Curso Superior en Big Data para la Dirección de Empresas y el Marketing

1. Conocimientos básicos (24 horas)

• Visión general sistemas de información y transformación digital (3 horas)
  Es esta sesión se dará una visión general del ecosistema de los sistemas de información, desde las aplicaciones de gestión como ERP o CRM, hasta los sistemas de big data y el uso de la inteligencia artificial en el marco de la transformación digital de las empresas.
• Entorno de trabajo (3 horas)
  Para poder sacarle todo el potencial a los datos y transformarlos en información útil, los alumnos deben familiarizarse con las herramientas de su entorno de trabajo: herramientas de visualización, de análisis, lenguajes de programación básicos, máquinas virtuales, etc.
• Fuentes de datos en el big data (9 horas)
  Para entender el big data hay que comprender las diferencias entre las distintas fuentes de datos, que van desde las bases de datos relacionales, a la información en las redes sociales, pasando por los datos transaccionales. En esta sesión los alumnos aprenderán a conectarse a estas fuentes de información desde el entorno de este curso: Microsoft Learning Studio en su versión Free Workspace.
• Procesamiento de datos en el big data (9 horas)
  El procesamiento de datos ha sufrido una gran transformación en los últimos años, en los que se ha pasado de los sistemas propietarios a los entornos cloud. En estas sesiones los alumnos aprenderán a crear sistemas cloud de forma sencilla, haciendo hincapié en los sistemas de big data en cloud que permiten el proceso de grandes volúmenes de información a gran velocidad.

2. Análisis descriptivo (15 horas)

• Visualización (9 horas)
  Ser capaces de mostrar la información de forma idónea es crítico para poder transmitir de manera correcta y entendible las conclusiones que obtenemos de ella. Para ello, utilizaremos herramientas como Excel o Power BI. De esta manera seremos capaces de realizar un análisis descriptivo de la información tras procesar los datos.
• Machine learning. Análisis de tendencias de mercado (3 horas)
  Comenzaremos a utilizar algoritmos de machine learning, que nos permiten realizar análisis básicos de tendencias, mediante la utilización de regresiones.
• Machine learning. Agrupación de clientes por clusterización (3 horas)
  Ser capaces de identificar agrupaciones de clientes por características comunes en el conjunto de datos nos permitirá personalizar los productos y servicios y, por tanto, lograr mejores resultados en nuestra compañía.

3. Taller de marketing y ventas (6 horas)

Este taller repasará de forma práctica los conocimientos adquiridos con un ejemplo que agrupará a los clientes por sus características económicas y permitirá realizar un análisis de la proyección futura de ventas.

4. Diagnóstico (9 horas)

• Machine learning. Detección de anomalías en los datos (3 horas)
  Nos introduciremos en las técnicas de Support Vector Machine o Principal Component Analisys, que permiten la detección de anomalías en las series de datos, lo que nos permitirá anticiparnos a posibles problemas en la empresa.
• Taller de churn rate. Prevención de la caída de clientes (6 horas)
  El churn rate es la tasa de abandono de clientes. Aprenderemos a prever la posible caída de los clientes para poder aplicar acciones destinadas a evitarlo.

5. Análisis predictivo. (6 horas)

• Machine learning. Clasificación. Árboles de tomas de decisión (3 horas)
  Para realizar clasificaciones que nos permitan predecir resultados y características, podemos utilizar árboles de decisión. En esta sección aprenderemos cuáles son los casos en los que debemos utilizar estos algoritmos para la toma de decisiones.
• Machine learning. Clasificación. Naive Bayes (3 horas)
  Al igual que los árboles de decisión, Naive Bayes es una herramienta que nos permite clasificar según ciertas características. Entender las diferencias entre Naive Bayes y los árboles de decisión nos permitirá utilizarlos de forma correcta.

6. Taller de clientes. Sistemas recomendadores (6 horas)

En este taller emplearemos la plataforma Azure Matchbox Recommender para realizar sistemas de recomendación de restaurantes y películas.

7. Inteligencia artificial (6 horas)

• Inteligencia artificial. Deep learning (3 horas)
  En este apartado se aportará una visión del deep learning aplicado al mundo de la empresa, y se verán las distintas soluciones que componen el deep learning a día de hoy.
• Inteligencia artificial. Análisis de sentimiento de usuario (3 horas)
  Algunas de las aplicaciones más útiles de la inteligencia artificial hoy día son el análisis de sentimientos, análisis de imágenes o análisis de vídeos. Para ello, utilizaremos los servicios cognitivos de Microsoft.

8. Taller internet de las cosas y análisis en tiempo real (9 horas)

En este taller final trabajaremos una visión integral del internet de las cosas y su aplicación para el análisis en tiempo real a través de las redes neuronales.