Esta página web usa cookies

El sitio web de la Fundació Politècnica de Catalunya utiliza cookies propias y de terceros para mejorar la experiencia de navegación y con fines estadísticos. Para obtener más información sobre las cookies puede consultar la política de cookies.

Configurar cookies
Permitir todas las cookies
Campus
MY_TECH_SPACE


Entrar
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.
No tienes autorización para realizar esta llamada. Puedes consultar en webmaster.fpc@fpc.upc.edu
Ha superado el número máximo de intentos. Su usuario está bloqueado temporalmente. Vuelve a acceder dentro de un rato.
Tienes que introducir el usuario del campus no un correo electrónico
Tienes que realizar la verificación para comprobar que no eres un robot.
Inicio   >  Másters y posgrados  >  Formación  >  Máster de formación permanente en Big Data Management, Technologies and Analytics
¡Te asesoramos! Solicita información o la admisión

Presentación

Información edición 2024-2025
La edición 2024-2025 de este máster de formación permanente ya ha empezado. En breve publicaremos la información actualizada de la nueva edición de este programa.
Edición
8ª Edición
Créditos
60 ECTS (324 horas lectivas)
Modalidad
Presencial
Idioma de impartición
Español
Precio
8.900€
Condiciones especiales en el pago de la matrícula y campaña 0,7%
Inscripción abierta hasta el inicio del curso o hasta el agotamiento de plazas.
Próxima edición
Octubre de 2025
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 de formación permanente?
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 a la hora de gestionar las operaciones de las organizaciones, ya que 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) o sensorizando los procesos mecánicos para monitorizarlos, entre otros.

A pesar de que la digitalización de una organización es una tarea pesada, los datos generados y recogidos una vez llevada a cabo, pueden ser analizados con el objetivo de generar información crucial para 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, el término big data se emplea para referirse a un nuevo tipo de sistemas que recogen y analizan datos de cualquier naturaleza, y que comportan una serie de retos. La definición más popular del 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 (procedentes de fuentes de datos heterogéneas) y Velocidad (en referencia al potencial tiempo de llegada y procesamiento de los datos en real-time).

El big data presenta nuevos desafíos para las organizaciones en dos aspectos tecnológicos principales: la gestión y el análisis de los datos. Desde el punto de vista de la gestión, el big data requiere tanto nuevas arquitecturas (principalmente basadas en cloud computing y la gestión distribuida de los datos y la memoria) como nuevos modelos de datos (como los documents grafs, key-value o streams). Desde el punto de vista del análisis, 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, el entrenamiento y la 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 tiene su particularidad. 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 que existen 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 para 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.

En este contexto, el máster en Big Data Management, Technologies and Analytics ofrece una visión global de un ecosistema big data profundizando en ambos aspectos: gestión de los datos (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 del 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 que hay actualmente 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 estructurados o no estructurados).
  • 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 deben tener una formación técnica en bases de datos centralizadas y programación.

Este máster tiene como objetivo crear perfiles mixtos en gestión y análisis de datos.

Contenidos formativos

Relación de asignaturas
12 ECTS 72h
Data Management
  • Motivación e introducción
    • 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.
    • 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 y HBase.
      • 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.
      • Cómo abrir los datos.
      • Arquitecturas basadas en grafos vs. tecnología relacional.
      • Marco de Descripción de Recursos (RDF) y SPARQL.
      • Ejemplo: GraphDB.
      • Consideraciones específicas de modelización.
  • Procesamiento de datos distribuido y paralelizable
    • Gestión y procesamiento distribuido de los datos.
      • MapReduce.
    • Gestión y procesamiento de los datos en memoria.
      • Spark
  • Integración de datos
    • Procesos intensivos de datos vs. ETL.
    • Concepto de Data Lake. Sistemas políglotas.
    • Orquestadores.
  • Arquitecturas big data
    • Principales arquitecturas de referencia
      • Arquitectura Lambda.
12 ECTS 72h
Data Analytics
  • Introducción
    • ¿Qué es el knowledge discovery?
    • Estadística básica.
    • Introducción a R.
  • Preprocesamiento 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
    • Preprocesamiento y preparación de los datos.
    • Principales técnicas de texto analíticas.
    • Information retrieval.
  • Análisis de series temporales
    • Preprocesamiento y preparación de los datos.
    • Forecasting.
    • Detección de outliers.
  • Análisis de los datos avanzados
    • Paquetes de R para el procesamiento paralelo.
    • R sobre bases de datos relacionales.
16 ECTS 96h
Hands-on Experience: Data Management 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.
  • Análisis de datos distribuido
    • Análisis de los datos en entornos distribuidos utilizando Hadoop Distributed File System (HDFS) y Spark.
      • Spark R y MLlib.
  • 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.
  • Marketing
  • 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 de casos: Twitter, Facebook, etc.
  • Presupuesto y proceso de financiación
    • Finanzas.
    • Financiación privada: Business Angels y Capital Risk.
    • Financiación pública.
  • Presentaciones y sesiones de pitch
  • Creación de una empresa
    • Aspectos legales: Regulación de los datos.
    • Aspectos económicos.
  • Consideraciones éticas del big data: negocio y privacidad
15 ECTS 51h
Proyecto
  • Visualización
    • Procesos de visualización.
    • Técnicas de visualización.
  • Gestión de proyectos

El proyecto se realizará en grupos de 2 o 3 personas que tendrán que desarrollar un caso real aplicado. Los estudiantes tendrán que elaborar 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 en una empresa existente).

El proyecto debe proponer una solución innovadora al problema planteado, tanto en el aspecto técnico como en el valor añadido de negocio. Se valorará especialmente esta perspectiva.

Para llevar a cabo el proyecto, los grupos deben definir la arquitectura funcional del sistema (incluyendo repositorios y flujos de datos, justificando el rendimiento que se obtendrá del sistema en un caso real), detallar el tipo de análisis de datos a llevar a cabo (incluyendo la preparación de los datos, diseño de features, adecuación del modelo escogido al reto 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 que se siga 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). La fórmula seguida garantiza la inmersión en una experiencia real siendo 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 hacerles propuestas personalizadas de productos de ocio.
  • "A Location Based Social Media Data Gathering System for Predicting Crowded Places". 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 contextualizados con otros externos, se predecía el precio real y de venta de un inmueble.
  • "Net 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 basada en los históricos de ventas.
Titulación
Título propio de máster de formación permanente en Big Data Management, Technologies and Analytics, expedido por la Universitat Politècnica de Catalunya. Emitido en virtud de lo establecido en el art. 7.1 de la Ley Orgánica 2/2023, de 22 de marzo, del Sistema Universitario, y el art. 36 del Real Decreto 822/2021, de 28 de septiembre, por el que se establece la organización de las enseñanzas universitarias y el procedimiento de aseguramiento de su calidad. Para su obtención es necesario tener una titulación universitaria previa oficial. En caso contrario, el estudiante recibirá un certificado de aprovechamiento del programa superior expedido por la Fundació Politècnica de Catalunya. Los estudios de formación permanente de la Universitat Politècnica de Catalunya se aprueban anualmente por el Consell de Govern de la Universitat. (Ver datos que constan en el certificado).

Metodología de aprendizaje

La metodología docente del programa facilita el aprendizaje del estudiantado 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 el estudiantado podrá 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
El estudiantado de este máster de formación permanente tendrá acceso al campus virtual My_Tech_Space, una eficaz plataforma de trabajo y comunicación entre el alumnado, 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
    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, Òscar
    Romero Moral, Òscar
    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 treinta 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), el máster en Inteligencia Artificial (IA) y el master in Data Science 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. Recientemente ha sido jefe de estudios de la Facultad de Informática de Barcelona (FIB).
  • Berbegal Castelló, José
    info
    Ver perfil en Linkedin
    Ingeniero en Informática por la Universitat Politècnica de Catalunya (UPC). Ha trabajado durante más de diez años en distintas empresas del sector de la seguridad y defensa. Actualmente, trabaja en aunav (dentro del grupo EM&E), 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
    Ver perfil en futur.upc
    Ingeniero informático, master en Arquitectura de Computadores y doctor en Informática por la Universidad Politécnica de Cataluña (UPC). Su investigación se centra en gestión de recursos computacionales en sistemas cloud usando minería de datos y aprendizaje automático. Actualmente es investigador en el Departamento de Arquitectura de Computadores de la UPC y en el Barcelona Supercomputing Center (BSC), líder del grupo de investigación CROMAI. Especialista en gestión de centros de datos (cloud computing), aprendizaje automático (machine learning), minería y análisis de datos (data mining) e 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 / Ver perfil en Linkedin
    Catedrático del Departamento de Estadística e Investigación Operativa de la Universitat Politècnica de Catalunya (UPC). Autor de más de 45 artículos internacionales, sus temas de investigación incluyen el aprendizaje no supervisado (interpretabilidad en machine learning, 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 CEO de Calidad, Servicios Empresariales, S.L., empresa en la que desarrolla su actividad profesional como consultor desde hace más de veinticinco años. Profesor asociado en el Departamento de Organización de Empresas de la Universitat Politècnica de Catalunya (UPC), y profesor a la UPC School. Fundador y expresidente del Cercle Econòmic i Social 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 futur.upc / Ver perfil en Linkedin
    Doctor en informática por la Universitat Politècnica de Catalunya (UPC) y máster en Inteligencia Artificial por la UPC. Actualmente es investigador en el Departamento de Teoría de la Señal y las Comunicaciones de la UPC y en el Barcelona Supercomputing Center (BSC), así como profesor asociado en el departamento de Ciencias de la Computación de la UPC. Su área de experiencia es el procesado del lenguaje natural, especialmente la traducción automática multilingüe con redes neuronales.
  • Galí Reniu, Ferran
    info
    Ver perfil en Linkedin
    Apasionado de los sistemas distribuidos a nivel web. Gracias a haber trabajado con tecnologías de big data durante algunos años adquirió experiencia en resolución de problemas que requieren un procesamiento masivo de datos. Desde sus inicios con el entorno Hadoop hace diez años, ha intentado mantenerse al día de los últimos avances ya sea dejando huella en el trabajo, colaborando con instituciones educativas o implicándose en la comunidad. Ahora trabaja en LIFULL Connect materializando productos que requieren procesamiento de datos en tiempo real, todo ello utilizando Kafka, Avro, Kotlin y ElasticSearch.
  • 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
    Doctor en Arquitectura de Computadores, licenciado en Ingeniería Informática y máster en Investigación e Innovación en Informática, con mención en Data Science, por la Universitat Politècnica de Catalunya (UPC). Actualmente es investigador postdoctoral en el grupo de Data-Centric Computing en el Barcelona Supercomputing Center (BSC) e investigador principal de los proyectos europeos INCISIVE, CALLISTO y SECURED, investigando en optimización de aplicaciones con high performance computing y el análisis de datos médicos distribuidos con federated learning.
  • 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.
  • Lee Hsing, Simon
    info
    Ver perfil en Linkedin
    Ingeniero técnico en Diseño Industrial, Máster en Ingeniería del Software por la UPC, Máster en Desarrollo y Creación de Videojuegos por la UPF y PDG por el IESE. Fundador de la consultora de innovación abierta Peninsula Corporate Innovation y del programa de incubación de videojuegos GameBCN, anteriormente Director de Diseño en Digital Legends (recién adquirida por Activision). Actualmente también es profesor de Corporate Venturing en ESADE. Acumula más de 20 años creando productos digitales y mentorizando startups.
  • Maynou Yelamos, Marc
    info

    Ingeniero informático por la Universitat Politècnica de Catalunya (UPC). Máster en Data Science por la UPC. Actualmente es estudiante de doctorado y profesor asociado en la UPC como parte del grupo de investigación Database Technologies and Information Management (DTIM). Docencia en grado (Grado en Ingeniería Informática) y máster (Master in Data Science). Su investigación se centra en las áreas de gestión de datos y data discovery, ambas en el contexto de Big Data.
  • 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 Universidad Politécnica de Cataluña (UPC) y la Université Libre de Bruxelles (ULB). Actualmente es profesor del Departamento de Ingeniería de Servicios y Sistemas de Información de la UPC, donde imparte docencia en la Facultad de Informática de Barcelona en el grado de Ingeniería Informática, en el grado en Inteligencia Artificial y en el máster en Ciencia de Datos. Sus intereses de investigación se encuentran en el área de la gestión de datos e información, con interés en la automatización del ciclo de vida de los datos, ámbito en el que ha publicado numerosos artículos y liderado proyectos de transferencia tecnológica.
  • Palmer, Jonathan
    info
    Ver perfil en Linkedin
    Vice presidente de la plataforma de datos 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.
  • Perez Banquells, Serena
    info
    Ver perfil en Linkedin
    Ingeniera Informática por la Universitat Autónoma de Barcelona (UAB). Máster en Data Management e Innovación Tecnológica por la Universidad de Barcelona (UB) y la OBS Business School con la distinción Blue Talent Awards. Acumula una experiencia de más de veinte años en empresas como Mango, la Corporación de Radio y Televisión de Cataluña (CCRTV), Transports Metropolitans de Barcelona (TMB), focalizada siempre en sistemas de bases de datos, big data y transformacion digital y tecnológica. Actualmente trabaja como arquitecto cloud de grandes cuentas bancarias en la multinacional Oracle.
  • Pons Recasens, Gerard
    info

    Graduado en Ingeniería Física por la Universitat Politècnica de Catalunya (UPC) y máster en Ciencia de Datos por la UPC. Actualmente es doctorando en Computación por la UPC y forma parte del grupo de investigación Database Technologies and Information Manangement (DTIM).
  • Queralt Calafat, Anna
    info
    Ver perfil en futur.upc
    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 responsable 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, Òscar
    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.
  • Segarra Alonso, Roger
    info

    Licenciado y máster en Derecho por ESADE Business Law School en 2008. Miembro del Ilustre Colegio de Abogados de Barcelona. Actualmente, es socio de la firma de abogados internacional Osborne Clarke. Acumula más de 15 años de experiencia en derecho de nuevas tecnologías, protección de datos y propiedad intelectual en los sectores de ciencias de la salud y de la vida, digital y comercio minorista.
  • Soler Gomis, Lluis
    info
    Ver perfil en Linkedin
    Licenciado en Administración y Dirección de Empresas por la Universidad Abat Oliba, MBA por el Instituto de Empresa y máster en eCommerce por La Salle. Es emprendedor, empresario y fan de las nuevas tecnologías, la creatividad y el trato humano. Actualmente es director de negocio y cofundador de SoftDoit.
  • 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 videojuegos. Actualmente es Director de Operaciones en AnchorPoint Studios - en NetEase Games Studio - y profesor en Universitat Politècnica de Catalunya, School of Professional Executive Development y Centre de la Imatge i Tecnologia Multimèdia, en asignaturas de empresa y financiación tanto en grados como postgrados 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 lidera la línea de investigación de big data y data spaces en la Fundación i2CAT. Ha trabajado como investigador junior en el Centro de Supercomputación de Barcelona y ha participado en varios proyectos pan-Europeos (BigStorage, SoCaTel, CORDIS, BOOST 4.0, IoT-NGIN, TEADAL, CODECO).
  • 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. Su área de investigación se centra en la visualización de datos científicos y los gráficos por computador.
  • 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. Postgrado en Gestión de la Innovación por la Universidad Politécnica de Cataluña (UPC). Ha trabajado en diversas 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, desde donde se proporciona soporte TIC a los grupos de investigación en sus proyectos nacionales, europeos y transferencia de tecnología.

Entidades colaboradoras

Socios estratégicos
  • Facultat d'Informàtica de Barcelona. FIB (UPC)
    • Difunde el estudio 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

El máster de la UPC en Big Data es, desde mi perspectiva, el máster que mejor combina un enfoque teórico sólido y exhaustivo para entender las bases del data science con una aplicación práctica orientada a las necesidades de las empresas. En mi caso, buscaba un programa robusto en contenido que cubriera tanto la gestión de grandes volúmenes de datos como el machine learning e inteligencia artificial aplicados a cuestiones de negocio. Ambas vertientes han sido plenamente cubiertas, añadiendo su aplicación práctica en las sesiones de hands-on, donde hemos podido aplicar las principales herramientas y tecnologías líderes en el mercado y generar así expertise en su posterior implementación en entornos reales. Mención especial al gran nivel y currículo del profesorado, puesto que permite llegar al detalle en conceptos especialmente complejos. Todo ello me ha permitido conseguir de forma efectiva mis objetivos profesionales.

Arnald Gabarrell Supply Chain Data Scientist en General Motors (Zürich, Suiza)

Testimonios
Tras 15 años dedicados a la investigación biomédica y al análisis computacional de datos genómicos, quería dar el salto al mundo de la ciencia de datos en la empresa privada. El primer paso en esta renovación laboral consistía en prepararme bien, reorientando mis conocimientos técnicos hacia las necesidades particulares de la empresa. Me decanté por el máster en Big Data de la UPC por su enfoque global en los proyectos y por la tranquilidad de estar apostando por la consabida seriedad de la Universitat Politècnica de Catalunya. Sinceramente, cumplió mis expectativas: reforcé y amplié mis conocimientos de análisis de datos, descubrí la inmensa relevancia de una gestión inteligente de los mismos y vislumbré la manera de desarrollar proyectos empresariales de interés. Todo ello, de la mano de profesores muy competentes que ahondaban en cada una de las especialidades. Además, en el proyecto final de máster que realicé junto con dos compañeros de perfiles complementarios al mío atisbamos lo que es un servicio real sobre un problema de empresa. Actualmente, estoy trabajando como Global Data Scientist en Nespresso, una oportunidad que me surgió gracias a los contactos hechos durante el máster.

Belén Lorente Global Data Scientist en Nespresso

Testimonios
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 & Analytics en Desigual. Este programa me ha dado un conocimiento amplio de cómo funcionan las bases de datos columnares, de grafs o con datos desestructurados tipo JSON. 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
Actos relacionados

Solicita información o la admisión

Información y orientación:
Cecilia Salas Silva
(34) 93 706 80 35
¡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 de formación permanente.
  • 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 de formación permanente:
    • Carta de motivación, en la cual se describa el background (formación y experiencia) y las motivaciones para la realización del 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

Enviar información sobre las actividades de la FPC. + 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

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