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
  • Programa
  • Contenidos formativos
  • Metodología de aprendizaje
  • Equipo docente
  • Entidades colaboradoras
  • Salidas profesionales
  • Testimonios y noticias
  • Solicita información o la admisión
  • discount
    10% de descuento si te matriculas antes del 31 de Julio
    + info
  • discount
    Programa incluido en la convocatoria de ayudas Talent Help
    + info
  • discount
    Programa incluido en la convocatoria de ayudas Employment Help para profesionales en desempleo o con rentas bajas
    + info

Programa

Edición
4ª Edición
Créditos
60 ECTS (324 horas lectivas)
Modalidad
Presencial
Idioma de impartición
Español
Precio
8.600€  7.740€ (10% de descuento si te matriculas antes del 31 de Julio)
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.
Descuentos, préstamos y ayudas
Fechas de realización
Inicio clases: 14/10/2020
Fin clases: 29/09/2021
Fin programa : 12/11/2021
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
¿Por qué este programa?
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, almacenaje y análisis de cualquier dato relevante para su negocio. Esta filosofía implica un cambio radical a 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 (ya 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 recogidos pueden ser analizados con el objetivo de generar información relevante para la toma de decisiones del negocio. Este hecho se ha identificado como un factor de éxito determinante y diferenciador que aumenta la competitividad de las organizaciones.

Actualmente, se utiliza el término Big Data para referirse a este nuevo tipo de sistemas, que recogen y analizan datos de cualquier tipo, y los retos que suponen. La definición más popular del término Big Data está basada en las tres "Vs", que representan sus tres principales retos: Volumen (la digitalización de ciertos procesos puede generar grandes volúmenes de datos), Variedad (fuentes de datos heterogéneos) y Velocidad (en referencia al potencial tiempo de llegada y procesamiento de los datos en real-time). Hoy en día, para atacar estos tres grandes retos, el Big Data se fundamenta en dos pilares: nuevas arquitecturas (principalmente basadas en Cloud Computing y la gestión distribuida de los datos y la memoria) y los nuevos modelos de datos (como los documentos grafs, key-value o streams).

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

Consecuentemente, el máster en Big Data Management, Technologies and Analytics proporciona 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 y visión de negocio dentro de este mundo.
Objetivos
  • Entender la problemática de gestión de Big Data.
  • 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, 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.
  • 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.
      • Consideraciones específicas de modelización.
  • Integración de datos
    • Procesos intensivos de datos y ETL.
    • Polystores y sistemas políglotas.
    • Orquestadores: Muskeeter.
  • 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.
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.
    • Elastic Ssearch.
  • Bases de datos en grafo
    • Neo4J.
    • Grafos semánticos: GraphDB y SPARQL.
  • 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.
  • Casos de éxito.
15 ECTS 51h
Proyecto
El proyecto se realizará en grupos 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.

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 superación expedido por la Fundació Politècnica de Catalunya.

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
  • Abelló Gamazo, Alberto
    Ver perfil en futur.upc / Ver perfil en Linkedin
    Doctor en Informática por la UPC. Profesor del Departamento de Ingeniería de Servicios y Sistemas de Información de la UPC. Docencia tanto a nivel de grado como de máster oficial (MIRI - Data Science). Coordinador en la UPC del Doctorado Erasmus Mundus in Information Technologies for Business Intelligence - Doctoral College (IT4BI-DC). Ha colaborado como consultor con SAP, HP, Zurich Seguros y OMS, entre otros.
  • Romero Moral, Óscar
    Ver perfil en futur.upc
    Doctor en Informática por la 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 oficial. Coordinador en la UPC dels Másters Erasmus Mundus in Big Data Managament and Analytics (BDMA) y de la especialidad Data Science del Master in Information Research and Innovation (MIRI-DS). Investigación en el ámbito de la gestión de los datos y de la información, en el que ha publicado más de 50 publicaciones en conferencias y revistas internacionales. Ha colaborado como consultor con SAP, HP, Zurich Seguros y OMS, entre otros.
Profesorado
  • Abelló Gamazo, Alberto
    Ver perfil en futur.upc / Ver perfil en Linkedin
    Doctor en Informática por la UPC. Profesor del Departamento de Ingeniería de Servicios y Sistemas de Información de la UPC. Docencia tanto a nivel de grado como de máster oficial (MIRI - Data Science). Coordinador en la UPC del Doctorado Erasmus Mundus in Information Technologies for Business Intelligence - Doctoral College (IT4BI-DC). Ha colaborado como consultor con SAP, HP, Zurich Seguros y OMS, entre otros.
  • Aluja Banet, Tomàs
    Ver perfil en futur.upc
    Profesor titular de la UPC. Coordinador del Máster en Data Science-MIRE de la FIB. 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 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
    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 en la UPC, imparte docencia en el Grado en Ingeniería Informática, especialidad Computación, en el Grado en Ciencia e Ingeniería de Datos, en el Máster in Innovation and Research in Informatics, especialidad Fecha Science, y en el Máster in Artificial Intelligence. Cabe de Estudios de la Facultad de Informática de Barcelona. Más de 130 publicaciones en revistas y congresos internacionales. Participación en 15 proyectos de investigación nacionales e internacionales.
  • Berbegal Castelló, José
    Ver perfil en Linkedin
    Ingeniero en Informática por la 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

    Ingeniero informático, Máster en Arquitectura de Computadores y Doctor en Informática por la Universitat Politècnica de Catalunya. Su investigación se centra en aplicaciones de minería de datos, aprendizaje automático, y gestión automática de entornos en centros de datos. Actualmente trabaja como post-doct en el Centro Nacional de Supercomputación - Barcelona Supercomputing Center. Anteriormente trabajó en los grupos de "High Performance Computing" (HPC-UPC), "Relational Algorithms, Complexity and Learning" (LARCA-UPC) y en la industria en Systelab Technologies. Especialista en: Aprendizaje Automático (Machine Learning), Minería y Análisis de Datos (Data Mining), Inteligencia Artificial y gestión de Centros de Datos (Cloud Computing).
  • Bilalli, Besim

    Doctor de Ciencia de Computación por la Universitat Politècnica de Catalunya (UPC) y Poznan University of Technology. Máster en Ingeniería Informática por la Sapienza Universita di Roma. Ingeniero en Informática por la Universidad de South-East European University. Su ámbito de investigación se sitúa en el área de Data Mining, Data pre-processing, Meta-learning.
  • Delicado Useros, Pedro Francisco
    Ver perfil en futur.upc
    Catedrático del Departamento de Estadística e Investigación Operativa de la 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, bioinformàtica). Ha colaborado como consultor estadístico con SEIF-88 (ensayos clínicos) y AQU-Cataluña (muestreo).
  • Deulofeu Aymar, Joaquim
    Ver perfil en futur.upc / Ver perfil en Linkedin
    Licenciado y Doctor en Ciencias Económicas y Empresariales. Socio - fundador y gerente de Calidad, Servicios Empresariales, S.L., empresa en la cual desarrolla su actividad profesional como consultor desde hace más de 25 años. Profesor asociado al Departamento de Organización de empresas de la UPC. Profesor en otras entidades como la UAO-CEU, en la Escuela Superior de Comercio y Distribución-ESCODI-UB. Actualmente es Presidente del Círculo Económico y Social del Bajo Montseny y Secretario del Patronato Fundación Privada Hospital de Sant Celoni.
  • Gali Reniu, Ferran

    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. Estudió Ciencias de la Computación en la FIB-UPC, y ahora colabora con la Universidad de Barcelona creando un nuevo Máster en Big Data Engineering.
  • García del Poyo Vizacaya, Rafael Emiliano
    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

    Ingeniero en Informática por la UPC. Máster en Innovación e Investigación en Informática por la UPC con especialización en business intelligence y knowledge discoverer y master in Business Administration en ESADE. Actualmente trabaja como arquitecto de Big Data y analytics en una startup vinculada al sector salud.
  • Gutiérrez Torre, Alberto

    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 (https://patrons.bsc.es/). 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
    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 H2020: Socatel, Roborder, Aqua3S, Welcome). Actualmente, IT consultant 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, tuve una experiencia en la creación de una startup Open Data Consulting, en el cual fue el CTO.
  • Jovanovic, Petar
    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, BigData Management y sistemas de bases de datos distribuidas.
  • López Miralpeix, Miguel
    Ver perfil en Linkedin
    Ingeniero en Informática por la UPC y Diplomado en Empresariales por la UOC. Enterprise Architect de 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. Ha colaborado en la docencia del máster oficial MIRI.
  • Montornés Solé, Jordi
    Ver perfil en Linkedin
    Ingeniero Superior en Informática por la UPC. Ha trabajado des del 2004 en empresas como Caixa Catalunya, HP o Vueling. A partir del 2011 se dedica a las aplicaciones móviles, tanto en servidor como en Android.
  • Nadal Francesch, Sergi
    Ver perfil en futur.upc / Ver perfil en Linkedin
    Doctor en Informática por la UPC y la ULB. Máster IT4BI (Information Technologies for Business Intelligence) por la ULB, UFRT i ULB. Actualmente es investigador de postdoctorado y profesor asociado del Departamento de Ingeniería de Servicios y Sistemas de Información de la UPC. Su ámbito de investigació se situa en el área de gestión de datos y información.
  • Oller Duque, Juanjo
    Ver perfil en Linkedin
    Arquitecto Técnico y Máster en Project Management por la UPC. Formación en Big Data Analytics y curso en Comunicación, Negociación y Persuassió por ESADE. Acumula experiancia de más de 10 años trabajando por el sector retail y 6 como emprendedor a diferentes proyectos. Fundador y CEO de BitPhy. Actualmente forma parte de la junta ESADE Alumni del club "Club Business Innovation & Technologies".
  • Patton Ripoll, Liam Winston
    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 co-fundador de diferentes startups. Actualmente, es CEO de Finecortex: Smart UX Solutions (big data visualization), y miembro del consejo de administración de empresas de IoT Mavoco AG (Austria) y de Mobotory TEchnologies Inc. De Inteligencia Artificial para InsurTEch (Los Ángeles, USA). Es miembro del clúster de startups Barcelona Tech City y colabora habitualmente como docente y conferenciante.
  • Pradel Miquel, Jordi

    Ingeniero en informática por la Universitat Politècnica de Catalunya (UPC). Fundador y CEO de Agilogy, fundada en 2005, empresa especializada en el desarrollo ágil de software a medida, en donde ayuda a equipos mixtos de Agilogy y al cliente a aplicar con éxito las metodologías ágiles para desarrollar software en entornos tecnológicamente complejos y altamente cambiantes, utilizando la programación funcional y técnicas de Scrum, Kanban i XP entre otras.
  • Queralt Calafat, Anna

    Doctora en Informática por la UPC. Senior Researcher en el grupo de Storage Systems del Barcelona Supercomputing Center, trabajando en gestión, compartición y reutilización de grandes cantidades de datos i en la gestión de datos para IoT. Anteriormente fue profesora e investigadora en el Departamento de Ingeniería de Servicios y Sistemas de Información de la UPC.
  • Romero Moral, Óscar
    Ver perfil en futur.upc
    Doctor en Informática por la 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 oficial. Coordinador en la UPC dels Másters Erasmus Mundus in Big Data Managament and Analytics (BDMA) y de la especialidad Data Science del Master in Information Research and Innovation (MIRI-DS). Investigación en el ámbito de la gestión de los datos y de la información, en el que ha publicado más de 50 publicaciones en conferencias y revistas internacionales. Ha colaborado como consultor con SAP, HP, Zurich Seguros y OMS, entre otros.
  • Sánchez Hernández, Germán
    Ver perfil en Linkedin
    Doctor en Automática, Robótica y Visión por la Universitat Politècnica de Catalunya. Miembro activo del grupo de investigación GREC (con varias publicaciones en journals), colaborador académico en ESADE. Jefe de proyectos en AIS - Aplicaciones de Inteligencia Artificial.
  • Torrent Moreno, Marc

    Ingeniero de Telecomunicación por la UPC. Doctor en Informática por la Universidad de Karlsruhe en Alemania y Executive MBA por ESADE Business School. Ha participado en varios proyectos de investigación en diversos campos de las TIC, formando parte de diversas empresas y universidades en Europa y USA (British Telecom UK, NEC Deutschland, Mercedes-Benz R+D USA, la Universidad de California en Berkeley y Ficosa International). Actualmente, es Director de la unidad Big Data Analytics en BDigital-Eurecat y director del Centro de Excelencia en Big Data de Barcelona impulsando la cultura de los datos y aportando soluciones innovadoras al mercado.
  • Torrents Poblador, Pere

    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 de la Universitat Politècnica de Catalunya, en asignaturas de empresa y financiación tanto en grados como posgrados en videojuegos y Big Data.
  • Touma, Rizkallah
    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
    Ver perfil en futur.upc
    Doctor en Software por la Universitat Politècnica de Catalunya (UPC). Profesor titular de universidad, del departamento de Computer Science 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 Nuremberg, la Universidad de Girona, la Universitat Oberta de Catalunya o la Universidad de Vic.
  • Verdejo Álvarez, Gabriel

    Ingeniero en Informática por la UAB y Diploma De Estudios Avanzados (DEA) del programa de doctorado de Inteligencia Artificial. Posgrado en Gestión de la Innovación por la UPC. Ha trabajado en varias empresas del sector TIC y de la innovación. Desde el 2010 soy el Responsable del Laboratorio de Investigación y Desarrollo a la UPC (RDlab), del departamento de Ciencias de la Computación. Tengo una amplia experiencia profesional en el apoyo, gestión de la investigación (proyectos nacionales y europeos) y la transferencia de tecnología/resultados con centros de investigación y el mundo empresarial.
  • Ylipoti, Sara
    Ver perfil en Linkedin
    COO de Moggie, una nueva startup del estudio creativo Studio Banana. La compañía ha ganado premios prestigiosos como en TechCrunch Disrupt y The Next Web Amsterdam. Con carácter previo a su incorporación a Moggie, fue la Operations Manager y Directora de Barcelona de Conector Startup Accelerator. Licenciada en Relaciones Internacionales y en Ciencias Políticas por la Universidad de Loyola en Chicago, ha desarrollado su carrera en los ámbitos de la innovación y las startups por espacio de los últimos 9 años y en las áreas de estrategia, operaciones y marketing.

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 y noticias

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<
Noticias del Blog
La UPC School apuesta por las profesiones de futuro: blockchain , industria 4.0, inteligencia artificial y transformación digital
La UPC School apuesta por las profesiones de futuro: blockchain , industria 4.0, inteligencia artificial y transformación digital
12-04-2018
La UPC School apuesta por las profesiones de futuro: blockchain , industria 4.0, inteligencia artificial y transformación digital
La UPC School apuesta por las profesiones de futuro: blockchain , industria 4.0, inteligencia artificial y transformación digital
12-04-2018
La UPC School apuesta por la especialización de los nuevos perfiles TIC
La UPC School apuesta por la especialización de los nuevos perfiles TIC
31-01-2017
Otras noticias
El País: "La fiebre del 'Big Data' llega al empleo"
03-10-2018
Leer más
El Economista: "Experto en Big Data, el perfil profesional más buscado por las empresas"
20-03-2017
Leer más
El Economista: "Big Data e I+D, las áreas donde es más difícil encontrar profesionales"
20-03-2017
Leer más
Educaweb: "Big Data. Oportunidades y amenazas para la tarea orientadora"
28-02-2017
Leer más
El Periodico: "Big Data, una oportunidad de futuro"
20-02-2017
Leer más

Solicita información o la admisión

Contacto:
(34) 93 114 68 05
Tu solicitud ha sido recibida correctamente en la UPC School.

En breve nos pondremos en contacto contigo.

Gracias por tu interés en nuestros programas formativos.

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.

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