Especialidad en Business Intelligence: Big Data

• Historia de la información.
• La evolución de las tecnologías del conocimiento.
• La Explosión del dato del siglo XX-XXI.
• La respuesta: Big Data.
• Mapa de la arquitectura Big data.
• Nivel del datos.
• Nivel de información.

• Lo importante son las personas.
• Repasemos los niveles de la pirámide del conocimiento: hace falta la acción.
• Es necesario llegar a ser una empresa Data Drive.

• Metodología CRISP-DM.
• Introducción a Rapid Miner: conceptos básicos.
• Preparación de datos.
• Modelos clasificatorios y predictivos.
• Correlación: que dos variables tengan relación puede no decir nada.
• Reglas de asociación: ¿Qué cosas suelen ir juntas?
• Clusterización: ¿hay diversos grupos de clientes?
• Análisis discriminante: empezamos a predecir.
• Regresión lineal: una forma de predecir una variable continua.
• Regresión logística: cuando hay que decir entre dos opciones.
• Árboles de decisión: ¿en dónde cae este cliente?
• Redes Neuronales: simulando el pensamiento humano.
• Introducción al análisis de texto.
• Validación cruzada: ¿cómo podemos saber si el modelo funciona?
• La ética en el data mining.

• Definir el problema que se quiere resolver.
• Inventariar y comprender las lagunas en los datos.
• Mapear a todos los participantes en el proyecto.
• Comprender quién usará los resultados del proyecto.
• Identificar tu lista de deseos respecto a los datos y definir tus hipótesis de trabajo.

Los alumnos deberán proponer una problemática asociada a su TFM que presentaron en el master y deberán seguir los pasos indicados para proponer una mejora basado en el uso del dato y de la información disponible.