Tietostrategian ja analytiikan maisteri
MIOTI - Tech & Business School
Keskeiset tiedot
Kampuksen sijainti
Madrid, Espanja
Kieli (kielet
Espanja
Opintomuoto
Sekoitettu
Kesto
4 kuukaudet
Vauhti
Täysaikainen, Osa-aikainen
Lukukausimaksut
EUR 6 400 *
Hakemuksen määräaika
Pyydä tietoja
Aikaisin aloituspäivä
Pyydä tietoja
* * 50 % APAKENNE Latinalaisessa Amerikassa oleville opiskelijoille
Johdanto
Poimi datan arvo ensimmäisestä päivästä
Business Analyticsin maisterin avulla opit tietojen esikäsittelystä, todennäköisyyksistä ja tilastoista, Data scrappingista koneoppimisalgoritmeihin. Käytät työkaluja, kuten Tensorflow, Numpy, Prophet, Spark, Pandas, Keras jne. pystyä käyttämään tietojoukkoja sekä Business Intelligence -työkaluja, kuten Qlikview ja Tableau.
Uramahdollisuudet
Tämä on tulevaisuutesi nimi
Nämä ovat joitain jännittävimmistä uramahdollisuuksista, jotka ovat ulottuvillasi tämän ohjelman jälkeen.
- Data Analyst
- Business Intelligence
- Liiketoiminnan analyytikko
- Data Manager
- Liiketoiminnan konsultti
Opetussuunnitelma
Mitä opit Business Analyticsin maisterissa
Tietojen tarinankerronta Strategioita data-analyysin yhdistämiseksi liiketoiminnan tavoitteisiin, erityyppisiin yleisöihin yhdistävien tarinoiden kehittäminen ja tiedon luovan esittämisen menetelmiä. | Tietojen hallinta ja etiikka Tarkastelemme parhaita käytäntöjä tietojen hallinnassa, kaikkia vastuualueita, jotka liittyvät tietojen käyttöön automatisoidussa päätöksenteossa, mukaan lukien tietoturva, yksityisyys ja läpinäkyvyys. |
Tietostrategia ja analytiikka Tiedonhallinta analyyttisten etujen saavuttamiseksi ja kasvutavoitteidemme saavuttamiseksi. | BI-työkalut: Power BI, Qlikview, Tableau ja Excel Analysoimme dataa erinomaisella visualisointi- ja esityskerroksella ymmärrettävässä, helposti ja intuitiivisessa muodossa. |
Tietojen visualisointi Kuinka näyttää erityyppisiä tietoja? Mitä tekniikoita käyttää? Matplotlibin, bokehin ja seabornin käyttö mm. | Data-analyysi Pythonin kanssa Python puitteena Data Analytics -asiantuntijalle. Muistikirjan kehitys, pandan ja numpyn käyttö. Tietojen käsittely strukturoiduista (CSV, REST, lokit) ja strukturoimattomista (Web) lähteistä. |
Tietojenkäsittelyn perusteet Johdatus datatieteen peruskäsitteisiin. Yleisen viitekehyksen esittely. | Koneoppiminen ja syväoppiminen Luokitteluongelmat. Kuinka arvioida tuloksia? Miten tietojoukot rakennetaan? Pääalgoritmit (knn, päätöspuut, tukivektorikoneet, syvät neuroverkot, xgboost). |
Tietojen esikäsittely Miten tiedot esikäsitellään oikein? Suodattimien soveltaminen, tietojen anonymisointi, attribuuttien valinta, otanta ja ulottuvuuden vähentäminen. Tietolähteiden esikäsittely tekstitilassa. | Viimeinen projekti Aihe voi olla opiskelijan ehdottama tai se voidaan valita MIOTI:n tarjoamasta luettelosta. |
Tietokannat ja SQL Hallitse tärkeimmät tietokannat ja SQL-kieli, opi uusimmat tekniikat relaatiotietokantoihin tallennettujen tietojen tallentamiseen, käsittelyyn ja purkamiseen. |
Galleria
Pääsymaksut
Ohjelman lukukausimaksu
Apurahat ja rahoitus
Meillä on MIOTI-apurahasuunnitelma.
Meillä on apurahoja saatavilla Universia Foundationilta.
Meillä on ONCE-säätiön stipendejä.
Bonuksena Fundae.
Voit myös jakaa maksun ilman korkoa.