Uso de cookies

Utilizamos cookies propias y de terceros para mejorar nuestros servicios. Puedes obtener más información y configurar tus preferencias.
Información sobre la política de cookies

Rechazar Cookies
Aceptar Cookies
Campus
MY_TECH_SPACE

Entrar
¿Has olvidado los datos de acceso?
Campus en mantenimiento
Usuario y/o clave incorrectos
No tienes ningún entorno activo
Tu acceso ha sido restringido. Consulta con el departamento de administración
Por problemas técnicos el campus virtual es inaccesible. Estamos trabajando para solucionarlo. Disculpa las molestias.
Inicio   >  Másters y posgrados  >  Formación  >  Máster en Big Data Management, Technologies and Analytics
Solicita información
Solicita información Solicita información o la admisión
Solicita la admisión
Solicita la admisión
  • Presentación
  • Contenidos formativos
  • Metodología de aprendizaje
  • Equipo docente
  • Entidades colaboradoras
  • Salidas profesionales
  • Testimonios
  • Solicita información o la admisión
  • discount
    15% de descuento si te matriculas antes del 30 de Junio
    + info
  • discount
    3 ayudas del 25% del importe de la matrícula dirigidas a mujeres
    + info

Presentación

Edición
6ª Edición
Créditos
60 ECTS (324 horas lectivas)
Modalidad
Presencial
Idioma de impartición
Español
Precio
8.700€ 7.395€(15% de descuento si te matriculas antes del 30 de Junio)
Opciones de pago de la matrícula

Opciones de pago de la matrícula:
- En un único pago antes del plazo establecido en la carta de admisión al programa.
- Pago fraccionado en dos plazos:

  • El 60% del importe total deberá pagarse en el plazo indicado en la carta de admisión del programa.
  • El 40% restante deberá abonarse, como máximo, al cabo de 90 días a partir de la fecha de inicio del programa.
- En cuatro plazos, fraccionando el pago con domiciliación:
  • El 40% del importe total deberá pagarse en el plazo indicado en la carta de admisión del programa.
  • El 60% restante se dividirá en 3 pagos domiciliados, que se repartirán equidistantemente entre el inicio y final de las clases lectivas.
  • El estudiante debe disponer y ser titular de una cuenta bancaria con IBAN ESXX
Observaciones campaña 0,7%

Inscripción abierta hasta el inicio del curso o hasta el agotamiento de plazas.
Fechas de realización
Inicio clases: 10/10/2022
Fin clases: 19/07/2023
Fin programa : 29/11/2023
Horario
Lunes: 18:00 a 21:00
Miércoles: 18:00 a 21:00
Viernes: 18:00 a 21:00
Lugar de realización
Facultat d'Informàtica de Barcelona (FIB)
C/ Jordi Girona, 1-3
Barcelona
Vídeo de presentación
¿Por qué este máster?
La relevancia de los datos en la sociedad actual es incuestionable. Un buen porcentaje de empresas, las conocidas como empresas digitales, fundamentan su modelo de negocio en la recolección, almacenamiento y análisis de cualquier dato relevante para su negocio. Esta filosofía implica un cambio radical en la hora de gestionar las operaciones de las organizaciones y requiere la digitalización de todos sus procesos de negocio, como, por ejemplo, creando sistemas informáticos para interactuar con los clientes o proveedores (sean páginas web, aplicaciones móviles o sistemas GPS), sensorizando los procesos mecánicos para monitorizarlos, etc.

A pesar de que la digitalización de una organización es una tarea pesada, una vez hecha, los datos generados y recogidas pueden ser analizadas con el objetivo de generar información relevante por la toma de decisiones del negocio. Este hecho, a estas alturas, se ha identificado como un factor de éxito determinante y diferenciador que aumenta la competitividad de las organizaciones.

Actualmente, se emplea el término Big Data para referirse a un nuevo tipo de sistemas que recogen y analizan datos de cualquier natura, y los retos que comportan. La definición más popular del Big Data está basada en las tres "Vs", que representan sus 3 principales retos: Volumen (la digitalización de ciertos procesos puede generar grandes volúmenes de datos), Variedad (provenientes de fuentes de datos heterogéneos) y Velocidad (en referencia al potencial tiempo de llegada y procesamiento de los datos en real-time).

El Big Data presenta nuevos retos por las organizaciones en dos aspectos tecnológicos principales: la gestión y el análisis de los datos. Del punto de vista de la gestión de los datos, el Big Data requiere nuevas arquitecturas (principalmente basadas en Cloud Computing y la gestión distribuida de los datos y la memoria) y nuevos modelos de datos (como los documents grafs, key-value o streams). Del punto de vista del análisis de datos, hay que considerar nuevos tipos de datos semi-estructurados o no estructurados (como texto o imagen), que hoy en día representan una fracción importante de los nuevos datos que se generan. Además, hay que adaptar las técnicas de análisis tradicionales a las características del Big Data, y esto complica la preparación, entrenamiento y validación de los modelos.

La barrera de entrada para incorporar soluciones Big Data continúa siendo muy alta para la mayoría de organizaciones, puesto que la gestión y mantenimiento de estos sistemas es muy diferente de la de cualquier otro. Además, las actuales herramientas son muy poco maduras y requieren un alto grado de especialización para poderlas emplear correctamente. Por este motivo, la especialización en este ámbito implica un reciclaje específico basado en los principales conceptos detrás de estas tecnologías. En el ámbito de estos sistemas hay que distinguir entre la gestión de datos en sistemas Big Data (Big Data Management) y el análisis de estos datos para extraer conocimiento relevante por la organización con algoritmos de Data Mining y Machine Learning (Big Data Analytics). Además, no existe una solución universal ni de gestión ni de análisis que se pueda replicar fácilmente en cualquier dominio, puesto que, por definición, en estos entornos la solución depende del caso de uso (explotación) que tengamos entre manos.

Consiguientemente, el máster en Big Data Management, Technologies and Analytics da una visión global de un ecosistema Big Data y se profundiza en ambos aspectos: gestión (Big Data Management) y explotación de los datos (Big Data Analytics), aportando aplicabilidad (Big Data Technologies) y visión de negocio (es decir, como extraer valor) dentro de este mundo.
Objetivos
  • Entender la problemática de gestión de Big Data y sus especificidades.
  • Identificar las características más relevantes en la gestión de datos que deben guiar la elección de una solución arquitectónica.
  • Conocer el paradigma de datos abiertos.
  • Practicar con las principales herramientas de gestión de Big Data actuales en el mercado (Hadoop, MongoDB, Neo4J, GraphDB,, Spark, etc.).
  • Entender cuándo un problema empresarial puede ser formalizado como un problema de aprendizaje automático.
  • Identificar los modelos estadísticos o de aprendizaje automático más adecuados para un problema dado.
  • Saber efectuar el pre-proceso de los datos (sean estructuradas o no estructuradas).
  • Saber evaluar la tasa de acierto de los modelos propuestos.
  • Adquirir conocimientos específicos sobre el uso de Big Data para la toma de decisiones en la empresa.
  • Identificar las buenas prácticas en la aplicación de Big Data para la creación de un negocio.
  • Emplear herramientas de modelización de negocio.
  • Conocer los principios económicos, éticos y legales del funcionamiento de una empresa.
¿A quién va dirigido?
  • Graduados en informática o equivalente interesados en el ámbito del Big Data.
  • Profesionales informáticos, principalmente, desarrolladores, arquitectos, analistas de datos y administradores de sistemas, interesados en reciclarse hacia el ámbito del Big Data.
  • Graduados en estadística, matemáticas o ingenierías en general. En estos casos, los interesados tienen que tener una formación técnica en bases de datos centralizadas y programación.
El máster tiene como objetivo crear perfiles mixtos en gestión y análisis de datos.

Contenidos formativos

Relación de asignaturas
12 ECTS 72h
Data Management
  • Motivación
    • Contexto. La sociedad de los datos y el paradigma data-driven.
    • Casos de uso.
    • Cloud computing e ingeniería de servicios (XaaS).
    • La necesidad de un cambio de paradigma: NoSQL.
  • Principios básicos de las bases de datos no relacionales (NoSQL)
    • Fundamentos arquitectónicos.
    • Nuevos modelos de datos.
  • Fundamentos: nuevas arquitecturas
    • Conceptos básicos.
    • One size does not fit all.
    • Gestión y procesamiento distribuido de los datos.
    • Gestión y procesamiento de los datos en memoria.
    • Principales arquitecturas de referencia.
  • Fundamentos: nuevos modelos de datos
    • Conceptos básicos.
    • Modelos de datos no estructurados o semi-estructurados.
    • Principales modelos de datos en el mundo NoSQL: Key-Value, Document-oriented, Graphs, Graphs Semantics y Streams.
    • Modelización de datos avanzada (para sistemas no relacionales).
  • Principales familias de gestores NoSQL
    • Gestores Key-Value
      • Concepto y principios.
      • El ecosistema Hadoop: HDFS, HBase, MapReduce y Spark.
      • Consideraciones específicas de modelización.
    • Gestores Document-oriented
      • Concepto y principios.
      • Ejemplo: MongoDB y Aggregation Framework.
      • Consideraciones específicas de modelización.
    • Gestores Column-oriented
      • Concepto y Principios.
      • Ejemplo: Kudu (base de datos) y Parquet (ficheros).
      • Consideraciones específicas de modelización.
    • Gestores de grafos
      • Conceptos y principios.
      • Tipos de grafos y operaciones.
      • Ejemplo: Neo4J y Cypher.
      • Consideraciones específicas de modelización.
    • Gestores de grafos semánticos
      • Concepto y Principios: el paradigma Open/Linked Data.
      • Como abrir los datos.
      • Arquitecturas basadas en grafos versus tecnología relacional.
      • Marco de Descripción de Recursos (RDF) y SPARQL.
      • Ejemplo: GraphDB.
      • Consideraciones específicas de modelización.
  • Integración de datos
    • Procesos intensivos de datos vs. ETL.
    • Concepto de Data Lake, sistemas políglotas.
    • Orquestadores.
  • Visualización
    • Procesos de visualización.
    • Técnicas de visualización.
12 ECTS 72h
Data Analytics
  • Introducción
    • ¿Qué es el knowledge discovery?
    • Estadística básica.
    • Introducción a R.
  • Pre-procesamiento de datos
    • Limpieza y adecuación de los datos.
    • Transformaciones.
  • Técnicas básicas de análisis
    • Regresión múltiple.
    • Profiling.
  • Análisis multivariante
    • Análisis de componentes principales.
    • Clustering.
    • Árboles de decisión.
  • Aprendizaje automático
    • Concepto.
    • Fundamentos matemáticos.
  • Principales técnicas de aprendizaje automático
    • Reglas de asociación.
    • Métodos lineales supervisados.
    • Redes neuronales.
    • Máquinas de vector soporte.
    • Bosques aleatorios.
  • Procesamiento de texto
    • Pre-procesamiento y preparación de los datos.
    • Principales técnicas de texto analíticas.
    • Information retrieval.
  • Análisis de series temporales
    • Pre-procesamiento y preparación de les datos.
    • Forecasting.
    • Detección de outliers.
  • Análisis de los datos avanzados
    • Paquetes de R para el procesamiento paralelo.
    • R sobre bases de datos relacionales.
    • Análisis de los datos en entornos distribuidos utilizando Hadoop Distributed File System (HDFS) y Spark
      • Spark R y MLlib.
16 ECTS 96h
Hands-on Experience: Data Maganement and Analytics
  • Infraestructura
    • Introducción a los entornos cloud.
    • Virtualización.
    • Servicios Oracle.
  • Almacenamiento distribuido
    • El Ecosistema Hadoop.
    • Sistemas Key-Value: HBase.
  • Procesamiento distribuido
    • MapReduce.
    • Spark: SparkSQL. Spark streaming. Spark graphs.
    • Análisis de datos en entornos distribuidos: MLlib. SparkR.
  • Document Stores
    • MongoDB.
    • Elasticsearch.
  • Bases de datos en grafo
    • Property-graphs: Neo4J.
    • Grafos semánticos: GraphDB.
  • Arquitectura de sistemas big data.
5 ECTS 33h
Negocio y Emprendimiento en Big Data
  • Introducción: el entorno competitivo de la empresa y big data
    • Big data landscape.
  • Técnicas de ideación de negocio
    • Clientes y usuarios.
    • Definición de productos y servicios.
  • Herramientas de modelización de negocio: Business model canvas
    • Elementos que lo conforman.
    • Casos prácticos.
    • Resolución casos: Twitter, Facebook, etc.
  • Proceso de financiación
    • Finanzas.
    • Financiación privada: Business Angels y Capital Risk.
    • Financiación pública.
  • Márquetin.
  • Creación de una empresa
    • Aspectos legales: Regulación de los datos.
    • Aspectos económicos.
  • Consideraciones éticas del big data: negocio y privacidad.
  • Presentaciones y pitch.
15 ECTS 51h
Proyecto
El proyecto se realizará en grupos de 2 o 3 personas que tendrán que desarrollar un caso real aplicado. Los estudiantes tendrán que realizar un análisis tanto de la perspectiva técnica (gestión y análisis de datos) como de la perspectiva de negocio (potencial viabilidad de la idea como negocio, independientemente de que se trate de una start-up o un nuevo producto/servicio a una empresa existente).

El proyecto tiene que proponer una solución innovadora al problema planteado, tanto en el aspecto técnico como en el valor añadido de negocio, y se valora de esta perspectiva.

Para llevar a cabo el proyecto, los grupos tienen que definir la arquitectura funcional del sistema (incluyendo repositorios y flujos de datos justificando el rendimiento que se obtendrá del sistema en un caso real), justificar el tipo de análisis de datos a llevar a cabo (incluyendo la preparación de los datos, diseño de features, adecuación del modelo escogido al problema entre manos, training y validación) y la viabilidad del negocio (posicionamiento y segmentación del negocio, así como la habilidad de hacer un pitch preciso sobre la idea de negocio y su valor). La gestión del proyecto también tendrá un peso especial, y se espera seguir una metodología ágil adaptada a proyectos Big Data (que se presentará durante el máster).

Cada grupo contará con el asesoramiento de tres tutores (profesores del programa expertos en negocio, gestión y análisis de datos, respectivamente) para el desarrollo de los proyectos. La fórmula seguida garantiza la inmersión en una experiencia real siente tutorizados por expertos en la temática. Como resultado, los proyectos resultantes han recibido varios premios y han dado pie a productos que han llegado a producción en varias empresas.

A continuación detallamos ejemplos de trabajos realizados en ediciones anteriores:
  • "LifeStyle": A partir de datos de transacciones bancarias se perfiló el estilo de vida (actividades de ocio) de los clientes del banco con el objetivo de hacerlos propuestas personalizadas de productos de ocio.
  • "A Location Based Social Media Fecha Gathering System for Predicting Crowded Plazas": A partir de datos en tiempos reales de diferentes redes sociales se predecía la afluencia de personas en los principales lugares turísticos de Barcelona. De este modo, se podían preparar acciones para descongestionar ciertas zonas de la ciudad con antelación.
  • "Supermarker Shopping Assistant": se trata de una aplicación móvil que recomienda al cliente, durante su visita a un supermercado o hipermercado, qué productos alrededor suyo pueden ser de su interés. La aplicación incluye un self-checkout para hacer las compras más eficientes a través del escaneo del producto.
  • "Urban Mobility and Traffic Safety Analytics": aprovechando los datos generados por los sensores de los llamados smart cars, se identifican conductas de riesgo, que podrían acabar en accidente, en tiempo real a partir del perfil de conducción habitual de cada conductor y los datos actuales recibidos en tiempo real.
  • "Properties Data Collection Platform and Prices Prediction": a partir de datos de portales inmobiliarios contextualizadas con otras externas se predecía el precio real y de venta de un inmueble.
  • "Neto Sales Forecasting": en el ámbito de las farmacéuticas, predecir la cantidad de medicamentos a producir por país con antelación es vital. En este proyecto se hacía una previsión de producción mensual por país basado en los históricos de ventas.
La UPC School se reserva el derecho de modificar el contenido del programa, que puede variar para una mayor adaptación a los objetivos del curso.
Titulación
Título de máster propio expedido por la Universitat Politècnica de Catalunya. Emitido en virtud del art. 34.1 de la L.O. 4/2007, de 12 de abril, por la cual se modifica la L.O. 6/2001, de 21 de diciembre, de Universidades. Para su obtención es necesario tener una titulación universitaria oficial. De no ser así, el estudiante obtendrá un certificado de aprovechamiento expedido por la Fundació Politècnica de Catalunya. (Ver datos que constan en el certificado).

Metodología de aprendizaje

La metodología docente del programa facilita el aprendizaje del estudiante y la consecución de las competencias necesarias.



Herramientas de aprendizaje
Sesiones magistrales participativas
Se exponen los fundamentos conceptuales de los contenidos a impartir, promoviendo la interacción con los estudiantes para guiarlos en el aprendizaje de los diferentes contenidos y el desarrollo de las competencias establecidas.
Sesiones prácticas en el aula
Se aplican los conocimientos en un entorno real o hipotético, donde se identifican y trabajan aspectos específicos para facilitar su comprensión, con el apoyo de los docentes.
Resolución de ejercicios
Se trabajan las soluciones mediante la ejercitación de rutinas y la aplicación de fórmulas o algoritmos, y se siguen procedimientos de transformación de la información disponible y de interpretación de los resultados.
Casos de éxito
Se presentan y comparten conocimientos y experiencias profesionales reales y de alto valor añadido, adquiridos durante una trayectoria destacada en el ejercicio de la profesión.
Aprendizaje basado en problemas (ABP)
Metodología de aprendizaje activo que permite que el estudiante se involucre desde un inicio y adquiera los conocimientos y habilidades a través del planteamiento y la resolución de situaciones o problemas complejos.
Tutorías
Se presta apoyo técnico a los estudiantes en el desarrollo del proyecto final, en función de su especialidad y de la temática del proyecto.
Criterios de evaluación
Asistencia
Se requiere como mínimo el 80% de asistencia a las horas lectivas.
Resolución de ejercicios, cuestionarios o exámenes
Pruebas individuales con el objetivo de evaluar el grado de aprendizaje y la adquisición de competencias.
Realización y presentación del proyecto final
Proyectos individuales o grupales en los que se aplican los contenidos impartidos en el programa. El proyecto puede estar basado en casos reales y comprender la identificación de una problemática, el diseño de la solución, su implementación o un plan de negocio. Contará con una presentación y la defensa pública del proyecto.
Prácticas y bolsa de trabajo
Desde el campus virtual My_Tech_Space los estudiantes podrán visualizar ofertas de trabajo de su área de conocimiento y presentar su candidatura en un entorno confidencial. La bolsa de trabajo de la UPC School tiene un volumen anual de cientos de ofertas de trabajo, entre contratos laborales y convenios de colaboración en prácticas.
Campus virtual
Los estudiantes de este máster tendrán acceso al campus virtual My_Tech_Space, una eficaz plataforma de trabajo y comunicación entre estudiantes, profesores, dirección y coordinación del curso. My_Tech_Space permite obtener la documentación de cada sesión formativa antes de su inicio, trabajar en equipo, hacer consultas a los profesores, visualizar notas, etc.

Equipo docente

Dirección Académica
  • Jovanovic, Petar
    info
    Ver perfil en futur.upc
    Doctor de Ciencia de Computación por la Universitat Politècnica de Catalunya (UPC) y la Universidad Libre de Bruselas. Máster en Computación por la UPC. Ingeniero en Informática por la Universidad de Belgrado. Su ámbito de investigación se sitúa en el área de Business Intelligence, Big Data Management y sistemas de bases de datos distribuidas.
  • Romero Moral, Óscar
    info
    Ver perfil en futur.upc
    Doctor en Informática por la Universitat Politècnica de Catalunya (UPC). Profesor del Departamento de Ingeniería de Servicios y Sistemas de Información de la UPC. Docencia tanto en el ámbito de grado como de máster universitario. Coordinador del Erasmus Mundus Master in Big Data Managament and Analytics (BDMA) y del máster en Data Science de la UPC. Investigación en el ámbito de la gestión de los datos y de la información, en el que ha publicado más de sesenta publicaciones en conferencias y revistas internacionales. Ha colaborado como consultor con SAP, HP, Zurich Seguros y OMS, entre otros.
Profesorado
  • Abelló Gamazo, Alberto
    info
    Ver perfil en futur.upc / Ver perfil en Linkedin
    Doctor en Informática por la Universitat Politècnica de Catalunya (UPC). Profesor del Departamento de Ingeniería de Servicios y Sistemas de Información de la UPC. Docencia tanto en grado (Grado en Ingeniería Informática y en Ciencia e Ingeniería de Datos), como en máster (Master in Data Science - MDS). Coordinador por parte de la UPC del doctorado Erasmus Mundus in Information Technologies for Business Intelligence - Doctoral College (IT4BI-DC) y la MSCA-ITN-EJD Data Engineering for Data Science (DEDS).

    Ha colaborado como consultor con SAP, HP, Zurich Seguros y OMS, Fundació Probitas, entre otros.
  • Aluja Banet, Tomàs
    info
    Ver perfil en futur.upc
    Profesor titular de la Universitat Politècnica de Catalunya (UPC). Es autor de 60 artículos publicados en revistas científicas o como capítulos de un libro. Temas de investigación abordados: Análisis multivariante, modelos de minería de datos, modelos para la estimación de intangibles y diseño de sistemas de learning analytics. Miembro de comités científicos de conferencias internacionales (entre ellas Computational Statistics, COMPSTAT, y PLS). Ha participado en diversos proyectos de investigación europeos y españoles en el campo de los sistemas basados en meta-datos estadísticos, la fusión de datos y la modelización de intangibles, y ha sido consultor estadístico de La Caixa, Kantar Media, Idescat y el Ayuntamiento de Barcelona entre otros.
  • Belanche Muñoz, Luis Antonio
    info
    Ver perfil en futur.upc
    Licenciado en Informática y Doctor en Inteligencia Artificial por la Universitat Politècnica de Catalunya (UPC). Profesor del Departamento de Ciencias de la Computación de la UPC con más de 30 años de experiencia docente. Supervisor o tutor de más de cien tesis y trabajos de estudiantes. Actualmente imparte docencia en el Grado en Ciencia e Ingeniería de Datos y en el máster en Innovation and Research in Informatics (MIRI), el máster en Advanced Mathematics and Mathematical Engineering (MAMME) y el máster en Inteligencia Artificial (IA) de la Facultad de Informática de Barcelona (FIB). Es jefe de estudios de la Facultad de Informática de Barcelona (FIB). Ha realizado más de ciento treinta publicaciones en revistas y congresos internacionales, y ha participado en quince proyectos de investigación nacionales e internacionales.
  • Berbegal Castelló, José
    info
    Ver perfil en Linkedin
    Ingeniero en Informática por la Universitat Politècnica de Catalunya (UPC). Ha trabajado durante más de 10 años en diferentes empresas del sector de la seguridad y defensa. Actualmente trabaja a Everis Aeroespacial, Defensa y Seguridad, en la división de aunav robots, dedicada al desarrollo de robots de desactivación de explosivos, ejerciendo como responsable del departamento de software e inteligencia artificial.
  • Berral García, Josep Lluís
    info

    Ingeniero informático, Máster en Arquitectura de Computadores y Doctor en Informática por la Universitat Politècnica de Catalunya (UPC). Su investigación se centra en aplicaciones de minería de datos, aprendizaje automático, y gestión automática de entornos en centros de datos. Actualmente es investigador en el Centro Nacional de Supercomputación - Barcelona Supercomputing Center, lider del grupo Data-Centric Computing. Especialista en: Gestión y Orquestación de Centros de Datos (Cloud Computing), Aprendizaje Automático (Machine Learning), Minería y Análisis de Datos (Data Mining) y Inteligencia Artificial.
  • Bilalli, Besim
    info
    Ver perfil en futur.upc / Ver perfil en Linkedin
    Doctor de Ciencia de Computación por la Universitat Politècnica de Catalunya (UPC) y Poznan University of Technology. Becario postdoctoral y profesor asociado en la UPC como parte del grupo de investigación Database Technologies and Information Management (DTIM). Está involucrado en actividades de investigación y enseñanza que van desde la gestión de datos hasta el aprendizaje automático. Sus intereses de investigación se encuentran en las áreas de administración de datos, preprocesamiento de datos y en la aplicación de técnicas de (meta) aprendizaje automático para brindar soporte al usuario para los diferentes pasos de análisis de datos. Miembro del comité del programa para las conferencias de Diseño, Optimización, Lenguajes y Procesamiento Analítico de Big Data (DOLAP) y DaWaK.
  • Delicado Useros, Pedro Francisco
    info
    Ver perfil en futur.upc
    Catedrático del Departamento de Estadística e Investigación Operativa de la Universitat Politècnica de Catalunya (UPC). Autor de más de 35 artículos internacionales, sus temas de investigación incluyen el aprendizaje no supervisado (curvas principales, clustering, multidimensional scaling), el análisis de datos funcionales (dependencia espacial, componentes principales) y las aplicaciones (demografía, análisis de resultados electorales, bioinformática). Ha colaborado como consultor estadístico con SEIF-88 (ensayos clínicos) y la Agència per a la Qualitat del Sistema Universitari de Catalunya (muestreo).
  • Deulofeu Aymar, Joaquim
    info
    Ver perfil en futur.upc / Ver perfil en Linkedin
    Licenciado y doctor en Ciencias Económicas y Empresariales por la Universidad de Barcelona (UB). Evaluador-asesor internacional EFQM, socio fundador y gerente de Calidad, Servicios Empresariales, S.L., empresa en la que desarrolla su actividad profesional como consultor desde hace más de veinte y cinco años. Profesor asociado en el Departamento de Organización de Empresas de la Universitat Politècnica de Catalunya (UPC). Profesor en otras entidades como la Universidad Abat Oliva CEU y la Escuela Superior de Comercio y Distribución (ESCODI). Actualmente es presidente del Círculo Económico y Social del Baix Montseny.
  • Díaz Iriberri, José
    info

    Doctor en Computación por la Universitat Politècnica de Catalunya (UPC). Actualmente se dedica a la investigación en el campo de la informática gráfica, es profesor agregado en la Universidad de Vic y colabora como docente en diversos grados y posgrados de la UPC. Ha sido investigador post-doctoral del programa de becas Marie Curie de la Comisión Europea en el grupo de Visual Computing del CRS4 (Italia). Su investigación se centra en la visualización de datos científicos, la computación paralela y programación de GPUs, y el diseño de aplicaciones en entornos de realidad virtual y aumentada.
  • Escolano Peinado, Carlos
    info
    Ver perfil en Linkedin
    Máster en Inteligencia Artificial por la Universitat Politècnica de Catalunya (UPC). Ingeniero Informático por la UPC. Actualmente es doctorando en el Departamento de Teoría de la Señal y Comunicaciones de la UPC, donde trabaja en traducción automática con redes neuronales.
  • Flores Herrera, Javier de Jesus
    info
    Ver perfil en Linkedin
    Ingeniero en Desarrollo de Software por la Universidad Politécnica de Chiapas (UPCH). Actualmente es estudiante del Máster en Innovación e Investigación en Informática, con especialidad en ciencia de datos por la Universidad Politécnica de Catalunya (UPC). Colabora en el grupo de investigación Database Technologies and Information Manangement (DTIM) y ha trabajado como desarrollador y soporte de micro servicios empresariales en IBM.
  • Galí Reniu, Ferran
    info

    Ingeniero Informático por la Universitat Politècnica de Catalunya. Jefe de Tecnología en Trovit, donde dirige proyectos de Big Data en una empresa en línea que agrega más de 200 millones de anuncios clasificados y atiende a más de 2 millones de usuarios por día. Colabora con la Universidad de Barcelona creando un nuevo Máster en Big Data Engineering.
  • García del Poyo Vizacaya, Rafael Emiliano
    info
    Ver perfil en Linkedin
    Abogado y socio responsable en España del Dpto. de Derecho de las Tecnologías de la Información y de la Propiedad Intelectual del despacho de abogados Osborne Clarke. Es además secretario y letrado asesor de Consejos de Administración de varias compañías tecnológicas y está reconocido por los directorios internacionales Best Lawyers y Chambers Europe como un profesional líder en las áreas de tecnología, medios de comunicación y telecomunicaciones, tanto en el ámbito nacional como europeo. También actúa como árbitro y mediador ante diversas instituciones arbitrales.
  • González Alonso, Pedro Javier
    info
    Ver perfil en Linkedin
    Ingeniero en Informática y máster en Innovación e Investigación en Informática (especialidad en Business Intelligence y Knowledge Discoverer) por la Universitat Politècnica de Catalunya (UPC). MBA por Esade. Actualmente es head of data science y CTO en nixi1, donde lidera el desarrollo de la tecnología del chatbot conversacional y la plataforma muticanal de solución nixi1.
  • Gutiérrez Torre, Alberto
    info
    Ver perfil en Linkedin
    Licenciado en Ingeniería Informática y Máster en Investigación e Innovación en Informática, con mención en Data Science, por la Universitat Politècnica de Catalunya. Actualmente es estudiante de doctorado en el grupo de Data-Centric Computing en el Centro Nacional de Supercomputación en el Barcelona Supercomputing Center, dentro del proyecto PATRONS. Su foco se centra en la aplicación de machine learning sobre datos con características temporales (series temporales), limpieza de los mismos y en streaming.
  • Jamin Jean Jacques, Emmanuel
    info
    Ver perfil en Linkedin
    Doctor en Informática por la Universidad París XI. Research engineer en varios proyectos europeos en el dominio de la web semántica (proyectos FP7: SevenPro, IntelLEO, Neon, Khresmoi, MultiSensor y proyectos Horizon 2020: Socatel, Roborder, Aqua3S, Welcome). Actualmente es consultor IT en Everis sobre temas de inteligencia artificial, particularmente la web semántica y técnicas de proceso automático del lenguaje natural (NLP) para la gestión del conocimiento. También tiene experiencia en la creación de la startup Open Data Consulting, en la cual fue Chief Techonlogy Officer (CTO).
  • Jovanovic, Petar
    info
    Ver perfil en futur.upc
    Doctor de Ciencia de Computación por la Universitat Politècnica de Catalunya (UPC) y la Universidad Libre de Bruselas. Máster en Computación por la UPC. Ingeniero en Informática por la Universidad de Belgrado. Su ámbito de investigación se sitúa en el área de Business Intelligence, Big Data Management y sistemas de bases de datos distribuidas.
  • López Miralpeix, Miguel
    info
    Ver perfil en Linkedin
    Ingeniero Informático por la Universitat Politècnica de Catalunya y Diplomado en Empresariales por la Universitat Oberta de Catalunya. Enterprise Architect en Oracle Consulting, trabajando en el despliegue de arquitecturas Big Data en grandes clientes tanto a nivel local (Caixabank, Gas Natural Fenosa, etc) como a nivel internacional (Banco Santander Rio en Argentina, CIMB en Malasia, Generalli en Italia, etc). Lidera el Oracle Barcelona Big Data Competence Center.
  • Montornés Solé, Jordi
    info
    Ver perfil en Linkedin
    Ingeniero Superior en Informática por la Universitat Politècnica de Catalunya. Desde 2004, ha trabajado en empresas como Caixa Catalunya, HP o Vueling. Actualmente, ejerce como jefe de equipo en Ocado Technology.
  • Nadal Francesch, Sergi
    info
    Ver perfil en futur.upc / Ver perfil en Linkedin
    Doctor en Informática por la Universitat Politècnica de Catalunya y la Université Libre de Bruxelles. Máster en Information Technologies for Business Intelligence por la UPC y la ULB. Actualmente, es investigador postdoctoral y profesor asociado del Departamento de Ingeniería de Servicios y Sistemas de Información de la UPC. Su ámbito de investigación se sitúa en el área de gestión de datos e información.
  • Oller Duque, Juanjo
    info
    Ver perfil en Linkedin
    Arquitecto Técnico y Máster en Project Management por la Universitat Politècnica de Catalunya. Tiene formación en Big Data Analytics y en Comunicación, Negociación y Persuasión por Esade. Acumula m´s de diez años de experiencia en el sector del retail y seis como emprendedor a diferentes proyectos. Fundador y CEO de BitPhy. Actualmente, forma parte de la junta Edsade Alumni del Club Business Innovation & Technologies.
  • Palmer, Jonathan
    info
    Ver perfil en Linkedin
    Director senior de Business Intelligence en Scopely. Bachelor of Arts en Historia Antigua por la Universidad de Bristol. Ha acumulado más de veinte años de experiencia en ingeniería de software y big data, trabajando en diversas industrias, incluyendo juegos móviles, medios y entretenimiento y fintech en Londres y Barcelona.
  • Patton Ripoll, Liam Winston
    info
    Ver perfil en Linkedin
    Ingeniero Técnico en Telecomunicaciones por la Universitat Politècnica de Catalunya y Posgrado en Telemática por el Institut Català de Tecnologia. Acumula más de 20 años de experiencia profesional en diferentes sectores tecnológicos (telecomunicaciones, gaming, e-commerce) y, en los últimos 10 años, ha sido cofundador de diferentes startups. Actualmente, es CEO de Finecortex: Smart UX Solutions (big data visualization), y miembro del consejo de administración de empresas como IoT Mavoco AG (Austria) y Mobotory TEchnologies Inc. y de Inteligencia Artificial para InsurTEch (Los Ángeles). Es miembro del clúster de startups Barcelona Tech City y colabora habitualmente como docente y conferenciante.
  • Pradel Miquel, Jordi
    info
    Ver perfil en Linkedin
    Ingeniero en Informática por la Universitat Politècnica de Catalunya (UPC). Fundador y chief executive officer (CEO) de Agilogy. Fundada el 2005, Agilogy se especializa en el desarrollo ágil de software a medida, ayudando a equipos mixtos de Agilogy y al cliente a aplicar con éxito las metodologías ágiles para desarrollar software en entornos tecnológicamente complejas y altamente cambiantes, usando la programación funcional y técnicas de Scrum, Kanban y XP entre otros. Ha sido profesor asociado del Departamento de Ingeniería de Servicios y Sistemas de Información de la UPC.
  • Queralt Calafat, Anna
    info

    Doctora en Informática por la Universitat Politècnica de Catalunya (UPC). Actualmente es profesora en el Departamento de Ingeniería de Servicios y Sistemas de Información de la UPC y miembro del grupo de investigación Database Technologies and Information Management. También colabora con el Barcelona Supercomputing Center como responsable de la línea de investigación Distributed Object Management, investigando en gestión de datos distribuidos en entornos de alto rendimiento y edge-to-cloud.
  • Romero Moral, Óscar
    info
    Ver perfil en futur.upc
    Doctor en Informática por la Universitat Politècnica de Catalunya (UPC). Profesor del Departamento de Ingeniería de Servicios y Sistemas de Información de la UPC. Docencia tanto en el ámbito de grado como de máster universitario. Coordinador del Erasmus Mundus Master in Big Data Managament and Analytics (BDMA) y del máster en Data Science de la UPC. Investigación en el ámbito de la gestión de los datos y de la información, en el que ha publicado más de sesenta publicaciones en conferencias y revistas internacionales. Ha colaborado como consultor con SAP, HP, Zurich Seguros y OMS, entre otros.
  • Sánchez Hernández, Germán
    info
    Ver perfil en Linkedin
    Doctor en Automática, Robótica y Visión por la Universitat Politècnica de Catalunya (UPC). Miembro activo del grupo de investigación en Ingeniería del Conocimiento de la UPC, con varias publicaciones en revistas. Colaborador académico en Esade. Jefe de proyectos en aplicaciones de inteligencia artificial, con más de  diez años liderando proyectos de gestión de datos geoespaciales y modelaje con técnicas tradicionales o de machine learning.
  • Torrent Moreno, Marc
    info
    Ver perfil en Linkedin
    Ingeniero de Telecomunicación por la Universitat Politècnica de Catalunya (UPC). Doctor en Informática por la Universidad de Karlsruhe y Executive MBA por Esade. Tiene más de veinte años de experiencia en I+D+i en el ámbito de las TIC, formando parte de diversas organizaciones en Europa y en Estados Unidos (British Telecom, NEC Deutschland, Mercedes-Benz Estados Unidos, Universidad de California, Ficosa Internacional y Eureca). Centrado en el mundo de los datos ha dirigido la creación del Big Data CoE y del Centro de Innovación en Data Tech y IA de Cataluña. Actualmente es head of Data & Analytics del grupo BonPreu, y docente en varias universidades catalanas.
  • Torrents Poblador, Pere
    info
    Ver perfil en Linkedin
    Economista de formación ha desarrollado su carrera profesional en áreas de desarrollo de negocio y dirección de empresas del sector de los videojuegos, especialmente para dispositivos móviles. Actualmente es Director de Operaciones en Scopely y profesor del Centre de la Imatge i Tecnologia Multimèdia de la Universitat Politècnica de Catalunya, en asignaturas de empresa y financiación tanto en grados como posgrados en videojuegos y Big Data.
  • Touma, Rizkallah
    info
    Ver perfil en Linkedin
    Doctor en Arquitectura de Computadores por la Universitat Politècnica de Catalunya (UPC). Máster en Tecnologías de Información para Business Intelligence por la UPC y la Universidad Libre de Bruselas (ULB). Actualmente, es analista de conocimiento e ingeniero de la Unidad de Negocios Semánticos (SEMBU) en Everis España. Ha trabajado como investigador junior en el Centro de Supercomputación de Barcelona y ha participado en varios proyectos pan-Europeos (BigStorage, SoCaTel, CORDIS).
  • Vázquez Alcocer, Pere-Pau
    info
    Ver perfil en futur.upc
    Doctor en Software por la Universitat Politècnica de Catalunya (UPC). Profesor titular de universidad, del departamento de Ciencias de la Computación de la UPC. Imparte docencia en grados y máster en la UPC y ha participado en la docencia de cursos de grado o de máster en otras universidades, como la Universidad de Núremberg, la Universidad de Girona, la Universitat Oberta de Catalunya o la Universidad de Vic.
  • Verdejo Álvarez, Gabriel
    info
    Ver perfil en Linkedin
    Ingeniero Informático por la Universidad Autónoma de Barcelona (UAB) y Diploma de Estudios Avanzados (DEA) del programa de doctorado de Inteligencia Artificial de la UAB. Posgrado en Gestión de la Innovación por la Universitat Politècnica de Catalunya (UPC). Ha trabajado en varias empresas del sector TIC y de la innovación. Desde 2010 es el responsable del Laboratorio de Investigación y Desarrollo (RDlab) del departamento de Ciencias de la computación de la UPC. Tiene una amplia experiencia profesional en la dirección de equipos de apoyo TIC para la búsqueda (proyectos nacionales y europeos) y la transferencia de tecnología.
  • Ylipoti, Sara
    info
    Ver perfil en Linkedin
    Licenciada en Relaciones Internacionales y en Ciencias Políticas por la Universidad de Loyola en Chicago. Chief Operations Officer en Moggie, startup del estudio creativo Studio Banana. La compañía ha ganado premios prestigiosos como en TechCrunch Disrupt y The Next Web Amsterdam. Anteriormente, fue la Operations Manager y Directora de Barcelona de Conector Startup Accelerator. Ha desarrollado su carrera en los ámbitos de la innovación y las startups, durante los últimos 9 años, y en las áreas de estrategia, operaciones y márquetin.

Entidades colaboradoras

Socios estratégicos
  • Facultat d'Informàtica de Barcelona. FIB (UPC)
    • Difunde el programa en el entorno profesional y ámbito de especialización.
Socios colaboradores

Salidas profesionales

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

Testimonios

Testimonios

Soy Ingeniero en Informática y mi especialidad siempre han sido las Bases de Datos y en general todo lo relativo al Modelado de Datos Conceptual y Físico. Realicé el posgrado para poder evolucionar y ampliar mi especialidad, así como para iniciarme de la forma más académica y reglada posible en el ámbito analytics. La experiencia me ha permitido reorientar mi trabajo e iniciar e impulsar el entorno Big Data Analytics en la empresa. De hecho, nuestro proyecto final consistía en utilizar datos reales de la demanda de viajeros TMB para desplegar diferentes facetas que aprendimos durante el curso. La más difícil y espectacular fue adentrarnos en realizar un estudio predictivo de la demanda de pasaje en algunas estaciones de Metro de la L9 automática y de algunas líneas importantes de Bus de la nueva red ortogonal a partir de un modelo de Machine Learning.

Carles Teixidó Gálvez Responsable de Proyectos Big Data & Analytics en aTec - Sistemas de Información (Transports Metropolitans de Barcelona)

Una de mis responsabilidades es velar por la evolución tecnológica en la organización, identificando aquellas tecnologías que aporten valor al negocio. Desde el principio tenía claro el gran potencial del Big Data, una tecnología que ha llegado para quedarse. Buscaba un curso serio que me diera la amplitud y profundidad de conocimientos necesaria para comenzar a introducir Big Data en la empresa. Habiendo estudiado en la FIB, un máster con visión holística sobre el Big Data organizado por la UPC y dirigido por profesorado de renombre de la FIB, era ya una garantía de rigor. Tanto ha sido así que los conocimientos adquiridos me han permitido divulgar dentro de la organización el potencial de la tecnología Big Data aplicada a casos reales de negocio. Esto ha generado el interés necesario para lanzar pruebas de concepto y pilotos con muy buenos resultados. Más allá de los conocimientos, he conocido alumnos y profesores que han enriquecido aún más la experiencia. Mi opinión: 100% recomendable.

Oscar Galí Responsable de Arquitectura y Tecnología TI en Zurich

A la finalización de mis estudios en ingeniería informática en la FIB descubrí el mundo del Business Intelligence y me acabó atrapando. Actualmente y después de diez años trabajando en gestión y explotación de la información soy responsable del departamento de Business Intelligence y Analytics en Desigual. El posgrado en Big Data me ha dado un conocimiento amplio de cómo funcionan las bases de datos columnares, de grafos o con datos desestructurados tipo JSON, por ejemplo. He aprendido arquitecturas para desarrollar soluciones en tiempo real con un alto volumen de información. Y al mismo tiempo me ha aportado un abanico de algoritmos en estadística avanzada y Machine Learning los cuales soy capaz de aplicar en los problemas que se me presentan en mi trabajo. Esta es una formación con un alto nivel técnico para descubrir cómo se trabaja el Big Data y la analítica avanzada a través de la programación en diferentes tecnologías. Otorga una visión amplia en muchos aspectos y los conocimientos suficientes para afrontar proyectos de este tipo.

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

Testimonios<
El máster en Big Data Management, Technologies and Analytics me ha permitido dar el salto técnico de economía y empresa al análisis de datos. El programa proporciona una visión muy completa del mundo big data, con gran énfasis en la parte práctica, trabajando con las herramientas de gestión, los modelos de datos y los modelos analíticos más utilizados en el mercado. Los conocimientos y extensa experiencia de los docentes, así como la multidisciplinariedad de los alumnos, nos ha dotado de una sólida base técnica para afrontar un amplio repertorio de problemas en el mundo laboral. Como proyecto final, mis compañeros y yo desarrollamos una herramienta de predicción de casos de Covid-19 basada en datos de movilidad de dispositivos móviles. Para ello, construimos una base de datos y procesamiento de datos distribuidos, un modelo de predicción de machine learning y un plan de negocio completo. Gracias a los conocimientos adquiridos, he podido trabajar como data scientist en la empresa de consultoría Accenture y he obtenido una beca de la Fundación ”la Caixa” para cursar un máster en Computational Analysis and Public Policy en la Universidad de Chicago.

Núria Adell Raventós Data science analyst

Testimonios<

Solicita información o la admisión

Contacto:
(34) 93 114 68 05
¡Solicitud recibida!
Una vez registremos tu petición, recibirás confirmación por correo electrónico y nos pondremos en contacto contigo.

Gracias por tu interés en nuestros programas formativos.
Error
Por un error en la conexión a la base de datos tu solicitud no se ha podido cursar. Te agradeceríamos que repitas el proceso más tarde o bien que te pongas en contacto con nosotros llamando al (34) 93 112 08 08 o enviándonos un correo electrónico a: webmaster.fpc@fpc.upc.edu
Has superado el tamaño máximo del fichero
  • Si tienes alguna duda sobre el máster.
  • Si quieres iniciar los trámites para matricularte.
Cómo iniciar la admisión
Para iniciar el proceso de inscripción a este programa hay que rellenar y enviar el formulario que encontrarás al pie de estas líneas.

A continuación, recibirás un correo electrónico de bienvenida donde se detallarán los tres pasos a seguir para formalizar el proceso de inscripción:

1. Completar y confirmar tus datos personales.

2. Validar tu currículum vitae y adjuntar la documentación adicional requerida, en caso de que sea necesaria para la admisión.

La UPC School requerirá, además del currículum vitae, la siguiente documentación adicional para la preinscripción a este Máster:
    Una carta de solicitud, en la que se describa tu background  (formación y experiencia) y la motivación para la realización de programa.

3. Pagar 110€ en concepto de derechos de inscripción al programa. El importe de estos derechos se descontará de la cuantía total de la matrícula y sólo se devolverá en caso de no resultar admitido.

Una vez realizado el pago de derechos y dispongamos de toda la documentación, valoraremos tu candidatura y, si has sido admitido en el curso, te enviaremos la carta de admisión. En este documento obtendrás todos los detalles para formalizar la matrícula del programa.




  política de protección de datos

* Campos obligatorios

Información básica o primera capa sobre protección de datos

Responsable

Fundació Politècnica de Catalunya (en adelante, FPC). + INFORMACIÓN

Finalidad

Contestar a las solicitudes de información del interesado sobre actividades de formación gestionadas o realizadas por la FPC. + INFORMACIÓN

Establecimiento o mantenimiento de relación académica con el interesado. + INFORMACIÓN

Legitimación

Consentimiento del interesado. + INFORMACIÓN

Interés legítimo en el desarrollo de la relación académica. + INFORMACIÓN

Destinatarios

No existen cesiones o comunicaciones.

Derechos

Acceso, rectificación, supresión, limitación, oposición y portabilidad. + INFORMACIÓN

Datos de contacto del delegado de protección de datos

info.dpo@fpc.upc.edu

Información adicional

Política de Privacidad de nuestra página Web. + INFORMACIÓN

Plazo de conservación

Política de Privacidad de nuestra página Web. + INFORMACIÓN

Cesión de imagen

Aceptación a la cesión, por un periodo de 10 años, las imágenes que la FPC pueda captar en las instalaciones donde se desarrolle su actividad, a fin de difundir y promocionar las actividades de la FPC y por el medio que esta tenga por conveniente.

Servicios de pago

En caso que el interesado formalice la relación con la FPC, el ordenante (interesado) autoriza y da su consentimiento al cargo, por tanto, con renuncia expresa al derecho de devolución sobre el cargo.
Enviar
  • AUIP
  • EUCEN
  • RECLA
  • RUEPEP
© Fundació Politècnica de Catalunya - Aviso legal - Política de cookies