Tag: Data Science

La transformación digital está comenzando a ser un factor competitivo para marcar la diferencia dentro del sector inmobiliario. Las nuevas tecnologías IT suponen una revolución dentro del sector ya que permiten simplificar procesos, mejorar la economía del tiempo y reducir costes. Estas tecnologías digitales evolucionan a un ritmo imparable y las empresas del sector deben adaptarse a esta situación de constante cambio para no quedarse atrás en el mercado. Es por ello que, con en este caso de práctico, queremos  mostrar cómo la tecnología IT ofrece soluciones optimas para el desarrollo de actividades profesionales dentro del sector inmobiliario.

Pero antes, debemos plantearnos varias cuestiones: ¿qué es la transformación digital?¿en qué consiste? ¿por qué hace falta?

La transformación digital es la reinvención de una organización a través de la utilización de la tecnología digital.

Existen una serie de amenazas que hacen que la transformación digital suponga una cuestión de supervivencia empresarial para cualquier sector. Estas amenazas son:

  • Uberización. El surgimiento de empresas como Uber, Bla Bla Car, Airbnb, … suponen una amenaza que tambalean empresas con una visión muy tradicional en un sector determinado.
  • Gigantes digitales. Las capacidades de grandes empresas como Google, Amazon, Microsoft, … es muy difícil competir con ellas, incluso poseen capacidades de absorción.
  • Puede que una empresa tipo Uber y un gigante digital como Google, puedan parecer unas amenazas remota pero… ¿qué está haciendo tu competencia? ¿se está reinventando con el uso de tecnología digital?

Algunas claves para afrontar la transformación digital (en qué consiste):

  • Cualquier empresa debe convertirse en una empresa tecnológica: uso de robotica, IoT, Procesamiento del Lenguaje Natural, Aprendizaje Automático, etc.
  • Aventurarse sin miedo a imaginar cómo la tecnología podrá cubrir las necesidades futuras de nuestros clientes.
  • Las fronteras entre sectores desaparecen: las capacidades tecnológicas permiten a una empresa entrar en cualquier sector.
  • Es fundamental abrir nuestros sistemas a terceros. Ninguna empresa es lo suficientemente grande o inteligente para no mejorar sus productos gracias a la colaboración de otras personas, empresa, etc. Este concepto es habitual verlo en los smartphones con sus apps de terceros.

APARTAMENTOS

CASO DE USO: Transformación Digital en el mercado inmobiliario

Nuestro cliente, una empresa inmobiliaria tradicional cuyo negocio ha consistido en la intermediación de la compra-venta y alquiler de inmuebles, ve una oportunidad de negocio  en la inversión inmobiliaria para su posterior alquiler, mediante crowdfounding soportada en una plataforma digital.

  • Necesidad del cliente

El cliente disponía de un equipo de análisis de oportunidades que debía analizar las distintas viviendas en ventas en aquellos municipios de interés para determinar cuáles deberían ser objeto de un estudio detallado, es decir, estos analistas debían generar una “lista corta” de oportunidades para que el equipo de desarrollo de  negocio hiciese una evaluación detallada de  las mismas.

En España se producen muchos nuevos inmuebles en venta al mes, una cifra alta para que el equipo de analistas pudiese realizar el análisis manualmente de cada una de ellas. Además el análisis realizado por este mismo equipo se basa en la obtención manual de viviendas más o menos similares en la zona y la extrapolación de los datos de estas viviendas al inmueble en estudio. Lo que, además de ser una tarea ardua, no se aprovecha en su totalidad los datos ni se modeliza de una forma científica.

Transformacion-Digital_Inmobiliario_necesidadesPara solucionar estas necesidades, los objetivos a cumplir en este proyecto fueron:

  • Reducir el tiempo de análisis de las oportunidades para poder analizar todas las ofertas de inmuebles.
  • Basar el análisis de las oportunidades en métodos científicos que aprovechen el gran volumen de datos disponibles (Big Data) en lugar de basarlo en intuiciones.

SOLUCIÓN ITELLIGENT

Diariamente se producen en España oferta de ventas de inmuebles y de alquiler de imuebles.

  1. El primer paso fue modelizar los precios de la oferta de alquiler para poder predecir por cuanto se podría alquilar una vivienda que esté en venta. Además, estos modelos permiten entender los factores que han influido en la predicción.
  2. Una vez que se disponía de una predicción del precio de alquiler de una vivienda que está en venta, se corrigen dichos precios para tener en cuenta a capacidad de negociación tanto en la compra del inmueble como en el alquiler del mismo.
  3. Tras haber corregido los precios, se añade una estimación de los costes de la compra (hipoteca..) así como una estimación de los costes de reforma.
  4. Con los datos anteriores, se realiza un análisis de la inversión con un plazo temporal que fija el cliente, obteniéndose para cada vivienda un retorno de la inversión (ROI) para cada inmueble en venta.

Transformacion-Digital_Inmobiliario_solucion-ITELLIGENT

RESULTADO 

Gracias a esta solución, el equipo de analistas puede realizar su trabajo de forma que:

  • Ahora el equipo de analista es capaz de analizar todas las oprtunidades que se presentan en el mercado  sin que se le quede ninguna oportunidad importante fuera por falta de tiempo.
  • Al utilizar modelos sofisticado de Data Science y Big Data, los resultados son más más exactos y fácil de justificar.

En este caso de uso se describe cómo el Data Science y Big Data ayudan a la transformación digital del sector inmobiliario.

Transformacion-Digital_Inmobiliario_resultados

CONCLUSIÓN

En este caso de uso se cumplen alguna de las claves que hemos comentado al inicio de este post:

  • Una empresa dedicada a la mediación de la compra-venta de viviendas se introduce en un sector diferente al suyo (inversiones). La frontera entre ambos sectores se hace difusa.
  • Se cubre una necesidad mediante el uso de la tecnología. La empresa ha comenzado su viaje de pasar a una empresa meramente administrativa a una empresa con importante componentes tecnológicos.
  • En el futuro, es posible que la empresa abra su sistemas a otros actores. Por ejemplo, empresas de mantenimientos, de seguros, administradores de fincas, etc que puedan dar otros servicios.

El sector IT (Information Technology) es uno de los que mayor demanda de profesionales genera actualmente. Las empresas de este sector buscan principalmente expertos en Big Data y Analítica empresarial que sepan adaptarse a la nueva revolución de la industria 4.0. Y es que la repentina aparición de los expertos en Big Data tiene una razón de ser. Hoy en día las organizaciones comienzan a enfrentarse a unas cantidades y formatos de información con las que nunca antes habían tenido que lidiar. Por ese motivo son necesarios los perfiles profesionales especializados en analítica que sepan gestionar y emitir conclusiones a partir de estos grandes volúmenes de datos (Big Data).

Esta  fiebre del Big Data también surge en el momento en el que aparece la tecnología que posibilita el manejo de este tipo de datos. La importancia de estos avances tecnológicos es indiscutible, pero igual de importantes resultan las personas capaces de manejarlos correctamente. De hecho, podemos afirmar que estamos asistiendo a una falta de especialistas en Big Data para muchos sectores. Una de las causas de esta inexistencia de profesionales sea que no existe un consenso sobre cuáles son las funciones que un profesional en Big Data desempeña dentro de una organización. Por este motivo, hemos visto la necesidad de recopilar en este post, a groso modo, los 10 perfiles profesionales más recurrentes en el sector IT:

  1. Data Scientist
  2. Data architect
  3. Data Analyts
  4. Data Engineer
  5. Statistician
  6. Database Administrator
  7. Business Analyts
  8. Data and Analytics Manager
  9. Audit Analytss
  10. Data Journalist

DATA SCIENTIST 

Científico de datos

Según Harvard Business Review se trata de la profesión más atractiva del siglo XXI. El data scientist, como su propio nombre indica, es un experto en la Ciencia de Datos (Data Science). Su trabajo se centra en extraer conocimiento a partir de grandes volúmenes de datos extraídos de diversas fuentes y múltiples formatos para dar respuesta a las cuestiones que se planteen.

El Data Scientist posee las siguientes habilidades y competencias:

DATA ARCHITECT

Arquitecto de datos

El arquitecto de datos debe diseñar, crear, implementar y administrar la arquitectura de datos de una organización. Los arquitectos de datos definen cómo los datos serán almacenados, consumidos, integrados y administrados por diferentes entidades de datos y sistemas informáticos, así como cualquier aplicación que utilice o procese esos datos de alguna manera.

¿Qué habilidades debe poseer un arquitecto de datos?

DATA ANALYTS

Analista de datos

Se trata de un profesional que recopila, procesa y gestiona datos relevantes para la empresa, estando encargados de su análisis estadístico. Se encarga de:  interpretar datos y analizar resultados mediante técnicas estadísticas; desarrollar e implementar análisis de datos, sistemas de recolección de datos y otras estrategias que optimicen la eficiencia estadística y la calidad; adquirir datos de fuentes de datos primarias o secundarias y mantener bases de datos.

Las habilidades más destacadas de este perfil profesional son:

  • Manejo de programas de hoja de cálculo (Excel)
  • Conocimiento de sistemas de base de datos (SQL y noSQL)
  • Comunicación y visualización
  • Matemáticas, estadísticas y Matching Learning
  • Adicto a los datos con un alto coeficiente de resolución
  • Los lenguajes que debe saber manejar son: R, Python, Javascript, C/C++, SQL.

DATA ENGINEER

Ingeniero de datos

Un ingeniero de datos es un trabajador cuyas principales responsabilidades laborales incluyen la preparación de datos para usos analíticos u operacionales. Las tareas específicas manejadas por los ingenieros de datos pueden variar de una organización a otra, pero normalmente incluyen construir pipelines de datos para reunir información de diferentes fuentes. Otras funciones del ingeniero de datos son: integrar, consolidar y limpiar datos; y estructurarlos para su uso en aplicaciones analíticas. Las habilidades que debe tener un Data Engineer son:

  • Conocimiento de sistemas de base de datos (SQL y noSQL)
  • Modelado de datos y herramientas ETL
  • APIs de datos
  • Soluciones de almacenamiento de datos
  • Persona versátil
  • Los lenguajes que debe saber manejar son:  R, SQL,HivE, Python, Java, SAS, SPSS, Ruby, C++, Perl, Maths

STATISTICIAN

Estadístico

Se encargan de recoger, analizar e interpretar datos numéricos. Sus resultados ayudan a otros profesionales a tomar decisiones informadas, a crear políticas de empresa y a comprender distintos aspectos de la vida moderna. Se tratan de profesionales con un conocimiento profundo y eminentemente aplicado de las diferentes técnicas estadísticas y de investigación operativa  que les permitan evaluar  la información y obtener argumentos científicos en los que apoyar la toma de decisiones. Un statistician es una persona capaz de planificar, diseñar y realizar un estudio estadístico asi como la explotación de datos.

Por tanto, las habilidades de este perfil serán:

  • Estadística
  • Minería de datos y Matching Learning
  • Computación distribuida
  • Conocimiento de sistemas de base de datos (SQL y noSQL)
  • Herramientas Cloud
  • Un entusiasta de la estadística y la lógica
  • Los lenguajes que debe saber manejar son: R, SAS, SPSS, Matlab, Python, Perl, Spark, SQL,HivE, Pig.

entrepreneur-1340649_960_720

DATABASE ADMINISTRATOR

Administrador de base de datos

El administrador de base de datos es aquel profesional que administra las tecnologías de la información y la comunicación, siendo responsable de los aspectos técnicos, tecnológicos, científicos, inteligencia de negocios y legales de bases de datos, y de la calidad de datos.

 Las habilidades que debe tener un administrador de base de datos son:

  • Copia de seguridad y recuperación
  • Modelado de datos y diseño
  • Computación distribuida (Hadoop)
  • Conocimiento de sistemas de base de datos (SQL y noSQL)
  • Seguridad de los datos
  • ERP y conocimiento de negocio
  • Persona precavida ante posibles crisis o desastres
  • Los lenguajes y las tecnologías que debe saber manejar son: SQL, Java, Ruby on Rails, XML, C#, Python

BUSINESS ANALYTS

Analista de negocio

El analista de negocio o business analyst es la persona que posee conocimientos técnicos sobre la construcción de sistemas informáticos y al mismo tiempo comprende y está al corriente de las necesidades del usuario que requiere de esos sistemas para realizar su trabajo. Su misión es la de ser el interlocutor entre el usuario y el departamento de sistemas. El papel de un analista de sistemas también puede definirse como un puente entre los problemas empresariales y las soluciones tecnológicas. Aquí los problemas empresariales pueden ser cualquier cosa acerca de los sistemas empresariales, por ejemplo, los modelos, procesos o métodos. Las soluciones tecnológicas pueden ser el uso de arquitectura, de tecnología, herramientas o aplicaciones de software. Los analistas de sistemas están obligados a analizar, transformar y, en última instancia, resolver los problemas del negocio con la ayuda de la tecnología.

Las competencias y habilidades del profesional en BA son:

DATA AND ANALYTICS MANAGER

Gestor de datos y analítica

El gestor de datos y analítica se encarga de liderar y desarrollar el equipo de analistas de datos. Es el responsable de la elaboración las estrategias para el análisis y representación de los datos así como saber implementar soluciones analíticas.  Las competencias y habilidades de este perfil profesional son:

  • Conocimiento de sistemas de base de datos (SQL y noSQL)
  • Liderazgo y gestión de proyectos
  • Comunicación interpersonal
  • Minería de datos y modelado predictivo
  • Los lenguajes que debe saber manejar son: SQL, R, SAS, Python, Matlab, Java

Audit Analyts

Auditor de datos

El auditor de datos se encarga de revisar, examinar y evaluar con coherencia la integridad de los datos que maneja una empresa. La herramienta principal de un Audit Analyts es el dato, un dato que debe ser correcto y de buena calidad. Su trabajo consiste en ayudar a las compañías a extraer información útil y precisa para así tomar decisiones de forma rápida con el menor riesgo de negocio.

Las competencias del auditor de datos son:

  • Conocimiento de sistemas de base de datos (SQL y noSQL)
  • Protocolos y soluciones de seguridad en infraestructuras tecnológicas
  • Seguridad de los datos
  • Los lenguajes y las tecnologías que debe saber manejar son: SQL, R, SAS, Java, XML, Python

newspaper_business

Data Journalist

Periodista de datos

El periodista de datos, además de una solidad formación periodística debe de conocer y manejar las nuevas herramientas del Data Science y Big Data. Deber ser capaz, gracias a dichas herramientas, de extraer información de los grandes repositorios de información y datos que la era del Big Data pone a su disposición. Un claro ejemplo de este nuevo perfil demandante es la aparición de Masters y Expertos en este área en las Universidades españolas como:

Algunos ejemplos de éxito de periodismo de datos en España e Iberoamérica.

¿Cómo es el perfil de un especialista en Data Science, Big Data y Business Analytics?

El perfil del experto en Big Data que demanda el mercado, suele cumplir los siguientes requisitos:

  • Es un experto en alguno de estos ámbitos: ingeniería informática, matemáticas, estadística, marketing.
  • Tiene una gran capacidad para la resolución de problemas
  • Es capaz de analizar, resolver y explicar lo que ha visto de manera que los demás lo entiendan sin entrar en conceptos científicos.
  • Tiene conocimientos en programación. Es capaz de expresar la información en lenguajes informáticos.
  • Se adapta fácilmente a cualquier tecnología.
  • Conocimiento de lenguajes específicos como SQL, Hadoop, Spark, R, SAS, Java, XML, Python, etc.  

Sin duda, el crecimiento del Big Data ha disparado la demanda de profesionales especialistas en el análisis de datos pero también de potentes herramientas de Business Intelligence que den una solución global a la empresa.

 

ITELLIGENT en Microsoft Research, Cambridge UK

En la imagen, Jaime Martel, CTO de ITELLIGENT, en Microsoft Research, Cambridge UK

El pasado 10 de agosto tuvimos el placer de conocer a la Dra. Regina Barzilay, profesora del Massachusetts Institute of Technology (MIT), en su ponencia sobre How Can NLP Help Cure Cancer? en la ciudad de Cambridge (UK). El evento, organizado en el centro de Microsoft Research en Cambridge UK, pertenecía a una serie de ponencias tituladas “Frontiers in AI” (Fronteras de la Inteligencia Artificial) bajo el patrocinio de Microsoft Research.

La charla de la Dra. Regina Barzilay (1970, Chisináu, Moldavia) versó sobre cómo es posible ayudar a la cura del cáncer a través de técnicas de procesamiento de lenguaje natural (PLN o NLP en inglés): How can NLP help cure cancer?

Actualmente, la mayoría de las investigaciones sobre el cáncer se llevan a cabo en el campo de la biología y medicina. La informática sin embargo, desempeña un papel de apoyo menor en este proceso, si es que lo hace. Con su ponencia, Barzilay manifiesta que el PLN, como campo de estudio, tiene la oportunidad de jugar un papel importante en esta batalla contra el cáncer. De hecho, el texto de forma libre sigue siendo el principal medio por el cual los médicos registran sus observaciones y hallazgos clínicos, pero, desgraciadamente, esta rica fuente de información textual es “subutilizada” por los modelos predictivos en oncología. Los modelos actuales sólo se basan principalmente en datos estructurados. Por este motivo, Barzilay defiende la utilización del PLN para avanzar en los estudios sobre el cáncer.

El interés de Barzilay en este tema es relevante, ya que éste comenzó en el momento en el que le diagnosticaron un cáncer de mama. A partir de ese momento, Barzilay comenzó su andadura por la investigación en este campo y descubrió que existen muchas oportunidades para mejorar los sistemas de diagnostico del cáncer. Según ella, no se aprovechan todos los datos que se generan sobre la información de los pacientes; sólo se utiliza una pequeña parte de estos datos. A través de la utilización de esta gran cantidad de datos desaprovechados, se podrían mejorar diagnósticos y tratamientos del cáncer.

A  raíz de su cáncer, Regina Barzilay, comienza a trabajar en este tema con diversos doctores del Hospital General de Massachusetts. De esta colaboración nace un sistema que permite mejorar la extracción de información de los historiales de los pacientes utilizando técnicas de PLN (Procesamiento del Lenguaje Natural). De esta forma se enriquecen las bases de datos.  Asimismo, desarrollaron técnicas para facilitar la interacción de los doctores con el sistema:

  • El sistema permite a los doctores ofrecer, de forma intuitiva y fácil, feedback al sistema (ej. indicar que un dato no es correcto)
  • El sistema no solo realiza la extracción de la información sino que también ofrece una explicación de porqué se han extraído.
Barzilay_Cambridge_UK

Varias imágenes de la ponencia de Barzilay sobre How can NLP help cure cancer? en Microsoft Research Cambridge (UK)

Además,  Regina habló de las extraordinarias oportunidades para la aplicación de técnicas de Data Science y aprendizaje automático a la lucha contra el cáncer puesto que los modelos actuales podrían mejorarse mucho más. Y no solo utilizando modelos de aprendizaje más avanzados, sino incorporando también muchos de los datos que actualmente no se utilizan -o sólo se utilizan de forma parcial-. Es decir, no sólo a partir de textos no estructurados (ej. historial del paciente) sino, sobre todo, de un mejor tratamiento de los datos (principalmente imágenes) que los modernos sistemas de diagnostico ofrecen.

Algo a destacar sobre la ponencia de Barzilay fue la presencia de Christopher Bishop,  miembro del equipo técnico de Microsoft y Director de Laboratorio de Microsoft Research Cambridge. Bishop estuvo presente en esta charla entre el público ya que ésta misma se disponía en el centro que actualmente dirige. 

Cómo se aplica el PLN

Según Barzilay el procesamiento del lenguaje natural (PLN) de sus  máquinas aplica la información de dos maneras:

La primera fue crear un sistema que coge el informe patológico que ha escrito el doctor, donde está recogida toda la información del tumor, lo reconoce y lo escribe en una base de datos, una especie de tabla estructurada, que los ordenadores pueden analizar fácilmente. Así es posible buscar a las personas que tiene el mismo tipo tumor o que presenta altos condicionantes de poder padecerlo. En definitiva, trasladar miles de informes con letras de doctores diferentes a una tabla donde se puede buscar información. Este primer sistema posee 110.00 informes patológicos de tres hospitales: el Massachusetts General Hospital, el Instituto de Cáncer Dana-Farber Cancer y el Hospital Newton Wellesley.

La segunda forma está relacionada con la interpretación de las mamografías. Se han creado sistemas que pueden ver una mamografía y predecir si la paciente se está dirigiendo hacia el cáncer. Esto es, gracias a que las máquinas identifica patrones correctamente, de tal forma que si se les muestra una serie de mamografías de cómo han ido evolucionando las pacientes que finalmente han desarrollado cáncer, pueden identificar si esos mismos rasgos se están dando en otra paciente. Algo que para los humanos es imposible de hacer.

Actualmente, Barzilay ya ha conseguido algún resultado, especialmente en la detección de condicionantes. Gracias a su trabajo han podido predecir cuando alguien tiene factores de riesgo para tener cáncer y ver cómo se desarrolla.

Regina Barziilay

Regina Barzilay, catedrática del MIT y experta en procesamiento del lenguaje. FOTO: elpais.com TECNOLOGÍA.

Durante el próximo curso académico 2016/2017 la consultora ITELLIGENT será una de las empresas colaboradoras que participen en la nueva edición del Máster en Data Science y Big Data de la Universidad de Sevilla.

Si eres titulado en Computación, Ingeniería, Matemáticas o Estadística y quieres seguir formándote, te invitamos a que prestes atención a las oportunidades que te puede brindar este Máster Propio de la Universidad de Sevilla.

El Máster en Data Science y Big Data consta de 33,00 ECTS, posee carácter presencial y su precio puedes consultarlo aquí. La evaluación se ejecutará en relación a la asistencia y entrega de trabajos. Para la obtención del Titulo Académico será requisito indispensable la obtención de la totalidad de los créditos ECTS de los que consta este Máster.

¿Cuáles son los objetivos del Máster?

  • Habilitar al alumno en las competencias necesarias para el tratamiento computacional y estadístico de datos, utilizando técnicas computacionales y de Inteligencia Artificial.
  • Formar a titulados en el análisis científico de datos
  • Implantar unos estudios de postgrado que capaciten al egresado como científico de datos dentro de la empresa.
  • Facilitar una formación aplicada en Data Science a titulados superiores.
  • Capacitar a titulados en el manejo científico de soluciones para Big Data.
  • Proveer al empresariado e instituciones de la región de especialistas cualificados en la explotación de datos y extracción de conocimiento de los mismos.
  •  Actualizar las competencias y conocimientos de profesionales en Estadística o Computación que trabajan en el sector público o privado.

¿Quién lo dirige? 

Máster Propio en Data Science y Big Data

D. Joaquín Borrego Díaz, profesor titular de la Universidad de Sevilla, será el encargado de dirigir este Master en Data Science. Pertenece al equipo de investigación Lógica, Computación e Ingeniería del Conocimiento dentro del Departamento de Ciencias de la Computación e Inteligencia Artificial. Es autor de tres libros y ha colaborado en multitud de libros y artículos científicos. Asimismo, ejerce de responsable y participante en proyectos de diversa índole dentro de la Universidad. El área especializada en la que investiga D. Joaquín Borrego se sitúa en la frontera entre:

  • La Representación del Conocimiento y el Razonamiento en IA, incluidos: ontologías, análisis de conceptos formales y semántica emergente.
  • Lógica computacional y aplicaciones.
  • Aplicaciones de IA en la Web Social.
  • Proyectos en Data Science.

Estoy interesad@, ¿cuándo comienza la pre-inscripción?

Hasta el momento, se desconocen con exactitud los plazos y fechas de inscripción-matriculación. En los próximos días se publicará oficialmente en la web del Master. Sin embargo, de forma provisional, exponemos las fechas aproximadas:

  • Inicio-Fin de inscripción: del 15 de julio al 20 de septiembre de 2016
  • Inicio-Fin de matrícula: del 1 al 20 de septiembre de 2016
  • Inicio-Fin de curso 2016/2017: del 13/10/016 al 15/07/2017
  • Fin de Clases presenciales: día 10 de junio de 2017

¿Qué asignaturas posee el Máster?

Por último,  las asignaturas que se incluyen en el Máster en Data Science y Big Data de la Universidad de Sevilla son las siguientes:

  • Diseño y gestión de proyectos en Data Science I y II (9 ECTS)
  • Introducción a la programación en Python y a los paradigmas para datos (4 ECTS)
  • Fundamentos de Estadísticas y programación en R (4 ECTS)
  • Aprendizaje Estadístico y Modelización (6 ECTS)
  • Arquitecturas y paradigmas para Ciencia del Dato (4 ECTS)
  • Arquitecturas y paradigmas para Big Data (5 ECTS)
  • Machine Learning I y II (10 ECTS)
  • Técnicas Metaheurísticas de optimización (4 ECTS)
  • Inteligencia Colectiva y Sistemas de Recomendación (3 ECTS)
  • Modelos para datos temporales y espaciales (3 ECTS)
  • Data Science & Business Analytics (3 ECTS)
  • Procesamiento del Lenguaje Natural para la Ciencia del Dato I y II (4 ECTS)
  • Visualización de datos (2 ECTS)
  • Visualización de la Información (2 ECTS)
  • Trabajo Fin de Máster (6 ECTS)