Máster de Formación Permanente en Big Data, Análisis del Juego y Scouting en Fútbol
12 meses
2195€
Deportes colectivos
Máster de Formación Permanente en Big Data, Análisis del Juego y Scouting en Fútbol

Máster de Formación Permanente en Big Data, Análisis del Juego y Scouting en Fútbol

2195€
1500 h
60 ECTS
Online
2195€
Seguridad y confianza en tus pagos online.
Acreditado por:
Reconocido por:

Presentación

Gracias a este Master en Big Data, Análisis del Juego y Scouting en Fútbol podrás especializarte en el emocionante mundo del manejo y tratamiento de datos mediante herramientas tecnológicas. Aprenderás a utilizar herramientas de Big Data y Business Intelligence para recopilar, analizar y procesar datos, con un enfoque especial en el fútbol. Desde el análisis de datos con Python hasta la visualización de datos, explorarás cómo aplicar estas habilidades en el contexto deportivo. Además, obtendrás conocimientos en analítica web, análisis de datos deportivos, scouting y análisis del juego en fútbol, preparándote para una carrera emocionante en el análisis deportivo haciendo uso de estas nuevas tecnologías.

Entidades Colaboradoras de EDUSPORT

Universidad católica de Murcia
UEMC
European University Gasteiz

Objetivos

- Dominar las técnicas de Big Data y Business Intelligence. - Adquirir habilidades en el almacenamiento, procesamiento y análisis de datos utilizando Python. - Ser capaz de visualizar datos de manera efectiva utilizando herramientas digitales. - Aprender aspectos básicos sobre la analítica web para una aplicación posterior al fútbol. - Realizar un análisis exhaustivo de datos a nivel deportivo. - Desarrollar competencias en scouting y análisis del juego en fútbol para optimizar estrategias y tácticas deportivas.

Para qué te prepara

Este Master en Big Data, Análisis del Juego y Scouting en Fútbol prepara para ser capaz de realizar análisis de datos y la toma de decisiones en el fútbol. Adquirirás las habilidades técnicas necesarias para trabajar con datos complejos y aplicarlos en un contexto deportivo. Estarás preparado para contribuir al éxito de equipos y jugadores mediante el uso eficiente de datos y análisis deportivos.

A quién va dirigido

Este Master en Big Data, Análisis del Juego y Scouting en Fútbol está exclusivamente dirigido a estudiantes o graduados universitarios que quieran ampliar y actualizar sus conocimientos, competencias y habilidades formativas o profesionales relacionadas con el big data deportivo, analista de fútbol o especializado en scouting.

Salidas profesionales

Este Master en Big Data, Análisis del Juego y Scouting en Fútbol te ofrece salidas como analista de datos en equipos de fútbol, agencias de scouting, clubes deportivos, organizaciones deportivas y empresas relacionadas con el deporte. También podrás trabajar como analista independiente o asesor, ayudando a equipos y jugadores a tomar decisiones basadas en análisis de datos.

Temario

MÓDULO 1. BIG DATA & BUSINESS INTELLIGENCE FUNDAMENTALS

UNIDAD DIDÁCTICA 1. LA REVOLUCIÓN DE LOS DATOS MASIVOS: BIG DATA Y THICK DATA

  1. ¿Qué es Big Data?
  2. ¿Y Thick Data? ¿Cuál es el matiz para diferenciar ambos términos?
  3. El gran auge del big data
  4. La importancia de almacenar y extraer información
  5. ¿Cual es el papel de las fuentes de datos?
  6. Soluciones novedosas gracias a la selección de datos
  7. Naturaleza de las fuentes de datos Big Data

UNIDAD DIDÁCTICA 2. TOMA DE DECISIONES INTELIGENTES

  1. Thick Data, el valor de lo cualitativo. Entender emociones humanas, intenciones y sentimientos
  2. Fases en un proyecto de Big Data
  3. Big Data enfocado a los negocios
  4. Apoyo del Big Data en el proceso de toma de decisiones
  5. Toma de decisiones operativas

UNIDAD DIDÁCTICA 3. CÓMO HACER CRECER UN NEGOCIO A TRAVÉS DEL BIG DATA Y SUS APLICACIONES

  1. Marketing estratégico y Big Data
  2. Open data
  3. Ejemplo de uso de Open Data
  4. IoT (Internet of Things-Internet de las cosas)

UNIDAD DIDÁCTICA 4. BIG DATA EN DIFERENTES SECTORES

  1. Relación entre inteligencia artificial y big data
  2. IA y Big Data combinados
  3. El papel del Big Data en IA
  4. Big Data en salud
  5. Necesidad de Big Data en la asistencia sanitaria
  6. Retos del big data en salud
  7. Big Data y People Analytics en RRHH

UNIDAD DIDÁCTICA 5. BUSINESS INTELLIGENCE Y LA SOCIEDAD DE LA INFORMACIÓN

  1. Definiendo el concepto de Business Intelligence y sociedad de la información
  2. Arquitectura de una solución Business Intelligence
  3. Business Intelligence en los departamentos de la empresa
  4. Conceptos de Plan Director, Plan Estratégico y Plan de Operativa Anual
  5. Sistemas Operacionales y Procesos ETL en un sistema de BI
  6. Ventajas y Factores de Riesgos del Business Intelligence

UNIDAD DIDÁCTICA 6. PRINCIPALES PRODUCTOS DE BUSINESS INTELLIGENCE

  1. Cuadros de Mando Integrales (CMI)
  2. Sistemas de Soporte a la Decisión (DSS)
  3. Sistemas de Información Ejecutiva (EIS)

UNIDAD DIDÁCTICA 7. MINERÍA DE DATOS O DATA MINING Y EL APRENDIZAJE AUTOMÁTICO

  1. Introducción a la minería de datos y el aprendizaje automático
  2. Proceso KDD
  3. Modelos y Técnicas de Data Mining
  4. Áreas de aplicación
  5. Minería de Textos y Web Mining
  6. Data mining y marketing

UNIDAD DIDÁCTICA 8. DATAMART: CONCEPTO DE BASE DE DATOS DEPARTAMENTAL

  1. Aproximación al concepto de DataMart
  2. Bases de datos OLTP
  3. Bases de Datos OLAP
  4. MOLAP, ROLAP & HOLAP
  5. Herramientas para el desarrollo de cubos OLAP

UNIDAD DIDÁCTICA 9. DATAWAREHOUSE O ALMACEN DE DATOS CORPORATIVOS

  1. Visión General: ¿Por qué DataWarehouse?
  2. Estructura y Construcción
  3. Fases de implantación
  4. Características
  5. Data Warehouse en la nube

UNIDAD DIDÁCTICA 10. INTERNET DE LAS COSAS

  1. Contexto Internet de las Cosas (IoT)
  2. ¿Qué es IoT?
  3. Elementos que componen el ecosistema IoT
  4. Arquitectura IoT
  5. Dispositivos y elementos empleados
  6. Ejemplos de uso
  7. Retos y líneas de trabajo futuras

UNIDAD DIDÁCTICA 11. STORYTELLING

  1. ¿Qué es el Data Storytelling?
  2. Elementos clave del Data Storytelling
  3. ¿Por qué es importante el Data Storytelling?
  4. ¿Cómo hacer Data Storytelling?

UNIDAD DIDÁCTICA 12. ECOSISTEMA HADOOP

  1. ¿Qué es Hadoop? Relación con Big Data
  2. Instalación y configuración de insfraestructura y ecosistema Hadoop
  3. Sistema de archivos HDFS
  4. MapReduce con Hadoop
  5. Apache Hive
  6. Apache Hue
  7. Apache Spark

MÓDULO 2. DATA SCIENCE: ALMACENAMIENTO, ANÁLISIS Y PROCESAMIENTO DE DATOS

UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA CIENCIA DE DATOS

  1. ¿Qué es la ciencia de datos?
  2. Herramientas necesarias para el científico de datos
  3. Data Science & Cloud Computing
  4. Aspectos legales en Protección de Datos

UNIDAD DIDÁCTICA 2. BASES DE DATOS RELACIONALES

  1. Introducción
  2. El modelo relacional
  3. Lenguaje de consulta SQL
  4. MySQL Una base de datos relacional

UNIDAD DIDÁCTICA 3. BASES DE DATOS NOSQL Y EL ALMACENAMIENTO ESCALABLE

  1. ¿Qué es una base de datos NoSQL?
  2. Bases de datos Relaciones Vs Bases de datos NoSQL
  3. Tipo de Bases de datos NoSQL Teorema de CAP
  4. Sistemas de Bases de datos NoSQL

UNIDAD DIDÁCTICA 4. INTRODUCCIÓN A UN SISTEMA DE BASES DE DATOS NOSQL: MONGODB

  1. ¿Qué es MongoDB?
  2. Funcionamiento y uso de MongoDB
  3. Primeros pasos con MongoDB: Instalación y shell de comandos
  4. Creando nuestra primera Base de Datos NoSQL: Modelo e Inserción de Datos
  5. Actualización de datos en MongoDB: Sentencias set y update
  6. Trabajando con índices en MongoDB para optimización de datos
  7. Consulta de datos en MongoDB

UNIDAD DIDÁCTICA 5. WEKA Y DATA MINING

  1. ¿Qué es Weka?
  2. Técnicas de Data Mining en Weka
  3. Interfaces de Weka
  4. Selección de atributos

UNIDAD DIDÁCTICA 6. PENTAHO

  1. Una aproximación a PENTAHO
  2. Soluciones que ofrece PENTAHO
  3. MongoDB & PENTAHO
  4. Hadoop & PENTAHO
  5. Weka & PENTAHO

UNIDAD DIDÁCTICA 7. R COMO HERRAMIENTA PARA BIG DATA

  1. Introducción a R
  2. ¿Qué necesitas?
  3. Tipos de datos
  4. Estadística Descriptiva y Predictiva con R
  5. Integración de R en Hadoop

UNIDAD DIDÁCTICA 8. PRE-PROCESAMIENTO & PROCESAMIENTO DE DATOS

  1. Obtención y limpieza de los datos (ETL)
  2. Inferencia estadística
  3. Modelos de regresión
  4. Pruebas de hipótesis

UNIDAD DIDÁCTICA 9. ANÁLISIS DE LOS DATOS

  1. Inteligencia Analítica de negocios
  2. La teoría de grafos y el análisis de redes sociales
  3. Presentación de resultados

MÓDULO 3. ANÁLISIS DE DATOS CON PYTHON

UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL ANÁLISIS DE DATOS

  1. ¿Qué es el análisis de datos?

UNIDAD DIDÁCTICA 2. LIBRERÍAS PARA EL ANÁLISIS DE DATOS: NUMPY, PANDAS Y MATPLOTLIB

  1. Análisis de datos con NumPy
  2. Pandas
  3. Matplotlib

UNIDAD DIDÁCTICA 3. FILTRADO Y EXTRACCIÓN DE DATOS

  1. Cómo usar loc en Pandas
  2. Cómo eliminar una columna en Pandas

UNIDAD DIDÁCTICA 4. PIVOT TABLES

  1. Pivot tables en pandas

UNIDAD DIDÁCTICA 5. GROUPBY Y FUNCIONES DE AGREGACIÓN

  1. El grupo de Pandas

UNIDAD DIDÁCTICA 6. FUSIÓN DE DATAFRAMES

  1. Python Pandas fusionando marcos de datos

UNIDAD DIDÁCTICA 7. VISUALIZACIÓN DE DATOS CON MATPLOTLIB Y CON SEABORN

  1. Matplotlib
  2. Seaborn

UNIDAD DIDÁCTICA 8. INTRODUCCIÓN AL MACHINE LEARNING

  1. Aprendizaje automático

UNIDAD DIDÁCTICA 9. REGRESIÓN LINEAL Y REGRESIÓN LOGÍSTICA

  1. Regresión lineal
  2. Regresión logística

UNIDAD DIDÁCTICA 10. ÁRBOL DE DECISIONES

  1. Estructura de árbol

UNIDAD DIDÁCTICA 11. NAIVE BAYES

  1. Algoritmo de Naive Bayes
  2. Tipos de Naive Bayes

UNIDAD DIDÁCTICA 12. SUPPORT VECTOR MACHINES (SVM)

  1. Máquinas de vectores soporte (Support Vector Machine-SVN)
  2. ¿Cómo funciona SVM?
  3. Núcleos SVM
  4. Construcción de clasificador en Scikit-learn

UNIDAD DIDÁCTICA 13. KNN

  1. K-nearest Neighbors (KNN)
  2. Implementación de Python del algoritmo KNN

UNIDAD DIDÁCTICA 14. PRINCIPAL COMPONENT ANALYSIS (PCA)

  1. Análisis de componentes principales

UNIDAD DIDÁCTICA 15. RANDOM FOREST

  1. Algortimo de random forest

MÓDULO 4. VISUALIZACIÓN DE DATOS

UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA VISUALIZACIÓN DE DATOS

  1. ¿Qué es la visualización de datos?
  2. Importancia y herramientas de la visualización de datos
  3. Visualización de datos: Principios básicos

UNIDAD DIDÁCTICA 2. TABLEAU

  1. ¿Qué es Tableau? Usos y aplicaciones
  2. Tableau Server: Arquitectura y Componentes
  3. Instalación Tableau
  4. Espacio de trabajo y navegación
  5. Conexiones de datos en Tableau
  6. Tipos de filtros en Tableau
  7. Ordenación de datos, grupos, jerarquías y conjuntos
  8. Tablas y gráficos en Tableau

UNIDAD DIDÁCTICA 3. D3 (DATA DRIVEN DOCUMENTS)

  1. Fundamentos D3
  2. Instalación D3
  3. Funcionamiento D3
  4. SVG
  5. Tipos de datos en D3
  6. Diagrama de barras con D3
  7. Diagrama de dispersión con D3

UNIDAD DIDÁCTICA 4. GOOGLE DATA

  1. Google Data Studio

UNIDAD DIDÁCTICA 5. QLIKVIEW

  1. Instalación y arquitectura
  2. Carga de datos
  3. Informes
  4. Transformación y modelo de datos
  5. Análisis de datos

UNIDAD DIDÁCTICA 6. POWER BI

  1. Introducción a Power BI
  2. Instalación de Power BI
  3. Modelado de datos
  4. Visualización de datos
  5. Dashboards
  6. Uso compartido de datos

UNIDAD DIDÁCTICA 7. CARTO

  1. CartoDB
  2. ¿Qué es CARTO?
  3. Carga y uso de datos. Tipos de análisis
  4. Programación de un visor con la librería CARTO.js
  5. Uso de ejemplos y ayudas de la documentación de la API

MÓDULO 5. ANALÍTICA WEB

UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA ANALÍTICA WEB

  1. ¿Qué es la analítica web?
  2. Establecimiento de objetivos y KPIs
  3. Métricas principales y avanzadas
  4. Objetivos y ventajas de medir
  5. Plan de medición

UNIDAD DIDÁCTICA 2. GOOGLE ANALYTICS 4

  1. Introducción a Google Analytics 4
  2. Interfaz
  3. Métricas y dimensiones
  4. Informes básicos
  5. Filtros
  6. Segmentos
  7. Eventos
  8. Informes personalizados
  9. Comportamiento de los usuarios e interpretación de datos

UNIDAD DIDÁCTICA 3. GOOGLE TAG MANAGER

  1. Introducción a GTM
  2. Implementación con GTM
  3. Medición con GTM
  4. Uso de Debug/Preview Mode

UNIDAD DIDÁCTICA 4. MODELOS DE ATRIBUCIÓN

  1. La atribución
  2. Multicanalidad
  3. Customer Journey
  4. Principales modelos de atribución
  5. Modelos de atribución personalizados

UNIDAD DIDÁCTICA 5. CREACIÓN DE DASHBORAD CON GOOGLE DATA STUDIO

  1. Planificación del Dashboard
  2. Características del Dashboard
  3. Introducción a Data Studio
  4. Conectores
  5. Tipos de gráficos
  6. Personalización de informes
  7. Elementos de control
  8. Dimensiones y métricas
  9. Campos Calculados
  10. Compartir informes

UNIDAD DIDÁCTICA 6. ANALÍTICA WEB ORIENTADA AL SEO

  1. Introducción al SEO
  2. Historia de los motores de búsqueda
  3. Componentes de un motor de búsqueda
  4. Organización de resultados en un motor de búsqueda
  5. La importancia del contenido
  6. El concepto de autoridad en Internet
  7. Campaña SEO

UNIDAD DIDÁCTICA 7. ANALÍTICA WEB ORIENTADA AL SEM

  1. Introducción al SEM
  2. Principales conceptos en SEM
  3. Sistema de pujas y Calidad del anuncio
  4. Primer contacto con Google Ads
  5. Creación de anuncios con calidad
  6. Indicadores clave de rendimiento en SEM

UNIDAD DIDÁCTICA 8. ANALÍTICA WEB ORIENTADA A LAS REDES SOCIALES

  1. Análisis del tráfico en redes sociales
  2. Fijar objetivos en redes sociales
  3. Facebook
  4. Twitter
  5. Youtube
  6. LinkedIn
  7. Tik tok
  8. Instagram

UNIDAD DIDÁCTICA 9. TÉCNICAS Y ESTRATEGIAS

  1. Usabilidad
  2. Mapas de calor
  3. Grabaciones de sesiones de usuario
  4. Ordenación de tarjetas
  5. Test A/B
  6. Test multivariante
  7. KPI, indicadores clave de rendimiento
  8. Cambios a realizar para optimizar una página web

UNIDAD DIDÁCTICA 10. OTRAS HERRAMIENTAS PARA ANALÍTICA WEB

  1. Hotjar
  2. Microsoft Power BI
  3. Google Search Console
  4. Matomo
  5. Awstats
  6. Chartbeat
  7. Adobe Analytics

UNIDAD DIDÁCTICA 11. COOKIES Y TECNOLOGÍAS DE SEGUIMIENTO

  1. ¿Qué son las cookies?
  2. Tipos de cookies
  3. GDPR
  4. Herramientas para manejar el consentimiento de cookies

MÓDULO 6. ANÁLISIS DE DATOS A NIVEL DEPORTIVO

UNIDAD DIDÁCTICA 1. TECNOLOGÍA Y DEPORTE

  1. La revolución tecnológica
  2. Medios de comunicación y marketing digital
  3. Tecnología en la industria deportiva
  4. La tecnología en los eventos deportivos

UNIDAD DIDÁCTICA 2. ANÁLISIS DE DATOS EN EL DEPORTE

  1. Analítica y biometría deportiva
  2. Data Mining aplicado al deporte
  3. Sistema BI aplicado al deporte
  4. Análisis por Envoltura de Datos (DEA) aplicada al deporte
  5. Datos deportivos y transformación del mercado

UNIDAD DIDÁCTICA 3. PROVEEDORES DE DATOS DEPORTIVOS

UNIDAD DIDÁCTICA 4. ANÁLISIS INDIVIDUALES, COLECTIVOS Y DE LOS RIVALES

UNIDAD DIDÁCTICA 5. ANÁLISIS DE DATOS Y RENDIMIENTO

UNIDAD DIDÁCTICA 6. INTRODUCCIÓN AL SCOUTING EN EL FÚTBOL

  1. ¿Qué es el Scouting?
  2. Importancia del Scouting
  3. Perfil del responsable de video

UNIDAD DIDÁCTICA 7. HERRAMIENTAS EMPLEADAS EN EL SCOUTING

  1. Elementos de hardware y software
  2. Elementos de captación y reproducción de video
  3. Programas para el videoanálisis de partidos

UNIDAD DIDÁCTICA 8. ANÁLISIS DE ESQUEMAS TÁCTICOS

  1. ¿Qué se puede analizar de un equipo?
  2. La táctica
  3. Metodología de la preparación táctica
  4. Ocupación racional del terreno
  5. Las transiciones en el fútbol
  6. Algunas tácticas o acciones ofensivas con balón
  7. El posicionamiento defensivo
  8. Fundamentos del sistema de juego

UNIDAD DIDÁCTICA 9. ELABORACIÓN DE INFORMES

  1. Introducción a los informes
  2. Recogida de datos e información
  3. Ejemplo de ficha de seguimiento a un jugador
  4. Ejemplo de ficha de scouting de un partido

UNIDAD DIDÁCTICA 10. TOMA DE DECISIONES

  1. Toma de decisiones del entrenador
  2. La táctica deportiva
  3. La estrategia deportiva

MÓDULO 7. ANÁLISIS DEL JUEGO EN FÚTBOL

UNIDAD DIDÁCTICA 1. ANALISTA EN FÚTBOL

UNIDAD DIDÁCTICA 2. FUNDAMENTOS DEL ANALISTA Y PLANIFICACIÓN

UNIDAD DIDÁCTICA 3. ANÁLISIS DEL EQUIPO RIVAL

UNIDAD DIDÁCTICA 4. ANÁLISIS DEL PROPIO EQUIPO

UNIDAD DIDÁCTICA 5. VIDEOANÁLISIS CON NACSPORT Y KLIPDRAW

UNIDAD DIDÁCTICA 6. SESIONES DE VIDEOANÁLISIS Y ESTRATEGIAS PRE-PARTIDO

MÓDULO 8. PROYECTO FIN DE MASTER

Titulación

Titulación EDUSPORT

Metodología Educativa patentada

La metodología EDUCA LXP permite una experiencia mejorada de aprendizaje integrando la AI en los procesos de e-learning, a través de modelos predictivos altamente personalizados, derivados del estudio de necesidades detectadas en la interacción del alumnado con sus entornos virtuales.

1. Flexibilidad

Aprendizaje 100% online y flexible, que permite al alumnado estudiar dónde, cuándo y cómo quiera.

2. Accesibilidad

Cercanía y compresión. Democratizando el acceso a la educación, trabajando para que todas las personas tengan la oportunidad de seguir formándose.

3. Personalización

Itinerarios formativos individualizados y adaptados a las necesidades de cada estudiante.

4. Acompañamiento / Seguimiento docente

Orientación académica por parte de un equipo docente especialista en su área de conocimiento, que aboga por la calidad educativa adaptando los procesos a las necesidades del mercado laboral.

5. Innovación

Desarrollos tecnológicos en permanente evolución, impulsados por la AI mediante Learning Experience Platform.

6. Excelencia educativa

Enfoque didáctico orientado al trabajo por competencias que favorece un aprendizaje práctico y significativo, garantizando el desarrollo profesional.

Solicitar información

Responsable EUROINNOVA BUSINESS SCHOOL, S.L. Finalidad Información académica y comercial de nuestros servicios de enseñanza Legitimación Consentimiento del interesado Destinatarios Encargados del tratamiento para cumplir con las finalidades Derechos Acceder, rectificar y suprimir los datos, así como otros derechos, como se explica en la información adicional 

Información adicional aquí

También podría interesarte

Artículos más leídos