Formación gratuita en competencias digitales avanzadas para trabajadores y directivos de pymes europeas
| Socio del proyecto: Universidad de Burgos | ||||||
| Facultad/Departamento: Escuela Politécnica Superior/Departamento de Digitalización | ||||||
| Código del curso: | Título del curso: Introducción a Big Data y Business Intelligence | |||||
| Formato: online | ||||||
| Carga lectiva: 16 horas (8 horas lectivas sincrónicas y 8 horas de trabajo autónomo) | ||||||
| Número de créditos ECTS concedidos / Tipo de certificación: | ||||||
| Requisitos para completar el curso: Evaluación continua: (20%): Seguimiento del trabajo de los alumnos mediante cuestionarios de evaluación. Evaluación final (80%): Los alumnos realizarán trabajos finales sobre tratamiento de datos y elaboración de informes, en los que deberán poner en práctica los conceptos teóricos y aplicados estudiados durante el curso. | ||||||
| Destinatarios: Primarios: técnicos de PYMEs Otros: estudiantes de carreras técnicas, técnicos de la industria, institutos de investigación, etc. | ||||||
| Resultados del aprendizaje: Al finalizar el curso, el participante podrá: Reconocer las fases de un proyecto de inteligencia de negocio. Analizar las diferentes opciones técnicas disponibles para implementar proyectos de inteligencia de negocio. Presentar los datos y los resultados de los análisis de forma que el usuario final pueda utilizarlos de la mejor manera posible. Examinar y utilizar técnicas generalizadas de aprendizaje automático para crear prototipos de procesos de explotación de información no estructurada. | ||||||
| Estructura y programa del curso: Entre paréntesis se indican las horas siguientes (trabajo sincrónico / autónomo) Conceptos transversales (1h / 0.5h): La gran imagen: Introducción a la inteligencia empresarial y los macrodatos. Conceptos de big data, alfabetización de datos, análisis de datos. Casos prácticos. Contenidos principales (2h / 1h): Infraestructuras de Big Data. Modelos de almacenamiento de Big Data. Modelos de Programación Big Data. Seguridad de almacenamiento y gestión de datos. Contenido experto (3h / 2h): Exploración e interpretación de datos: Visualización de datos. Análisis de datos: Aprendizaje automático (aprendizaje supervisado). Descubrimiento de información (aprendizaje no supervisado). Flujos de datos. Modulo CBL (1.5h / 4.5h): Los estudiantes trabajarán en un caso de uso de su interés para completar (a) una tarea relacionada con la exploración y presentación de datos y (b) una tarea relacionada con un proceso básico de análisis de datos para obtener resultados procesables. Reflexión guiada y feedback (0.5h / 0h): Se proporcionará feedback sobre los cuestionarios y el trabajo diario. Además, se supervisará el proceso de aprendizaje, incluyendo horas de oficina con los estudiantes a demanda y siguiendo su progreso en la resolución de la tarea CBL. | ||||||
| Referencias: Curto Díaz, Josep., and Jordi Conesa Caralt. Introducción al business intelligence. Barcelona: Editorial UOC, 2010. Print.Ian H. Witten, Eibe Frank y Mark A. Hall. Data Mining: practical machine learning tools and techniques (third Edition). Morgan Kaufmann, 2011.Cole Nussbaumer Knaflic. Storytelling With Data: A Data Visualization Guide for Business Professionals. Wiley (2015) Betancourt Uscátegui, Jorge Fernando, and Iryopogu. Análisis de datos con Power BI, R-RStudio y Knime : curso práctico. Paracuellos de Jarama, Madrid: Ra-Ma, 2021. Print. | ||||||
| Competencia lingüística requerida: Español | ||||||
| Tabla de evaluación: | ||||||
| A | B | C | D | E | FX | |
| 90-100% | 80-89.9% | 70-79.9% | 60-69.9% | 50-59.9% | 0-49.9% | |
| Profesor: Bruno Baruque | ||||||
Inscripciones
Descargar el flyer del curso
Saber más sobre el proyecto EAGLE
