apache Spark
UNIDAD DIDÁCTICA 3. WEKA Y DATA MINING
¿Qué es Weka?
Técnicas de Data Mining en Weka
Interfaces de Weka
Selección de atributos
UNIDAD DIDÁCTICA 4. 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 5. EXTRACCIÓN DE ESTRUCTURA DE LOS DATOS: CLUSTERING
Introducción
Algoritmos
UNIDAD DIDÁCTICA 6. SISTEMAS DE RECOMENDACIÓN
Introducción
Filtrado colaborativo
Clusterización
Sistemas de recomendación híbridos
UNIDAD DIDÁCTICA 7. CLASIFICACIÓN
Clasificadores
Algoritmos
UNIDAD DIDÁCTICA 8. REDES NEURONALES Y DEEP LEARNING
Componentes
Aprendizaje
UNIDAD DIDÁCTICA 9. SISTEMAS DE ELECCIÓN
Introducción
El proceso de paso de DSS a IDSS
Casos de aplicación

MÓDULO 4. ANALÍTICA WEB: GOOGLE ANALYTICS, GOOGLE TAG MANAGER Y GOOGLE DATA STUDIO

UNIDAD DIDÁCTICA 1. ANALÍTICA WEB CON GOOGLE ANALYTICS
Introducción a la analítica web
Funcionamiento Google Analytics
Introducción e instalación de Google Analytics
Interfaz
Métricas y dimensiones
Informes básicos
Informes personalizados
Comportamiento de los usuarios e interpretación de datos
UNIDAD DIDÁCTICA 2. GOOGLE ANALYTICS 4
¿Qué es Google Analytics 4?
Diferencias con respecto a Universal Analytics
Implementación de Google Analytics 4
Las herramientas de análisis de Google Analytics 4
Los espacios de identidad
Ventajas de Google Analytics 4
Desventajas de Google Analytics 4
UNIDAD DIDÁCTICA 3. RECOGIDA DE DATOS
Planes de medición
Configuración de las vistas mediante filtros
Métricas y dimensiones personalizadas
Seguimiento de eventos
UNIDAD DIDÁCTICA 4. NAVEGACIÓN E INTERFAZ
Informes de visión general
informes completos
Compartir informes
Configuración paneles de control y accesos directos
UNIDAD DIDÁCTICA 5. INFORMES
Informes de Audiencia
Informes de Adquisición
Informes de Comportamiento
UNIDAD DIDÁCTICA 6. CAMPAÑAS Y CONVERSIONES
Campañas personalizadas
Realizar un seguimiento de las campañas con el Creador de URLs
Configuración y medición de objetivos
Cómo medir campañas de Google Ads
UNIDAD DIDÁCTICA 7. GOOGLE ANALYTICS 360
Analítica avanzada
Informes sin muestrear
Google BigQuery Export
Integraciones
UNIDAD DIDÁCTICA 8. GOOGLE TAG MANAGER
Concepto y características
Gestión de etiquetas
Activadores y gestión de variables
Implementación y eventos
Tracking
UNIDAD DIDÁCTICA 9. LOOKER STUDIO (GOOGLE DATA STUDIO)
Visualización de datos
Tipologías de gráficos
Fuentes de datos
Integración con Analytics
Creación de informes

Metodología

Entre el material entregado en este curso se adjunta un documento llamado Guía del Alumno dónde aparece un horario de tutorías telefónicas y una dirección de e-mail dónde podrá enviar sus consultas, dudas y ejercicios. La metodología a seguir es ir avanzando a lo largo del itinerario de aprendizaje online, que cuenta con una serie de temas y ejercicios. Para su evaluación, el alumno/a deberá completar todos los ejercicios propuestos en el curso. La titulación será remitida al alumno/a por correo una vez se haya comprobado que ha completado el itinerario de aprendizaje satisfactoriamente.

Para qué te prepara

Gracias a la realización de este Curso en Data Analyst serás capaz de realizar un análisis exhaustivo de cualquier fuente de información disponible. Mediante el uso de bases de datos NoSQL, Data Mining y Data Warehouse podrás crear un sistema capaz de analizar y reportar información de gran valor para cualquier empresa. Además, gracias al Machine Learning y a la programación estadística podrás realizar análisis de alto nivel.

A quién va dirigido

Este Curso en Data Analyst está dirigido a diversos perfiles y es aplicable a numerosos sectores, puesto que es adecuado para todos aquellos graduados o diplomados universitarios que deseen adquirir conocimientos sobre tecnologías de análisis y procesamiento de datos, así como a profesionales con experiencia que deseen actualizarse y adaptarse a las tendencias actuales.

Oportunidades profesionales

El análisis de datos es un ámbito profesional en pleno auge y con una cantidad insuficiente de expertos en el sector. Por tanto, realizar un Curso en Data Analyst especializado en ello te otorgará los conocimientos necesarios para poder optar a puestos tan demandados como Analista de datos, Big Data Expert, Data Analyst o Ingeniero de datos, entre otros oficios.