Mistr v datové strategii a analýze
MIOTI - Tech & Business School
Klíčová informace
Umístění kampusu
Madrid, Španělsko
Jazyky
Španělština
Studijní formát
Smíšené
Doba trvání
4 months
Tempo
Plný úvazek, Poloviční úvazek
Školné
EUR 6 400 *
Uzávěrka přihlášek
Vyžádejte si informace
Nejbližší datum zahájení
Vyžádejte si informace
* * 50% STIPENDIUM pro studenty s bydlištěm v Latinské Americe
Úvod
Extrahujte hodnotu dat z prvního dne
S Master in Business Analytics se naučíte od předběžného zpracování dat, pravděpodobnosti a statistiky, Data Scrapping až po hlavní algoritmy strojového učení. Budete používat nástroje jako Tensorflow, Numpy, Prophet, Spark, Pandas, Keras atd. abyste mohli pracovat s datovými sadami a také s nástroji Business Intelligence, jako jsou Qlikview a Tableau.
Kariérní možnosti
Tomu se říká vaše budoucnost
Toto jsou některé z nejzajímavějších kariérních příležitostí, které budete mít po tomto programu na dosah.
- Datový analytik
- Business Intelligence
- Obchodní analytik
- Správce dat
- Obchodní konzultant
Osnovy
Co se naučíte v Master in Business Analytics
Vypisování dat Strategie, jak propojit analýzu dat s obchodními cíli, vytvořit příběhy, které se spojí s různými typy publik a metody kreativní prezentace dat. | Správa dat a etika Podíváme se na osvědčené postupy pro správu dat, na celou řadu povinností, které s sebou přináší používání dat při automatizovaném rozhodování, včetně zabezpečení dat, soukromí a transparentnosti. |
Datová strategie a analytika Správa dat pro dosažení analytických výhod a dosažení našich růstových cílů. | Nástroje BI: Power BI, Qlikview, Tableau a Excel Budeme analyzovat data s vynikající vizualizační a prezentační vrstvou ve srozumitelném, snadném a intuitivním formátu. |
Vizualizace dat Jak zobrazit různé typy dat? Jaké techniky použít? Mimo jiné použití matplotlib, bokeh a seaborn. | Analýza dat pomocí Pythonu Python jako framework pro specialistu na analýzu dat. Vývoj notebooku, použití pand a numpy. Zpracování dat ze strukturovaných (CSV, REST, Logs) a nestrukturovaných (Web) zdrojů. |
Základy datové vědy Úvod do základních konceptů datové vědy. Prezentace obecného referenčního rámce. | Strojové učení a hluboké učení Klasifikační problémy. Jak vyhodnotit výsledky? Jak sestavit datové sady? Hlavní algoritmy (knn, rozhodovací stromy, podpůrné vektorové stroje, hluboké neuronové sítě, xgboost). |
Předzpracování dat Jak správně předzpracovat data? Aplikace filtrů, anonymizace dat, výběr atributů, vzorkování a redukce rozměrů. Předzpracování datových zdrojů v textovém režimu. | Konečný projekt Téma může být navrženo studentem nebo vybráno ze seznamu poskytnutého MIOTI. |
Databáze a SQL Zvládněte hlavní databáze a jazyk SQL, naučte se nejnovější techniky pro ukládání, manipulaci a extrahování dat zaznamenaných v relačních databázích. |
Galerie
Přijímací řízení
Poplatek za studium programu
Stipendia a financování
Máme stipendijní plán MIOTI.
Máme k dispozici stipendia od Universia Foundation.
Máme k dispozici stipendia od ONCE Foundation.
Bonusovatelné od Fundae.
Platbu si můžete rozdělit i bez úroků.