«

UNIDAD 1. APROXIMACIÓN Y CONCEPTOS BÁSICOS
1.1. Necesidad de entender los datos.
1.2. Business Intelligence
1.2.1. Sistemas de soporte a la decisión
1.3. Business Analytics
1.4. Business Analytics vs Business Intelligence

UNIDAD 2. REPRESENTACION DE LOS DATOS
2. INTRODUCCIÓN
2.1. Representación de los datos.
2.2. Dashboards como herramienta de visualización
2.3. Cuadro de Mando Integral (CMI)
2.3.1. Perspectivas del CMI
2.3.2. Visión Global del CMI
2.3.3. Mapa estratégico
2.3.4. Planes de acción en base al CMI
2.3.5. Marcadores idóneos o Indicadores Clave de Desempeño (KPIs)

UNIDAD 3. MODELOS Y APRENDIZAJES ESTADISTICOS
3. INTRODUCCIÓN
3.1. Lógica inductiva
3.1.1. Programación lógica inductiva: definición y ejemplos
3.1.2. Búsqueda de hipótesis
3.1.3. Inducción predictiva y descriptiva
3.2. Teoría de complejidad computacional
3.2.1. Definición de complejidad computacional: uso en el diseño de algoritmos
3.2.2. Modelos de computación
3.2.3. Clases de complejidad
3.3. Procesos estocásticos
3.3.1. Matrices estocásticas
3.3.2. Cadenas de Markov
3.3.3. Procesos gaussianos
3.4. Análisis multivariante. Métodos de Aprendizaje Estadístico.
3.5. Evaluación de modelos

UNIDAD 4. INFRAESTRUCTURA DE BIG DATA
4. INTRODUCCIÓN
4.1. Historia del Big Data
4.2. Big Data
4.2.1. El data 2.0
4.2.2. Sectores pioneros en Big Data
4.3. Big Data Analytics
4.4. Data Analytics, Big Data y Data Science

UNIDAD 5. EXPERIMENTACION Y TIPOS DE ANALISIS
5. INTRODUCCIÓN
5.1. Analítica avanzada
5.2. Analítica predictiva
5.2.1. Data Mining
5.2.2. Machine Learning
5.2.3. Técnicas de Data Mining y Machine Learning
5.2.4. Otras técnicas de analítica avanzada
5.3. Analítica prescriptiva.

UNIDAD 6. LOS DATOS
6. INTRODUCCIÓN
6.1. El valor del dato.
6.2. Tipología de los datos
6.3. Tratamiento del dato
6.4. Data Governance
6.5. Data Quality
6.6. Normativas del Dato. GDPR