Máster en Data Science y Análisis de Datos Complejos + 60 Créditos ECTS
Descargar DossierPrecio 2.295 €
Resumen del curso
Descripción
En la era digital actual, los datos se han convertido en un recurso valioso y abundante en prácticamente todos los aspectos de la sociedad y los negocios. La disponibilidad de grandes volúmenes de datos complejos provenientes de diversas fuentes ha creado la necesidad de profesionales altamente capacitados en la ciencia de datos y el análisis de datos complejos.
Estos profesionales desempeñan un papel crucial en el descubrimiento de información significativa, la toma de decisiones informadas y la generación de ventajas competitivas y este Máster de Data Science y Análisis de Datos Complejos te ayudará a poder enfrentarte a los desafíos asociados con el procesamiento y análisis de datos complejos. Además, contarás con un equipo de profesionales especializados en la materia.
Objetivos
- Comprender los conceptos fundamentales de la ciencia de datos y su aplicación en el análisis de datos complejos.
- Adquirir habilidades técnicas en el manejo de herramientas y tecnologías utilizadas en la ciencia de datos.
- Aplicar técnicas de aprendizaje automático y minería de datos para descubrir patrones y tendencias.
- Desarrollar habilidades en la visualización de datos y la comunicación efectiva de los resultados del análisis.
- Diseñar proyectos de análisis de datos, desde la recopilación de datos hasta la interpretación de los resultados.
- Dominar técnicas de optimización y modelado estadístico en la resolución de problemas de datos complejos.
¿Para qué te prepara?
Este Máster de Data Science y Análisis de Datos Complejos te prepara para convertirte en un experto en el análisis de datos complejos, a través de una formación integral en técnicas avanzadas, herramientas y metodologías, estarás preparado para aplicar tus habilidades en la resolución de problemas reales, la toma de decisiones basada en datos y la generación de ideas innovadoras en diversos entornos empresariales.
¿A quién va dirigido?
Este Máster de Data Science y Análisis de Datos Complejos está diseñado para profesionales y graduados en áreas relacionadas con la ciencia de datos, la estadística, la informática y disciplinas afines. También es adecuado para aquellos que deseen ampliar sus habilidades en el análisis de datos complejos y aspiran a desempeñarse como científicos o analistas de datos.
Salidas profesionales
Gracias a este Máster de Data Science y Análisis de Datos Complejos podrás desempeñar roles clave en el campo de la ciencia de datos pudiendo trabajar como científico de datos, analista de datos, consultor de negocios, investigador, líderes de proyectos o especialistas en inteligencia empresarial en empresas de diversos sectores, como tecnología, finanzas, salud o marketing.
Temario
MÓDULO 1. TRANSFORMACIÓN DIGITAL
UNIDAD DIDÁCTICA 1. FUNDAMENTOS DE LA TRANSFORMACIÓN DIGITAL
- Concepto y evolución de la transformación digital
- Digitalización, innovación y transformación empresarial
- Impulsores, oportunidades y retos de la transformación digital
- Tecnología y ventaja competitiva
- Barreras y factores clave de éxito
- Tendencias digitales y tecnológicas
- Estrategia empresarial en el entorno digital
- Madurez y capacidades digitales de la organización
UNIDAD DIDÁCTICA 2. TECNOLOGÍAS DIGITALES Y GESTIÓN DEL DATO
- El ecosistema tecnológico para la transformación empresarial
- Cloud computing, plataformas y modelos as a service
- Datos, analítica y Business Intelligence
- Inteligencia artificial e IA generativa
- IoT, automatización y otras tecnologías emergentes
- Ciberseguridad, privacidad y confianza digital
UNIDAD DIDÁCTICA 3. ORGANIZACIÓN, PERSONAS E INNOVACIÓN
- Liderazgo y cultura digital
- Gestión del cambio y resistencia a la transformación
- Talento y competencias digitales
- Nuevas formas de trabajo y organización
- Innovación y metodologías ágiles
- Design Thinking, Lean Startup y experimentación
UNIDAD DIDÁCTICA 4. PROCESOS Y OPERACIONES DIGITALES
- Transformación digital de la cadena de valor
- Rediseño y optimización de procesos
- Automatización inteligente y RPA
- Integración de sistemas y plataformas empresariales
- Datos aplicados a la gestión y toma de decisiones
- Industria 4.0 y operaciones inteligentes
UNIDAD DIDÁCTICA 5. CLIENTE DIGITAL Y EXPERIENCIA DE CLIENTE
- El nuevo comportamiento del cliente digital
- Customer Experience y Customer Journey
- Personalización y orientación al cliente
- Omnicanalidad, canales digitales y CRM
- Marketing digital y estrategias de crecimiento
- Medición y optimización de la experiencia del cliente
UNIDAD DIDÁCTICA 6. NUEVOS MODELOS DE NEGOCIO DIGITALES
- Transformación de los modelos de negocio tradicionales
- Diseño y validación de modelos de negocio digitales
- Plataformas, marketplaces y ecosistemas digitales
- Suscripción, freemium y modelos as a service
- Innovación de productos y servicios digitales
- Viabilidad y escalabilidad de los negocios digitales
UNIDAD DIDÁCTICA 7. PLAN DE TRANSFORMACIÓN DIGITAL
- Diagnóstico y definición de la visión de transformación
- Identificación y priorización de iniciativas
- Diseño del plan y roadmap de transformación
- Recursos, inversión y selección tecnológica
- Implementación, gestión del cambio y adopción
- KPI, ROI, seguimiento y mejora continua
MÓDULO 2. BIG DATA Y STORYTELLING
UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL BIG DATA
- ¿Qué es Big Data?
- La era de las grandes cantidades de información: historia del big data
- La importancia de almacenar y extraer información
- Big Data enfocado a los negocios
- Open data
- Información pública
- IoT (Internet of Things-Internet de las cosas)
UNIDAD DIDÁCTICA 2. FUENTES DE DATOS
- Definición y relevancia de la selección de las fuentes de datos
- Naturaleza de las fuentes de datos Big Data
UNIDAD DIDÁCTICA 3. OPEN DATA
- Definición, Beneficios y Características
- Ejemplo de uso de Open Data
UNIDAD DIDÁCTICA 4. FASES DE UN PROYECTO DE BIG DATA
- Diagnóstico inicial
- Diseño del proyecto
- Proceso de implementación
- Monitorización y control del proyecto
- Responsable y recursos disponibles
- Calendarización
- Alcance y valoración económica del proyecto
UNIDAD DIDÁCTICA 5. BUSINESS INTELLIGENCE Y LA SOCIEDAD DE LA INFORMACIÓN
- Definiendo el concepto de Business Intelligence y Sociedad de la Información
- Arquitectura de una solución Business Intelligence
- Business Intelligence en los departamentos de la empresa
- Conceptos de Plan Director, Plan Estratégico y Plan de Operativa Anual
- Sistemas Operacionales y Procesos ETL en un sistema de BI
- Ventajas y Factores de Riesgos del Business Intelligence
UNIDAD DIDÁCTICA 6. PRINCIPALES PRODUCTOS DE BUSINESS INTELLIGENCE
- Cuadros de Mando Integrales (CMI)
- Sistemas de Soporte a la Decisión (DSS)
- Sistemas de Información Ejecutiva (EIS)
UNIDAD DIDÁCTICA 7. BIG DATA Y MARKETING
- Apoyo del Big Data en el proceso de toma de decisiones
- Toma de decisiones operativas
- Marketing estratégico y Big Data
- Nuevas tendencias en management
- Ejercicios Prácticos
UNIDAD DIDÁCTICA 8. DEL BIG DATA AL LINKED OPEN DATA
- Concepto de Web Semántica
- Linked Data Vs. Big Data
- Lenguaje de consulta SPARQL
UNIDAD DIDÁCTICA 9. INTERNET DE LAS COSAS
- Contexto Internet de las Cosas (IoT)
- ¿Qué es IoT?
- Elementos que componen el ecosistema IoT
- Arquitectura IoT
- Dispositivos y elementos empleados
- Ejemplos de uso
- Retos y líneas de trabajo futuras
UNIDAD DIDÁCTICA 10. STORYTELLING
- ¿Qué es el Data Storytelling?
- Elementos clave del Data Storytelling
- ¿Por qué es importante el Data Storytelling?
- ¿Cómo hacer Data Storytelling?
MÓDULO 3. DATA SCIENCE: ALMACENAMIENTO, ANÁLISIS Y PROCESAMIENTO DE DATOS
UNIDAD DIDÁCTICA 1.INTRODUCCIÓN A LA CIENCIA DE DATOS
- ¿Qué es la ciencia de datos?
- Herramientas necesarias para el científico de datos
- Data Science & Cloud Computing
- Aspectos legales en Protección de Datos
UNIDAD DIDÁCTICA 2.BASES DE DATOS RELACIONALES
- Introducción
- El modelo relacional
- Lenguaje de consulta SQL
- MySQL Una base de datos relacional
UNIDAD DIDÁCTICA 3. BASES DE DATOS NOSQL Y EL ALMACENAMIENTO ESCALABLE
- ¿Qué es una base de datos NoSQL?
- Bases de datos Relaciones Vs Bases de datos NoSQL
- Tipo de Bases de datos NoSQL Teorema de CAP
- Sistemas de Bases de datos NoSQL
UNIDAD DIDÁCTICA 4. INTRODUCCIÓN A UN SISTEMA DE BASES DE DATOS NOSQL: MONGODB
- ¿Qué es MongoDB?
- Funcionamiento y uso de MongoDB
- Primeros pasos con MongoDB: Instalación y shell de comandos
- Creando nuestra primera Base de Datos NoSQL: Modelo e Inserción de Datos
- Actualización de datos en MongoDB: Sentencias set y update
- Trabajando con índices en MongoDB para optimización de datos
- Consulta de datos en MongoDB
UNIDAD DIDÁCTICA 5. WEKA Y DATA MINING
- ¿Qué es Weka?
- Técnicas de Data Mining en Weka
- Interfaces de Weka
- Selección de atributos
UNIDAD DIDÁCTICA 6. PENTAHO UNA SOLUCIÓN OPEN SOURCE PARA BUSINESS INTELLIGENCE
- Una aproximación a PENTAHO
- Soluciones que ofrece PENTAHO
- MongoDB & PENTAHO
- Hadoop & PENTAHO
- Weka & PENTAHO
UNIDAD DIDÁCTICA 7. R COMO HERRAMIENTA PARA BIG DATA
- Introducción a R
- ¿Qué necesitas?
- Tipos de datos
- Estadística Descriptiva y Predictiva con R
- Integración de R en Hadoop
UNIDAD DIDÁCTICA 8. PRE-PROCESAMIENTO & PROCESAMIENTO DE DATOS
- Obtención y limpieza de los datos (ETL)
- Inferencia estadística
- Modelos de regresión
- Pruebas de hipótesis
UNIDAD DIDÁCTICA 9. ANÁLISIS DE LOS DATOS
- Inteligencia Analítica de negocios
- La teoría de grafos y el análisis de redes sociales
- Presentación de resultados
MÓDULO 4. ANÁLISIS DE DATOS CON PYTHON
UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL ANÁLISIS DE DATOS
- ¿Qué es el análisis de datos?
UNIDAD DIDÁCTICA 2. LIBRERÍAS PARA EL ANÁLISIS DE DATOS: NUMPY, PANDAS Y MATPLOTLIB
- Análisis de datos con NumPy
- Pandas
- Matplotlib
UNIDAD DIDÁCTICA 3. FILTRADO Y EXTRACCIÓN DE DATOS
- Cómo usar loc en Pandas
- Cómo eliminar una columna en Pandas
UNIDAD DIDÁCTICA 4. PIVOT TABLES
- Pivot tables en pandas
UNIDAD DIDÁCTICA 5. GROUPBY Y FUNCIONES DE AGREGACIÓN
- El grupo de pandas
UNIDAD DIDÁCTICA 6. FUSIÓN DE DATAFRAMES
- Python Pandas fusionando marcos de datos
UNIDAD DIDÁCTICA 7. VISUALIZACIÓN DE DATOS CON MATPLOTLIB Y CON SEABORN
- Matplotlib
- Seaborn
UNIDAD DIDÁCTICA 8. INTRODUCCIÓN AL MACHINE LEARNING
- Aprendizaje automático
UNIDAD DIDÁCTICA 9. REGRESIÓN LINEAL Y REGRESIÓN LOGÍSTICA
- Regresión lineal
- Regresión logística
UNIDAD DIDÁCTICA 10. ÁRBOL DE DECISIONES
- Estructura de árbol
UNIDAD DIDÁCTICA 11. NAIVE BAYES
- Algortimo de Naive bayes
- Tipos de Naive Bayes
UNIDAD DIDÁCTICA 12. SUPPORT VECTOR MACHINES (SVM)
- Máquinas de vectores soporte (Support Vector Machine-SVM)
- ¿Cómo funciona SVM?
- Núcleos SVM
- Construcción de clasificador en Scikit-learn
UNIDAD DIDÁCTICA 13. KNN
- K-nearest Neighbors (KNN)
- Implementación de Python del algoritmo KNN
UNIDAD DIDÁCTICA 14. PRINCIPAL COMPONENT ANALYSIS (PCA)
- Análisis de componentes principales
UNIDAD DIDÁCTICA 15. RANDOM FOREST
- Algorimto de Random Forest
MÓDULO 5. DATA MINING, APRENDIZAJE AUTOMÁTICO Y MACHINE LEARNING
UNIDAD DIDÁCTICA 1. MINERÍA DE DATOS O DATA MINING Y EL APRENDIZAJE AUTOMÁTICO
- Introducción a la minería de datos y el aprendizaje automático
- Proceso KDD
- Modelos y Técnicas de Data Mining
- Áreas de aplicación
- Minería de textos y Web Mining
- Data mining y marketing
UNIDAD DIDÁCTICA 2. EL CICLO DE DATA MINING: FASES Y TIPOS DE PROBLEMAS
- Tipos de problemas
- Implicaciones de los datos, dominios, técnicas en las fases del proceso
- Casos de uso
UNIDAD DIDÁCTICA 3. TÉCNICAS DE DATA MINING
- Clasificación o Arboles de decisión o Naive Bayes
- Clustering o K-means o EM
- Asociacion o A priori
UNIDAD DIDÁCTICA 4. ECOSISTEMA HADOOP
- ¿Qué es Hadoop? Relación con Big Data
- Instalación y configuración de insfraestructura y ecosistema Hadoop
- Sistema de archivos HDFS
- MapReduce con Hadoop
- Apache Hive
- Apache Hue
- Apache Spark
UNIDAD DIDÁCTICA 5. INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL
- Introducción a la inteligencia artificial
- Historia
- La importancia de la IA
UNIDAD DIDÁCTICA 6. ALGORITMOS APLICADOS A LA INTELIGENCIA ARTIFICIAL
- Algoritmos aplicados a la inteligencia artificial
UNIDAD DIDÁCTICA 7. RELACIÓN ENTRE INTELIGENCIA ARTIFICIAL Y BIG DATA
- Relación entre inteligencia artificial y big data
- IA y Big Data combinados
- El papel del Big Data en IA
- Tecnologías de IA que se están utilizando con Big Data
UNIDAD DIDÁCTICA 8. SISTEMAS EXPERTOS
- Sistemas expertos
- Estructura de un sistema experto
- Inferencia: Tipos
- Fases de construcción de un sistema
- Rendimiento y mejoras
- Dominios de aplicación
- Creación de un sistema experto en C#
- Añadir incertidumbre y probabilidades
UNIDAD DIDÁCTICA 9. INTRODUCCIÓN AL MACHINE LEARNING
- Introducción
- Clasificación de algoritmos de aprendizaje automático
- Ejemplos de aprendizaje automático
- Diferencias entre el aprendizaje automático y el aprendizaje profundo
- Tipos de algoritmos de aprendizaje automático
- El futuro del aprendizaje automático
UNIDAD DIDÁCTICA 10. EXTRACCIÓN DE ESTRUCTURA DE LOS DATOS: CLUSTERING
- Introducción
- Algoritmos
UNIDAD DIDÁCTICA 11. SISTEMAS DE RECOMENDACIÓN
- Introducción
- Filtrado colaborativo
- Clusterización
- Sistemas de recomendación híbridos
UNIDAD DIDÁCTICA 12. CLASIFICACIÓN
- Clasificadores
- Algoritmos
UNIDAD DIDÁCTICA 13. REDES NEURONALES Y DEEP LEARNING
- Componentes
- Aprendizaje
UNIDAD DIDÁCTICA 14. SISTEMAS DE ELECCIÓN
- Introducción
- El proceso de paso de DSS a IDSS
- Casos de aplicación
MÓDULO 6. VISUALIZACIÓN DE DATOS
UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA VISUALIZACIÓN DE DATOS
- ¿Qué es la visualización de datos?
- Importancia y herramientas de la visualización de datos
- Visualización de datos: Principios básicos
UNIDAD DIDÁCTICA 2. TABLEAU
- ¿Qué es Tableau? Usos y aplicaciones
- Tableau Server: Arquitectura y Componentes
- Instalación Tableau
- Espacio de trabajo y navegación
- Conexiones de datos en Tableau
- Tipos de filtros en Tableau
- Ordenación de datos, grupos, jerarquías y conjuntos
- Tablas y gráficos en Tableau
UNIDAD DIDÁCTICA 3. D3 (DATA DRIVEN DOCUMENTS)
- Fundamentos D3
- Instalación D3
- Funcionamiento D3
- SVG
- Tipos de datos en D3
- Diagrama de barras con D3
- Diagrama de dispersión con D3
UNIDAD DIDÁCTICA 4. LOOKER STUDIO (GOOGLE DATA STUDIO)
- Visualización de datos
- Tipologías de gráficos
- Fuentes de datos
- Creación de informes
UNIDAD DIDÁCTICA 5. QLIKVIEW
- Instalación y arquitectura
- Carga de datos
- Informes
- Transformación y modelo de datos
- Análisis de datos
UNIDAD DIDÁCTICA 6. POWER BI
- Introducción a Power BI
- Instalación de Power BI
- Modelado de datos
- Visualización de datos
- Dashboards
- Uso compartido de datos
UNIDAD DIDÁCTICA 7. CARTO
- CartoDB
- ¿Qué es CARTO?
- Carga y uso de datos. Tipos de análisis
- Programación de un visor con la librería CARTO.js
- Uso de ejemplos y ayudas de la documentación de la API
MÓDULO 7. VISUALIZACIÓN DE DATOS EN R CON GGPLOT2
UNIDAD DIDÁCTICA 1. GGPLOT2 COMO LIBRERÍA PARA VISUALIZACIÓN DE DATOS EN R
- Introducción a Gplot
- El paquete ggplot2
UNIDAD DIDÁCTICA 2. EJES
- Cambiar títulos de eje
- Aumentar el espacio entre ejes y títulos de ejes
- Cambiar la estética de los títulos de Axis
- Cambiar la estética del texto del eje
- Texto del eje de rotación
- Eliminar texto de eje y marcas
- Eliminar títulos de eje
- Límite del rango del eje
- Forzar el trazado para que comience en el origen
- Ejes con la misma escala
- Usar una función para modificar etiquetas
UNIDAD DIDÁCTICA 3. TÍTULOS
- Añade un título
- Ajustar la posición de los títulos
- Use una fuente no tradicional en su título
- Cambiar espaciado en texto de varias líneas
UNIDAD DIDÁCTICA 4. LEYENDAS
- Trabajando con leyendas
- Apaga la leyenda
- Eliminar títulos de leyenda
- Cambiar la posición de la leyenda
- Cambiar la dirección de la leyenda
- Cambiar el estilo del título de la leyenda
- Cambiar título de leyenda
- Cambiar el orden de las claves de leyenda
- Cambiar etiquetas de leyenda
- Cambiar cuadros de fondo en la leyenda
- Cambiar el tamaño de los símbolos de leyenda
- Dejar una capa fuera de la leyenda
- Adición manual de elementos de leyenda
- Usar otros estilos de leyenda
UNIDAD DIDÁCTICA 5. FONDOS Y LÍNEAS DE CUADRÍCULA
- Cambiar el color de fondo del panel
- Cambiar líneas de cuadrícula
- Cambiar el espaciado de las líneas de cuadrícula
- Cambiar el color de fondo de la trama
UNIDAD DIDÁCTICA 6. MÁRGENES
- Trabajar con márgenes
UNIDAD DIDÁCTICA 7. GRÁFICOS DE PANELES MÚLTIPLES
- Trabajar con gráficos de paneles múltiples
- Crear múltiplos pequeños basados en una variable
- Permitir que los ejes deambulen libremente
- Uso facet_wrapcon dos variables
- Modificar el estilo de los textos de la tira
- Crear un panel de diferentes parcelas
UNIDAD DIDÁCTICA 8. COLORES
- Trabajar con colores
- Especificar colores individuales
- Asignar colores a las variables
- Variables Cualitativas
- Seleccionar manualmente colores cualitativos
- Utilice paletas de colores cualitativas integradas
- Use paletas de colores cualitativos de paquetes de extensión
- Variables Cuantitativas
- La paleta de colores Viridis
- Usar paletas de colores cuantitativas de paquetes de extensión
- Modificar paletas de colores después
UNIDAD DIDÁCTICA 9. TEMAS
- Cambiar el estilo de trazado general
- Cambiar la fuente de todos los elementos de texto
- Cambiar el tamaño de todos los elementos de texto
- Cambiar el tamaño de todos los elementos de línea y rectángulo
- Crea tu propio tema
- Actualizar el tema actual
UNIDAD DIDÁCTICA 10. LÍNEAS
- Agregar líneas horizontales o verticales a un gráfico
- Agregar una línea dentro de un gráfico
- Agregar líneas curvas y flechas a un gráfico
UNIDAD DIDÁCTICA 11. TEXTO
- Agregue etiquetas
- Agregar anotaciones de texto
- Use Markdown y HTML Rendering para anotaciones
UNIDAD DIDÁCTICA 12. COORDENADAS
- Voltear una parcela
- arreglar un eje
- Invertir un eje
- Transformar un eje
- Circularizar una parcela
UNIDAD DIDÁCTICA 13. TIPOS DE GRÁFICOS
- Alternativas a un diagrama de caja
- Crear una representación de alfombra en un gráfico
- Crear una matriz de correlación
- Crear un gráfico de contorno
- Crear un mapa de calor
- Crear un diagrama de cresta
UNIDAD DIDÁCTICA 14. CINTAS
- Trabajar con cintas (AUC, CI, etc.)
UNIDAD DIDÁCTICA 15. SUAVIZADOS
- Predeterminado: agregar un suavizado LOESS o GAM
UNIDAD DIDÁCTICA 16. GRÁFICOS INTERACTIVOS
- Trabajar con gráficos interactivos
MÓDULO 8. ANALÍTICA WEB
UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA ANALÍTICA WEB
- ¿Qué es la analítica web?
- Establecimiento de objetivos y KPIs
- Métricas principales y avanzadas
- Objetivos y ventajas de medir
- Plan de medición
UNIDAD DIDÁCTICA 2. GOOGLE ANALYTICS 4
- Introducción a Google Analytics 4
- Interfaz
- Métricas y dimensiones
- Informes básicos
- Filtros
- Segmentos
- Eventos
- Informes personalizados
- Comportamiento de los usuarios e interpretación de datos
UNIDAD DIDÁCTICA 3. GOOGLE TAG MANAGER
- Introducción a GTM
- Implementación con GTM
- Medición con GTM
- Uso de Debug/Preview Mode
UNIDAD DIDÁCTICA 4. MODELOS DE ATRIBUCIÓN
- La atribución
- Multicanalidad
- Customer Journey
- Principales modelos de atribución
- Modelos de atribución personalizados
UNIDAD DIDÁCTICA 5. CREACIÓN DE DASHBORAD CON GOOGLE DATA STUDIO
- Planificación del Dashboard
- Características del Dashboard
- Introducción a Data Studio
- Conectores
- Tipos de gráficos
- Personalización de informes
- Elementos de control
- Dimensiones y métricas
- Campos Calculados
- Compartir informes
UNIDAD DIDÁCTICA 6. ANALÍTICA WEB ORIENTADA AL SEO
- Introducción al SEO
- Historia de los motores de búsqueda
- Componentes de un motor de búsqueda
- Organización de resultados en un motor de búsqueda
- La importancia del contenido
- El concepto de autoridad en Internet
- Campaña SEO
UNIDAD DIDÁCTICA 7. ANALÍTICA WEB ORIENTADA AL SEM
- Introducción al SEM
- Principales conceptos en SEM
- Sistema de pujas y Calidad del anuncio
- Primer contacto con Google Ads
- Creación de anuncios con calidad
- Indicadores clave de rendimiento en SEM
UNIDAD DIDÁCTICA 8. ANALÍTICA WEB ORIENTADA A LAS REDES SOCIALES
- Análisis del tráfico en redes sociales
- Fijar objetivos en redes sociales
- Youtube
- Tik tok
UNIDAD DIDÁCTICA 9. TÉCNICAS Y ESTRATEGIAS
- Usabilidad
- Mapas de calor
- Grabaciones de sesiones de usuario
- Ordenación de tarjetas
- Test A/B
- Test multivariante
- KPI, indicadores clave de rendimiento
- Cambios a realizar para optimizar una página web
UNIDAD DIDÁCTICA 10. OTRAS HERRAMIENTAS PARA ANALÍTICA WEB
- Hotjar
- Microsoft Power BI
- Google Search Console
- Matomo
- Awstats
- Chartbeat
- Adobe Analytics
UNIDAD DIDÁCTICA 11. COOKIES Y TECNOLOGÍAS DE SEGUIMIENTO
- ¿Qué son las cookies?
- Tipos de cookies
- GDPR
- Herramientas para manejar el consentimiento de cookies
MÓDULO 9. PROYECTO FIN DE MÁSTER (PFM)
Descubre cuánto puede invertir tu empresa en formación sin coste
Como cliente o asociado de AFT, puedes solicitar información personalizada sobre tu crédito Fundae y la formación disponible para tu equipo.