Ficha del curso

IV MÁSTER PROPIO UNIVERSITARIO EN ADVANCED ANALYTICS ON BIG DATA (81445547001-0)

NIVEL:  Másteres de Formación Permanente

CAMPO DE CONOCIMIENTO:  Ingenierías y arquitectura

Descripción:
Máster en análisis avanzado de datos en entornos Big Data y en las tecnologías relacionadas.

Proponente:  LENGUAJES Y CIENCIAS DE LA COMPUTACIÓN
Director:  José Francisco Aldana Montes    Teléfonos:  951952922  /  952137163
E-mail:  bigdata@lcc.uma.es

Nº plazas:  30
Precio:  6000.00 €

Preinscripción:  3000.00 €
Plazo de preinscripción:  desde   01/03/2019    hasta 04/10/2019
Fecha pago preinscripción hasta:  04/10/2019

Plazo de matrícula:  desde   01/09/2019    hasta     04/10/2019
1º plazo:  3000.00 €       Fecha:  hasta 04/10/2019       
2º plazo:  0.00 €       Fecha:  hasta 04/10/2019       

Permitido el pago por tarjeta bancaria.

Permitido el pago presencial.

Fecha de inicio de curso:  09/10/2019       Fecha de fin:  30/03/2021      NO VIGENTE   
Lugar:  Edificio de Investigación Ada Byron. Campus de Teatinos de la Universidad de Málaga.
Horario:  Lunes, Miércoles, Jueves y Viernes de 18:00 a 21:00 Horas.
Requisitos de acceso:
Ingenieros superiores y técnicos y graduados en Informática, Telecomunicación e Industriales; licenciados y graduados en ciencias físicas y matemáticas.
Profesionales con al menos 3 años de experiencia demostrada en trabajos relacionados con la temática del Máster.

Duracion y creditos ECTS
Docencia teórico-práctica en aula:  36.00 ECTS     
Docencia On-line:  30.00 ECTS     
Prácticas externas en empresas:  12.00 ECTS     
Trabajo fin de titulo:  12.00 ECTS     
Créditos europeos totales:  90.00 ECTS     
Horas de clase presencial:  360.00      
Horas de trabajo del estudiante:  2250.00     

Programa:
Módulo 0: Introducción a la programación orientada a objetos con Java (opcional, complemento de formación)
Módulo 1: Introducción general y Open Big Data
Módulo 2: Bases de datos
Módulo 3: Bases de datos NOSQL
Módulo 4: Analítica de Datos
Módulo 5: Casos de Uso 1
Módulo 6: Aprendizaje Computacional Descriptivo
Módulo 7: Aprendizaje Computacional Preductivo
Módulo 8: Apache Spark
Módulo 9: Visualización de Datos
Módulo 10: Apache Spark MLlib
Módulo 11: Análisis de Textos
Módulo 12: Real Time & Internet of Things
Módulo 13: Cloud Computing
Módulo 14: Seguridad
Módulo 15: Casos de Uso II
Módulo 16: Prácticas de Laboratorio
Módulo 17: Trabajo Fin de Máster
Módulo 18: Prácticas: En empresas o en grupos de investigación o desarrollo práctico tutorizado en el puesto laboral actual o con un trabajo fin de Máster ampliado de orientación práctica.