Ús de cookies

Fem servir cookies pròpies i de tercers per millorar els nostres serveis.
Si continueu navegant, considerem que n'accepteu l'ús.
Informació sobre la política de cookies

continuar
Campus
MY_TECH_SPACE

Entrar
Has oblidat les dades d'accés?
Campus en manteniment
Usuari i/o clau incorrectes
No tens cap entorn actiu
El teu accés ha estat restringit. Consulta amb el departament d'administració
Inici   >  Màsters i postgraus  >  Formació  >  Màster en Big Data Management, Technologies and Analytics
Sessió informativa

21-05-2019

Sol·licita informació
Sol·licita informació Sol·licita informació o l'admissió
Sol·licita l'admissió
Sol·licita l'admissió
  • Programa
  • Continguts formatius
  • Metodologia d'aprenentatge
  • Equip docent
  • Entitats col·laboradores
  • Sortides professionals
  • Testimonis i notícies
  • Sol·licita informació o l'admissió
discount
10% de descompte si et matricules abans del 30 de Juny
+ info

Programa

Edició
3a Edició
Crèdits
60 ECTS (324 hores lectives)
Modalitat
Presencial
Idioma d'impartició
Espanyol
Preu
8.500 €
Observacions pagament de la matrícula i campanya 0,7%
Inscripció oberta fins l'inici del curs o fins l'exhauriment de places.
Descomptes, préstecs i ajuts
Dates de realització
Inici classes: 07/10/2019
Fi classes: 10/07/2020
Fi programa : 06/11/2020
Horari
Dilluns: 18:00 a 21:00
Dimecres: 18:00 a 21:00
Divendres: 18:00 a 21:00
Lloc de realització
Facultat d'Informàtica de Barcelona (FIB)
C/ Jordi Girona, 1-3
Barcelona
Per què aquest programa?

La rellevància de les dades en la societat actual és inqüestionable. Un bon percentatge d’empreses, les conegudes com empreses digitals, fonamenten el seu model de negoci en la recol·lecció, emmagatzemament i anàlisi de qualsevol dada rellevant per al seu negoci. Aquesta filosofia implica un canvi radical a l'hora de gestionar les operacions de les organitzacions i requereix la digitalització de tots els seus processos de negoci (per exemple, creant sistemes informàtics per interactuar amb els clients o proveïdors -ja siguin pàgines web, aplicacions mòbils o sistemes GPS-, sensoritzant els processos mecànics per tal de monitoritzar-los, etc.).

Tot i que la digitalització d’una organització és una tasca feixuga, un cop feta, les dades generades i recollides poden ser analitzades amb l’objectiu de generar informació rellevant per la presa de decisions del negoci. Aquest fet, hores d’ara, s’ha identificat com un factor d’èxit determinant i diferenciador que augmenta la competitivitat de les organitzacions.

Actualment s’empra el terme Big Data per referir-se a un nou tipus de sistemes que recullen i analitzen dades de qualsevol natura, i els reptes que comporten. La definició més popular del Big Data està basada en les tres Vs, que representen els seus 3 principals reptes: volum (la digitalització de certs processos pot generar grans volums de dades), varietat (provinents de fonts de dades heterogènies) i velocitat (en referència al potencial temps d’arribada i processament de les dades en real-time). Avui dia, per atacar aquests tres grans reptes, el Big Data es fonamenta en dos pilars: noves arquitectures (principalment basades en Cloud Computing i la gestió distribuïda de les dades i la memòria) i nous models de dades (com els documents grafs, key-value o streams).

No obstant, la barrera d’entrada per incorporar solucions Big Data continua sent molt alta per a la majoria d’organitzacions, ja que la seva gestió i manteniment és molt diferent a la de qualsevol altre sistema. A més, les actuals eines són molt poc madures i requereixen un alt grau d’especialització per poder-les emprar correctament. Per aquest motiu, l’especialització en aquest àmbit implica un reciclatge específic basat en els principals conceptes darrere d’aquestes tecnologies. Avui dia, cal distingir entre la gestió de dades en sistemes Big Data (Big Data Management) i l’explotació d’aquestes dades per extreure coneixement rellevant per l’organització amb algoritmes de Data Mining i Machine Learning (Big Data Analytics). A més, no existeix una solució universal ni de gestió ni d’explotació que es pugui replicar fàcilment en qualsevol domini, ja que, per definició, en aquests entorns la solució depèn del cas d’ús (explotació) que tinguem entre mans.

Conseqüentment, en aquest màster en Big Data Management, Technologies and Analytics es dóna una visió global d’un ecosistema Big Data i es profunditza en ambdós aspectes: gestió (Big Data Management) i explotació de les dades (Big Data Analytics), tot aportant aplicabilitat i visió de negoci dins d’aquest món.

Objectius
  • Entendre la problemàtica de gestió de Big Data.
  • Identificar les característiques més rellevants en la gestió de Big Data, que han de guiar la tria d’una solució arquitectònica.
  • Conèixer el paradigma de dades obertes.
  • Practicar amb les principals eines de gestió de Big Data actualment en el mercat (Hadoop, MongoDB, Neo4J, Spark, etc.).
  • Entendre quan un problema empresarial pot ser formalitzat com un problema d’aprenentatge automàtic.
  • Identificar els models estadístics o d’aprenentatge automàtic més adequats per un problema donat.
  • Saber efectuar el preprocés de les dades.
  • Saber avaluar la taxa d’encert dels models proposats.
  • Assolir coneixements específics sobre l’ús de Big Data per a la presa de decisions a l’empresa.
  • Identificar les bones pràctiques en l’aplicació de Big Data en la creació d’un negoci.
  • Emprar eines de modelització de negoci.
  • Conèixer els principis econòmics, ètics i legals del funcionament d’una empresa digital.
A qui va dirigit?
  • Graduats en informàtica o equivalent interessats en l'àmbit del Big Data.
  • Professionals informàtics, principalment, desenvolupadors, arquitectes, analistes de dades i administradors de sistemes, interessats a reciclar-se cap a l'àmbit del Big Data.
  • Graduats en estadística, matemàtiques o enginyeries en general. En aquests casos, els interessats han de tenir una formació tècnica en bases de dades centralitzades i programació.
El màster té com a objectiu crear perfils mixtos en gestió i anàlisi de dades.

Continguts formatius

Relació d'assignatures
12 ECTS 72h
Data Management
  • Motivació.
    • Context. La societat de les dades i el paradigma data-driven.
    • Casos d'ús.
    • Cloud computing i l'Enginyeria de Serveis (XaaS).
    • La necessitat d'un canvi de paradigma: NOSQL.
  • Principis bàsics de les bases de dades no relacionals (NOSQL).
    • Fonaments arquitectònics.
    • Nous models de dades.
  • Fonaments: noves arquitectures.
    • Conceptes bàsics.
    • One size does not fit all.
    • Gestió i processament distribuït de les dades.
    • Gestió i processament de les dades a memòria.
    • Principals arquitectures de referència.
  • Fonaments: nous models de dades.
    • Conceptes bàsics.Models de dades no estructurats o semi-estructurats.
    • Principals models de dades al món NOSQL: Key-Value, Document-oriented, Graphs, Graphs Semantics i Streams.
    • Modelització de dades avançada (per sistemes no relacionals).
  • Principals Famílies de Gestors NOSQL.
    • Gestors Key-Value.
      • Concepte i principis.
      • L'ecosistema Hadoop: HDFS, HBase, MapReduce i Spark.
      • Consideracions específiques de modelització.
    • Gestors Document-oriented.
      • Concepte i principis.
      • Exemple: MongoDB i l'Aggregation Framework.
      • Consideracions específiques de modelització.
    • Gestors Column-oriented.
      • Concepte i Principis.
      • Example: Kudu (base de dades) i Parquet (fitxers).
      • Consideracions específiques de modelització.
    • Gestors de Grafs.
      • Conceptes i principis.
      • Tipus de grafs i operacions.
      • Exemple: Neo4J i Cypher.
      • Consideracions específiques de modelització.
    • Gestors de Grafs Semàntics.
      • Concepte i Principis: el paradigma Open/Linked Data.
      • Com obrir dades.
      • Arquitectures basades en grafs vs tecnología relacional.
      • RDF i SPARQL.
      • Consideracions específiques de modelització.
  • Integració de dades.
    • Processos intensius de dades i ETLs.
    • Polystores i sistemes políglots.
    • Orquestradors: Muskeeter.
  • Visualització.
    • Processos de visualització.
    • Tècniques de visutalització.
12 ECTS 72h
Data Analytics
  • Introducció.
    • Què és el knowledge discovery?
    • Estadística bàsica.
    • Introducció a R.
  • Pre-processament de dades.
    • Neteja i adequació de les dades.
    • Transformacions.
  • Tècniques bàsiques d'anàlisi.
    • Regressió múltiple.
    • Profiling.
  • Anàlisi Multivariant.
    • Anàlisi de components principals.
    • Clustering.
    • Arbres de decisió.
  • Aprenentatge Automàtic.
    • Concepte.
    • Fonaments matemàtics.
  • Principals tècniques d'aprenentatge automàtic.
    • Regles d'associació.
    • Mètodes lineals supervisats.
    • Xarxes neuronals.
    • Màquines de vector suport.
    • Boscos aleatoritzats.
  • Processament del text.
    • Pre-processament i preparació de les dades.
    • Principals tècniques de text analítics.
    • Information retrieval.
  • Anàlisi de sèries temporals.
    • Pre-processament i preparació de les dades.
    • Forecasting.
    • Detecció d'outliers.
  • Anàlisi de les dades avançats.
    • Paquets d'R per al processament paral·lel.
    • R sobre bases de dades relacionals.
    • Anàlisi de les dades en entorns distribuïts emprant HDFS i Spark.
      • Spark R.
16 ECTS 96h
Hands-on Experience: Data Maganement and Analytics
  • Infraestructura.
    • Introducció als entorns Cloud.
    • Virtualització.
    • Serveis Oracle.
  • Emmagatzemament distribuït.
    • L'Ecosistema Hadoop.
    • Sistemes Key-Value: HBase.
  • Processament distribuït.
    • MapReduce.
    • Spark: SparkSQL. Spark Streaming. Spark Graphs.
    • Anàlisi de dades en entorns distribuïts: MLlib. SparkR.
  • Document Stores.
    • MongoDB.
    • ElasticSearch.
  • Bases de dades en graf.
    • Neo4J.
    • Grafs semàntics: GraphDB i SPARQL.
  • Arquitectura de sistemes Big Data.
5 ECTS 33h
Negoci i Emprenedoria en Big Data
  • Introducció: L'entorn competitiu de l'empresa i Big Data.
    • Big Data Landscape.
  • Casos d'èxit.
  • Tècniques d'ideació de negoci.
    • Clients i usuaris.
    • Definició de productes i serveis.
  • Eines de modelització de negoci: Business Model Canvas.
    • Elements que el conformen.
    • Casos pràctics.
    • Resolució casos: Twitter, Facebook, etc.
  • Procés de finançament.
    • Finances.
    • Finançament privat: Business Angels i Capital Risk.
    • Finançament públic.
  • Màrqueting.
  • Creació d'una empresa.
    • Aspectes legals: Regulació de les dades.
    • Aspectes econòmics.
  • Consideracions ètiques del Big Data: Negoci i Privacitat.
  • Presentacions i pitch.
15 ECTS 51h
Projecte
El projecte es realitzarà en grups que hauran de desenvolupar un cas real aplicat. Els estudiants hauran de realitzar una anàlisi tant de la perspectiva tècnica (gestió i anàlisi de dades) com de la perspectiva de negoci (potencial viabilitat de la idea com a negoci, independentment que es tracti d'una start-up o un nou producte/servei a una empresa existent). El projecte ha de proposar una solució innovadora al problema plantejat, tant en l'aspecte tècnic com en el valor afegit de negoci, i es valora d'aquesta perspectiva.

Per a portar a terme el projecte, els grups han de definir l'arquitectura funcional del sistema (incloent-hi repositoris i fluxos de dades tot justificant el rendiment que s'obtindrà del sistema en un cas real), justificar el tipus d'anàlisi de dades a portar a terme (incloent-hi la preparació de les dades, disseny de features, adequació del model escollit al problema entre mans, training i validació) i la viabilitat del negoci (posicionament i segmentació del negoci, així com l'habilitat de fer un Pitch precís sobre la idea de negoci i el seu valor). La gestió del projecte també tindrà un pes especial, i s'espera seguir una metodologia àgil adaptada a projectes Big Data.

Cada grup comptarà amb l'assessorament de tres tutors (professors del programa experts en negoci, gestió i anàlisi de dades, respectivament) per al desenvolupament dels projectes. La fórmula seguida garanteix la immersió en una experiència real sent tutoritzats per experts en la temàtica. Com a resultat, els projectes resultants han rebut diversos premis i han donat peu a productes que han arribat a producció en diverses empreses.

A continuació detallem exemples de treballs realitzats en edicions anteriors:

- LifeStyle: A partir de dades de transaccions bancàries es perfilà l'estil de vida (activitats d'oci) dels clients del banc amb l'objectiu de fer-los propostes personalitzades de productes d'oci.

- A Location Based Social Media Data Gathering System for Predicting Crowded Places: A partir de dades en temps reals de diferents xarxes socials es predia l'afluència de persones en els principals llocs turístics de Barcelona. D'aquesta manera, es podien preparar accions per descongestionar certes zones de la ciutat amb antelació.

- Supermarker shopping assistant: es tracta d'una aplicació mòbil que recomana al client, durant la seva visita a un supermercat o hipermercat, quins productes al voltant seu poden ser del seu interés. L'aplicació inclou un self-checkout per a fer les compres més eficients a través de l'escaneig del producte.

- Urban mobility and traffic safety analytics: aprofitant les dades generades pels sensors dels anomenats smart cars, s'identifiquen conductes de risc (Que podrien acabar en accident) en temps real a partir del perfil de conducció habitual de cada conductor i les dades actuals rebudes en temps real.

- Properties data collection platform and prices prediction: a partir de dades de portals immobiliaris contextualitzades amb altres externes es predeia el preu real i de venda d'un immoble.

- Net Sales Forecasting: a l'àmbit de les farmacèutiques, predir la quantitat de medicaments a produir per país amb antelació és vital. En aquest projecte es feia una previsió de producció mensual per país basat en els històrics de vendes.

La UPC School es reserva el dret de modificar el contingut del programa, que pot variar per a una major adaptació als objectius del curs.
Titulació
Títol de màster propi expedit per la Universitat Politècnica de Catalunya. Emès en virtut de l'art. 34.1 de la L.O. 4/2007, de 12 d'abril, per la qual es modifica la L.O. 6/2001, de 21 de desembre, d'Universitats. Per a la seva obtenció és necessari tenir una titulació universitària oficial. De no ser així, l'alumne/a obtindrà un certificat de superació del programa expedit per la Fundació Politècnica de Catalunya.

Metodologia d'aprenentatge

La metodologia docent del programa facilita l'aprenentatge de l'estudiant i l'assoliment de les competències necessàries.

Eines d'aprenentatge
Sessions magistrals participatives
S'exposen els fonaments conceptuals dels continguts a impartir, tot promovent la interacció amb els estudiants per guiar-los en l'aprenentatge dels diferents continguts i el desenvolupament de les competències establertes.
Sessions pràctiques a l'aula
S'apliquen els coneixements en un entorn real o hipotètic, on s'identifiquen i treballen aspectes específics per facilitar la comprensió, amb el suport dels docents.
Resolució d'exercicis
Es treballen les solucions mitjançant l'exercitació de rutines, l'aplicació de fórmules o algoritmes i se segueixen procediments de transformació de la informació disponible i la interpretació dels resultats.
Casos d'èxit
Es presenten i comparteixen coneixements i experiències professionals reals i d'alt valor afegit, adquirides durant una trajectòria destacada en l'exercici de la professió.
Aprenentatge basat en problemes (ABP)
Metodologia d'aprenentatge actiu que permet que l'estudiant s'involucri des d'un inici i adquireixi els coneixements i habilitats, a través del plantejament i resolució de problemes o situacions complexes.
Tutories
Es dona suport tècnic als estudiants en el desenvolupament del projecte final, en funció de la seva especialitat i de la temàtica del projecte.
Criteris d'avaluació
Assistència
Es requereix com a mínim el 80% d'assistència a les hores lectives.
Resolució d'exercicis, qüestionaris o exàmens
Proves individuals amb l'objectiu d'avaluar el grau d'aprenentatge i l'adquisició de competències.
Realització i presentació del projecte final
Projectes individuals o grupals en els quals s'apliquen els continguts impartits en el programa. El projecte pot estar basat en casos reals i comprendre la identificació d'una problemàtica, el disseny de la solució, la seva implementació o un pla de negoci. Comptarà amb una presentació i defensa pública del mateix.
Pràctiques i borsa de treball
Des del campus virtual My_Tech_Space l'alumnat podrà visualitzar les ofertes de treball del seu àmbit de coneixement i presentar la seva candidatura confidencialment. La borsa de treball de la UPC School té un volum anual de centenars d'ofertes de treball, entre contractes laborals i convenis de col·laboració en pràctiques.
Campus virtual
L'alumnat d'aquest màster tindrà accés al campus virtual My_Tech_Space, una eficaç plataforma de treball i comunicació entre l'alumnat, el professorat, la direcció i la coordinació del curs. My_Tech_Space permet obtenir la documentació de cada sessió formativa abans de l'inici, treballar en equip, fer consultes als professors, visualitzar les notes...

Equip docent

Direcció Acadèmica
  • Abelló Gamazo, Alberto
    Doctor en Informàtica per la UPC. Professor del Departament d'Enginyeria de Serveis i Sistemes d'Informació de la UPC. Docència tant a nivell de grau com de màster oficial (MIRI - Data Science). Coordinador en la UPC del Doctorat Erasmus Mundus in Information Technologies for Business Intelligence - Doctoral College (IT4BI-DC). Ha col.laborat com a consultor amb SAP, HP, Zurich Seguros, OMS entre d'altres.
  • Romero Moral, Óscar
    Doctor en Informàtica per la UPC. Professor del Departament d''Enginyeria de Serveis i Sistemes d''Informació de la UPC. Docència tant a nivell de grau com de màster oficial (MIRI-Data Science). Coordinador a la UPC dels Màsters Erasmus Mundus in Big Data Managament and Analytics (BDMA) i de l'especialitat en Data Science del Master in Information Research (MITI-DS). Recerca en l'àmbit de la gestió de dades i de la informació, àmbit en el qual ha publicat més 50 publicacions en conferències i revistes internacionals. Ha col·laborat com a consultor amb SAP, HP, Zurich Seguros i l''OMS, entre d''altres.
Professorat
  • Abelló Gamazo, Alberto
    Doctor en Informàtica per la UPC. Professor del Departament d'Enginyeria de Serveis i Sistemes d'Informació de la UPC. Docència tant a nivell de grau com de màster oficial (MIRI - Data Science). Coordinador en la UPC del Doctorat Erasmus Mundus in Information Technologies for Business Intelligence - Doctoral College (IT4BI-DC). Ha col.laborat com a consultor amb SAP, HP, Zurich Seguros, OMS entre d'altres.
  • Aluja Banet, Tomàs
    Professor titular de la UPC. Coordinador del Màster en Data Science-MIRI de la FIB. És autor de 60 articles publicats en revistes científiques o com a capítols d'un llibre. Temes de recerca abordats: Anàlisi multivariant, models de mineria de dades, models per a l'estimació d'intangibles i disseny de sistemes de "Learning Analytics". Membre de comitès científics de conferències internacionals (entre elles COMPSTAT i PLS). Ha participat en diversos projectes de recerca europeus i espanyols en el camp dels sistemes basats en meta-dades estadístiques, la fusió de dades i la modelització d'intangibles, i ha estat consultor estadístic de La Caixa, Kantar Media, Idescat i l'Ajuntament de Barcelona entre d'altres.
  • Belanche Muñoz, Luis Antonio
    Professor del Departament de Ciències de la Computació de la UPC. Docència en el Grau en Enginyeria Informàtica, especialitat Computació, en el Màster in Innovation and Research in Informatics, especialitat Data Mining and Business Intelligence, i en el Màster in Artificial Intelligence.
  • Berbegal Castelló, José
    Enginyer en Informàtica per la UPC. Ha treballat durant més de 10 anys en diferents empreses del sector de la seguretat i defensa. Actualment treballa a Proytecsa Security S.L., empresa dedicada al desenvolupament de robots de desactivació d'explosius, exercint com a responsable del departament de software.
  • Berral García, Josep Lluís
    Enginyer en Informàtica, Màster en Arquitectura de Computadors i Doctor en Informática per la Universitat Politècnica de Catalunya. La seva recerca es centra en aplicacions de la mineria de dades, aprenentatge automàtic i gestió d'entorns de centres de dades. Actualment treballa com a post-doc en el Barcelona Supercomputing Center - Centre Nacional de Supercomputació. Prèviament va treballar als grups de "High Performance Computing" (HPC-UPC), "Relational Algorithms, Complexity and Learning" (LARCA-UPC) i a la indústria a Systelab Technologies. Especialista en: Aprenentatge Automàtic (Machine Learning), Mineria i Anàlisi de Dades (Data Mining), Intel·liència Artificial i gestió de Centres de Dades (Cloud Computing).
  • Bilalli, Besim
    Doctor de Ciència de Computació per la Universitat Politècnica de Catalunya (UPC) i Poznan University of Technology. Màster en Enginyeria Informàtica per la Sapienza Universita digues Roma. Enginyer en Informàtica per la Universitat de South-*East European University. El seu àmbit de recerca se situa a l'àrea de Data Mining, Data pre-processing, Meta-learning.
  • Cebrián Chuliá, Antonio
    MSc en Intel·ligència Artificial per la UPC. Té 15 anys d'experiència desenvolupant programari en telecomunicacions i empreses d'Internet. Ha exercit la seva tasca de Data Scientist en empreses com Telefónica, Tuenti, Softonic, Stuart i actualment treballa com a freelance per CoinFi una companyia Hong Konguesa a l'espai de les criptomonedes.
  • Delicado Useros, Pedro Francisco
    Professor titular al Departament d'Estadística i Investigació Operativa de la UPC. Autor de més de 35 articles internacionals, els seus temes d'investigació inclouen l'aprenentatge no supervisat (corbes principals, clustering, multidimensional scaling), l'anàlisi de dades funcionals (dependència espacial, components principals) i les aplicacions (demografia, anàlisi de resultats electorals, bioinformàtica). Ha col·laborat com a consultor estadístic amb SEIF-88 (assaigs clínics) i AQU-Catalunya (mostreig).
  • Deulofeu Aymar, Joaquim
    Llicenciat i Doctor en Ciències Econòmiques i Empresarials. Soci-fundador i gerent de Qualitat, Serveis Empresarials, S.L., empresa en la qual desenvolupa la seva activitat professional com a consultor des de fa més de 25 anys. Professor associat al Departament d'Organització d'empreses de la UPC. Professor en altres entitats com la UAO-CEU, a l'Escola Superior de Comerç i Distribució-ESCODI-UB. Actualment és President del Cercle Econòmic i Social del Baix Montseny i Secretari del Patronat Fundació Privada Hospital de Sant Celoni.
  • Gali Reniu, Ferran
    Cap de Tecnologia en Trovit, on dirigeix els projectes de Big Data en una empresa en línia que agrega més de 200 milions d'anuncis classificats i atén a més de 2 milions d'usuaris per dia. Va estudiar Ciències de la Computació a la FIB-UPC, i ara col·labora amb la Universitat de Barcelona creant un nou màster en Enginyeria de grans dades.
  • García del Poyo Vizacaya, Rafael Emiliano
    Advocat i soci responsable a Espanya del Dpt. de Dret de les Tecnologies de la Informació i de la Propietat Intel·lectual del despatx d'advocats Osborne Clarke. És a més secretari i lletrat assessor de Consells d'Administració de diverses companyies tecnològiques i està reconegut pels directoris internacionals Best Lawyers i Chambers Europe com un professional capdavanter a les àrees de tecnologia, mitjans de comunicació i telecomunicacions, tant en l'àmbit nacional com a europeu. També actua com a àrbitre i mediador davant diverses institucions arbitrals.
  • González Alonso, Pedro Javier
    Enginyer en Informàtica per la UPC. Màster en Innovació i Recerca en Informàtica per la UPC amb especialització en business intelligence i knowledge discoverer i master in Business Administration a ESADE. Actualment treballa com a arquitecte de Big Data i analytics a una startup vinculada al sector salut.
  • Gutiérrez Torre, Alberto
    Llicenciat en Enginyeria Informàtica per la Universitat Politècnica de Catalunya. Màster en Recerca i Innovació en Informàtica amb esment en Data Science per la UPC. Actualment és estudiant de doctorat en el grup de Data-Centric Computing al Centre Nacional de Supercomputación en el Barcelona Supercomputing Center. El seu focus se centra en l'aplicació de Machine Learning sobre dades amb característiques temporals (sèries temporals) i en streaming. Va treballar en la creació de la plataforma TextServer per al grup de recerca TALP de la UPC.
  • Jamin Jean Jacques, Emmanuel
    Doctor en Informàtica per la Universitat París XI. Research engineer en diversos projectes europeus en el domini de la Web semàntica (SevenPro, IntelLEO, Neon, Khresmoi). També, vaig tenir una experiència en la creació d'una startup 'Open Data Consulting' en qual va anar el CTO. Actualment, IT consultant en everis sobre temes d'intel·ligència artificial, particularment la Web Semàntica i tècniques de procés automàtic del llenguatge natural (NLP) per a la gestió del coneixement.
  • Jovanovic, Petar
    Doctor de Ciència de Computació per la Universitat Politècnica de Catalunya (UPC) i la Universitat Lliure de Brussel·les. Màster en Computació per la UPC. Enginyer en Informàtica per la Universitat de Belgrad. El seu àmbit de recerca se situa a l'àrea de Business Intelligence, BigData Management i sistemes de bases de dades distribuïdes.
  • López Miralpeix, Miguel
    Enginyer en Informàtica per la UPC i Diplomat en Empresarials per la UOC. Enterprise Architect de Oracle Consulting treballant en el desplegament d'Arquitectures Big Data en grans clients tant a nivell local (Caixabank, Gas Natural Fenosa, etc) com a nivell internacional (Banc Santander Rio a Argentina, CIMB a Malàisia, Generalli a Itàlia, etc). Lidera l'Oracle Barcelona Big Data Competence Center. Ha col·laborat en la docència del màster oficial MIRI.
  • Montornés Solé, Jordi
    Enginyer Superior en Informàtica per la UPC. Ha treballat des del 2004 en empreses com la Caixa Catalunya, HP o Vueling. A partir del 2011 es dedica a les aplicacions mòbils, tant en servidor com en Android.
  • Nadal Francesch, Sergi
    Veure perfil a futur.upc / Veure perfil a Linkedin
    Doctor en Informàtica per la UPC i la ULB. Màster IT4BI (Information Technologies for Business Intelligence) per la ULB, UFRT i ULB. Actualment és investigador de postdoctorat i professor associat del Departament d'Enginyeria de Serveis i Sistemes d'Informació de la UPC. El seu àmbit de recerca se situa a l'àrea de gestió de dades i informació.
  • Oller Duque, Juanjo
    Arquitecte Tècnic i Màster en Project Management per la UPC. Formació en Big Data Analytics i curs en Comunicació, Negociació i Persuassió per ESADE. Acumula experiancia de més de 10 anys treballant pel sector retail i 6 com a emprenedor a diferents projectes. Fundador i CEO de BitPhy. Actualment forma part de la junta ESADE Alumni del club "Club Business Innovation & Technologies".
  • Patton Ripoll, Liam Winston
    Enginyer Tècnic en Telecomunicacions i Postgrau en Telemàtica. Acumula més de 20 anys d'experiència profesional en diferents sectors, és Co-fundador i CEO de startups els darrers 10 anys, i actualment de Finecortex (smart UX solutions, big data visualization), i membre del consell d'administració d'empreses de IoT, eCommerce i AI, a Europa i els EUA. És membre del clúster Barcelona Tech City i col·labora habitualment com a docent i conferenciant en diferents universitats.
  • Pradel Miquel, Jordi
    Enginyer en informàtica per la Universitat Politècnica de Catalunya (UPC). Fundador i CEO d'Agilogy. Fundada el 2005, Agilogy s'especialitza en el desenvolupament àgil de software a mida, ajudant a equips mixtos d'Agilogy i al client a aplicar amb èxit les metodologies àgils per a desenvolupar software en entorns tecnològicament complexes i altament canviants, fent servir la programació funcional i tècniques d'Scrum, Kanban i XP entre d'altres. Ex-Professor associat del Departament d'Enginyeria de Serveis i Sistemes d'Informació de la UPC.
  • Queralt Calafat, Anna
    Doctora en informàtica per la UPC. Senior Researcher al grup de Storage Systems del Barcelona Supercomputing Center, treballant en gestió, compartició i reutilizació de grans quantitats de dades i en gestió de dades per IoT. Anteriorment va ser professora i investigadora al Departament d'Enginyeria de Serveis i Sistemes d'Informació de la UPC.
  • Romero Moral, Óscar
    Doctor en Informàtica per la UPC. Professor del Departament d''Enginyeria de Serveis i Sistemes d''Informació de la UPC. Docència tant a nivell de grau com de màster oficial (MIRI-Data Science). Coordinador a la UPC dels Màsters Erasmus Mundus in Big Data Managament and Analytics (BDMA) i de l'especialitat en Data Science del Master in Information Research (MITI-DS). Recerca en l'àmbit de la gestió de dades i de la informació, àmbit en el qual ha publicat més 50 publicacions en conferències i revistes internacionals. Ha col·laborat com a consultor amb SAP, HP, Zurich Seguros i l''OMS, entre d''altres.
  • Sánchez Hernández, Germán
    Doctor en Automàtica, Robòtica i Visió per la Universitat Politècnica de Catalunya. Membre actiu del grup de recerca GREC (amb diverses publicacions en journals), col·laborador acadèmic en ESADE. Cap de projectes a AIS - Aplicacions d'Intel·ligència Artificial.
  • Torrent Moreno, Marc
    Enginyer de Telecomunicació per UPC. Doctor en Informàtica per la Universitat de Karlsruhe a Alemanya i Executive MBA per ESADE Business School. Ha participat des de 2001 en diversos projectes de recerca en diversos camps de les TIC, formant part de diverses empreses i universitats a Europa i USA (British Telecom UK, NEC Deutschland, Mercedes-Benz R+D USA, la Universitat de Califòrnia en Berkeley i Ficosa International). Actualment, és Director de la unitat Big Data Analytics en BDigital-Eurecat i director del Centre d'Excel·lència en Big Data de Barcelona impulsant la cultura de les dades i aportant solucions innovadores al mercat.
  • Torrents Poblador, Pere
    Director d'Operacions a Scopely.
  • Touma, Rizkallah
    Doctor en Arquitectura de Computadors per la UPC. Màster en Tecnologies d'Informació per a Business Intelligence per la UPC i la Université Lliure de Bruxelles (ULB). Llicenciatura en Ciències de la Computació per la Universitat de Damasc, Síria. Actualment, és analista de solucions de coneixement amb el grup SEMBU (Semantic Business Unit) en Everis España.
  • Vázquez Alcocer, Pere-Pau
    Doctor en software per la UPC. Titular d'Universitat del departament de Computer Science de la UPC. Imparteix docència a nivell de grau i màster a la UPC, i ha participat en la docència de cursos de grau o de màster en altres universitats, com la Universitat de Nuremberg, la Universitat de Girona, la UOC o la Universitat de Vic. La seva recerca es centra en la visualització de dades científiques i els gràfics per computador.
  • Verdejo Álvarez, Gabriel
    Enginyer en Informàtica per la UAB i Diploma D'Estudis Avançats (DEA). Postgrau en Gestió de la Innovació per la UPC. Ha treballat en diverses empreses del sector TIC i de la innovació. Des del 2010 sóc el Responsable del Laboratori de Recerca i Desenvolupament a la UPC (RDlab). Tinc una àmplia experiència professional en el suport, gestió de la recerca (projectes nacionals i europeus) i la transferència de tecnologia/resultats amb centres de recerca i el món empresarial.
  • Ylipoti, Sara
    COO de Moggie, una nova startup de l'estudi creatiu Studio Banana. La companyia ha guanyat premis prestigiosos com en TechCrunch Disrupt i The Next Web Amsterdam. Amb caràcter previ a la seva incorporació a Moggie, va ser Operations Manager i Directora de Barcelona de Connector Startup Accelerator. Llicenciada en Relacions Internacionals i en Ciències Polítiques per la Universitat de Loyola a Chicago, ha desenvolupat la seva carrera en els àmbits de la innovació i les startups per espai dels últims 9 anys i en les àrees d'estratègia, operacions i màrqueting.

Entitats col·laboradores

Socis col·laboradors

Sortides professionals

  • Data Scientist.
  • Digital Transformation Leader.
  • Data Engineer.
  • Chief Data Officer.
  • Data Architect.
  • Big Data Consultant.
  • Data Analyst Consultant.
  • Decisional Systems Engineer.

Testimonis i notícies

Testimonis

Sóc Enginyer en Informàtica i la meva especialitat sempre han estat les bases de dades i en general tot el relatiu al Modelatge de Dades Conceptual i Físic. Vaig realitzar el postgrau per poder evolucionar i ampliar la meva especialitat, així com per iniciar-me de la forma més acadèmica i reglada possible en l'àmbit analytics. L'experiència m'ha permès reorientar la meva feina i iniciar i impulsar l'entorn Big Data Analytics a l'empresa. De fet, el nostre projecte final consistia utilitzar dades reals de la demanda de viatgers TMB per desplegar diferents facetes que vam aprendre durant el curs. La més difícil i espectacular va ser endinsar-nos en realitzar un estudi predictiu de la demanda de passatge en algunes estacions de metro de la L9 automàtica i d'algunes línies importants de Bus de la nova xarxa ortogonal a partir d'un model de Machine Learning.

Carles Teixidó Gálvez Responsable de Projectes Big Data & Analytics a aTec - Sistemes d'Informació (Transports Metropolitans de Barcelona)

Una de les meves responsabilitats és vetllar per l'evolució tecnològica a l'organització, identificant aquelles tecnologies que aportin valor al negoci. Des del principi tenia clar el gran potencial del Big Data, una tecnologia que ha arribat per quedar-se. Buscava un curs seriós que em donés l'amplitud i profunditat de coneixements necessària per començar a introduir Big Data a l'empresa. Havent estudiat a la FIB, un màster amb visió holística sobre el Big Data organitzat per la UPC i dirigit per professorat de renom de la FIB, era ja una garantia de rigor. Tant ha estat així que els coneixements adquirits m'han permès divulgar dins l'organització el potencial de la tecnologia Big Data aplicada a casos reals de negoci. Això ha generat l'interès necessari per llançar proves de concepte i pilots amb molt bons resultats. Més enllà dels coneixements, he conegut alumnes i professors que han enriquit encara més l'experiència. La meva opinió: 100% recomanable.

Oscar Galí Responsable d'Arquitectura i Tecnologia TI a Zurich

A la finalització dels meus estudis en enginyeria informàtica a la FIB vaig descobrir el món del Business Intelligence i em va acabar atrapant. Actualment i després de deu anys treballant en gestió i explotació de la informació sóc responsable del departament de Business Intelligence i Analytics a Desigual. El postgrau en Big Data m'ha donat un coneixement ampli de com funcionen les bases de dades columnars, de grafs o amb dades desestructurades tipus JSON, per exemple. He après arquitectures per desenvolupar solucions en temps real amb un alt volum d'informació. I al mateix temps m'ha aportat un ventall d'algoritmes en estadística avançada i Machine Learning els quals sóc capaç d'aplicar en els problemes que se'm presenten en el meu treball. Aquesta és una formació amb un alt nivell tècnic per descobrir com es treballa el BigData i l'analítica avançada a través de la programació en diferents tecnologies. Atorga una visió àmplia en molts aspectes i els coneixements suficients per afrontar projectes d'aquest tipus.

Marc Escribano IT Manager - Business Intelligence and Data Management a Desigual

Testimonis<
Notícies del Blog
La UPC School aposta per les professions de futur: blockchain , indústria 4.0, intel·ligència artificial i transformació digital
La UPC School aposta per les professions de futur: blockchain , indústria 4.0, intel·ligència artificial i transformació digital
12-04-2018
La UPC School aposta per les professions de futur: blockchain , indústria 4.0, intel·ligència artificial i transformació digital
La UPC School aposta per les professions de futur: blockchain , indústria 4.0, intel·ligència artificial i transformació digital
12-04-2018
La UPC School aposta per l'especialització dels nous perfils TIC
La UPC School aposta per l'especialització dels nous perfils TIC
31-01-2017
Alumnes del postgrau en Big Data de la UPC School guanyen els Big Data Talent Awards
Alumnes del postgrau en Big Data de la UPC School guanyen els Big Data Talent Awards
18-10-2016
Albert Abelló i Oscar Romero, directors del postgrau en Big Data, dirigeixen el projecte Big Data Analytics Lab
Albert Abelló i Oscar Romero, directors del postgrau en Big Data, dirigeixen el projecte Big Data Analytics Lab
08-06-2016
Altres notícies
El País: "La febre del 'Big Data' arriba a l'ocupació"
03-10-2018
Llegir més
El Economista: "Expert en Big Data, el perfil professional més buscat per les empreses"
20-03-2017
Llegir més
El Economista: "Big Data i R+D, les àrees on és més difícil trobar professionals"
20-03-2017
Llegir més
Educaweb: "Big Data. Oportunitats i amenaces per a la tasca orientadora"
28-02-2017
Llegir més
El Periodico: "Big Data, una oportunitat de futur"
20-02-2017
Llegir més
Actes relacionats
Open Day TIC
Open Day TIC
23-05-2019

Sol·licita informació o l'admissió

Contacte:
(34) 93 114 68 05
La teva sol·licitud ha estat rebuda correctament a la UPC School.

En breu ens posarem en contacte amb tu.

Gràcies pel teu interès en els nostres programes formatius.

Per un error en la connexió a la base de dades la teva sol·licitud no s'ha pogut cursar. T'agrairem que repeteixis el procés més tard o bé que et posis en contacte amb nosaltres trucant al (34) 93 112 08 08 o enviant-nos un correu electrònic a: webmaster.fpc@fpc.upc.edu
Has superat el tamany màxim del fitxer
  • Si tens algun dubte sobre el màster.
  • Si vols iniciar els tràmits per matricular-te.
Com iniciar l'admissió
Per iniciar el procés d'inscripció a aquest programa cal omplir i enviar el formulari que trobaràs al peu d'aquestes línies.

A continuació, rebràs un correu electrònic de benvinguda on es detallaran els tres passos a seguir per formalitzar el procés d'inscripció:

1. Completar i confirmar les teves dades personals.

2. Validar el teu currículum vitae i adjuntar la documentació addicional requerida, en cas que sigui necessària per a l'admissió.

3. Pagar 110€ en concepte de drets d'inscripció al programa. L'import d'aquests drets es descomptarà de la quantia total de la matrícula i només es retornarà en cas de no resultar admès.

Un cop realitzat el pagament de drets i disposem de tota la documentació, valorarem la teva candidatura i, si has estat admès al curs, t'enviarem la carta d'admissió. En aquest document obtindràs tots els detalls per formalitzar la matrícula al programa.




  política de protecció de dades

Informació bàsica o primera capa sobre protecció de dades

Responsable

Fundació Politècnica de Catalunya (en endavant, FPC). + INFORMACIÓ

Finalitat

Contestar les sol·licituds d’informació de l’interessat sobre activitats de formació gestionades o realitzades per l’FPC . + INFORMACIÓ

Establiment o manteniment de relació acadèmica amb l’interessat. + INFORMACIÓ

Legitimació

Consentiment de l'interessat. + INFORMACIÓ

Interès legítim en el desenvolupament de la relació acadèmica. + INFORMACIÓ

Destinataris

No hi ha cessions o comunicacions.

Drets

Accés, rectificació, supressió, limitació, oposició i portabilitat. + INFORMACIÓ

Informació addicional

Política de privacitat de la nostra pàgina web. + INFORMACIÓ

Cessió imatge

Acceptació a la cessió, per un període de 10 anys, les imatges que l’FPC pugui captar a les instal·lacions on es desenvolupi la seva activitat, a fi de difondre i promocionar les activitats de l’FPC i pel mitjà que tingui per convenient.

Serveis de pagament

En cas que l’interessat formalitzi la relació amb l’FPC, l’ordenant (interessat) autoritza i dóna el seu consentiment al càrrec, per tant, amb renuncia expressa al dret de devolució sobre el càrrec.
Enviar
  • AUIP
  • EUCEN
  • RECLA
  • RUEPEP
© Fundació Politècnica de Catalunya - Avís legal - Política de cookies