Master i datastrategi och analys
MIOTI - Tech & Business School
Nyckelinformation
Campus läge
Madrid, Spanien
språk
Spanska
Studieformat
Blandad
Varaktighet
4 månader
Takt
Heltid, Deltid
Studieavgifter
EUR 6 400 *
Ansökningstiden
Begär info
Tidigaste startdatum
Begär info
* * 50% stipendium för studenter som bor i Latinamerika
Introduktion
Extrahera datavärde från den första dagen
Med Master i Business Analytics kommer du att lära dig från förbearbetning av data, sannolikhet och statistik, Datascrapping, till de viktigaste Machine Learning-algoritmerna. Du kommer att använda verktyg som Tensorflow, Numpy, Prophet, Spark, Pandas, Keras, etc. för att kunna arbeta med dataset, samt Business Intelligence-verktyg som Qlikview och Tableau.
Karriärmöjligheter
Det är vad din framtid heter
Det här är några av de mest spännande karriärmöjligheterna som kommer att finnas inom räckhåll efter det här programmet.
- Dataanalysator
- Business Intelligence
- Affärsanalytiker
- Datahanterare
- Affärskonsult
Läroplan
Vad du kommer att lära dig i Master i Business Analytics
Datahistorik Strategier för att koppla dataanalys med affärsmål, utveckla berättelser som knyter an till olika typer av publik och metoder för att kreativt presentera data. | Datastyrning & etik Vi kommer att titta på bästa praxis för att hantera data, hela skalan av ansvar som följer med att använda data i automatiserat beslutsfattande, inklusive datasäkerhet, integritet och transparens. |
Datastrategi och analys Datahantering för att uppnå analytiska fördelar och uppnå våra tillväxtmål. | BI-verktyg: Power BI, Qlikview, Tableau & Excel Vi kommer att analysera data med ett utmärkt visualiserings- och presentationslager i ett begripligt, enkelt och intuitivt format. |
Datavisualisering Hur visar man olika typer av data? Vilka tekniker ska man använda? Användning av bland annat matplotlib, bokeh och seaborn. | Dataanalys med Python Python som ramverk för Data Analytics-specialisten. Utveckling av bärbara datorer, användning av pandor och numpy. Databehandling från strukturerade (CSV, REST, loggar) och ostrukturerade (webb) källor. |
Grundläggande för datavetenskap Introduktion till grundläggande datavetenskapliga begrepp. Presentation av den allmänna referensramen. | Machine Learning & Deep Learning Klassificeringsproblem. Hur utvärderar man resultaten? Hur bygger man datamängder? Huvudalgoritmer (knn, beslutsträd, stödvektormaskiner, djupa neurala nätverk, xgboost). |
Dataförbehandling Hur förbearbetar man data korrekt? Tillämpning av filter, dataanonymisering, attributval, sampling och dimensionsreduktion. Förbearbetning av datakällor i textläge. | Slutprojekt Ämnet kan föreslås av studenten eller väljas från en lista från MIOTI. |
Databaser & SQL Bemästra huvuddatabaserna och SQL-språket, lär dig de senaste teknikerna för att lagra, manipulera och extrahera data som registrerats i relationsdatabaser. |
Galleri
Antagningar
Studieavgift för programmet
Stipendier och finansiering
Vi har MIOTI-stipendieplan.
Vi har stipendier tillgängliga från Universia Foundation.
Vi har stipendier tillgängliga från ONCE Foundation.
Bonusbar av Fundae.
Du kan också dela upp betalningen utan ränta.