II MÁSTER DE ARQUITECTURA BIG DATA OCT

JUN

21 Inicio

21/10/2016

KSCHOOL.COM

10 230 h.

Presencial

Madrid

Bolsa de empleo

Fin

10/06/2017

ÍNDICE · NÚMEROS DE KSCHOOL · DICEN DE NOSOTROS · ESCUELA BIG DATA SCIENCE DE KSCHOOL · DESCRIPCIÓN · OBJETIVOS · DIFERENCIA ENTRE BIG DATA Y DATA SCIENCE · PERFIL DEL ALUMNO · ITINERARIO · TEMARIO · BIBLIOGRAFÍA RECOMENDADA · METODOLOGÍA Y EVALUACIÓN · CALENDARIO · INSCRIPCIÓN · PROFESORES · BOLSA DE EMPLEO

NÚMEROS DE KSCHOOL

2010 2015

Desde el inicio, en KSchool apostamos por una innovadora filosofía de formación LEAN, desarrollando un formato de cursos con la esencia del conocimiento y la práctica en cada materia. Esto garantiza una máxima especialización y empleabilidad. Esta filosofía de formación, nos permite desarrollar cursos muy especializados, sin más horas de las necesarias. Han sido cinco años de mucho trabajo, que se ven recompensados por el gran número de personas que han conseguido trabajo en el entorno digital y la cantidad de amigos que hemos hecho en el camino.

KSCHOOL EN NÚMEROS Total de alumnos: 1273 Total ediciones: 86 Total programas: 13 Tasa de ocupación: 96%

Nuestros primeros cinco años

DICEN DE NOSOTROS...

Jose M. Valdeolmillos

Digital & Data Analyst at Forward Media (HAVAS Media) I Máster en Data Science I Programa Profesional CRO Ignite I Máster en Analítica Web

“He realizado ya varios cursos en Kschool, la verdad es que el nivel tanto de los profesores como de los temarios son (desde mi punto de vista) de lo mejor que existe dentro de la formación en el sector digital. La verdad es que ya me siento “en familia”.”

Albert Riera

UX Consultant - CEO y Project Manager at Reactiva III Máster en SEO - SEM Profesional Barcelona

“Elegí KSchool por recomendación, boca a boca y profesores, y gracias a ello he conseguido trabajar en lo que me gusta” Álvaro Mazariegos

SEO y marketing online en MJ Cachón III Máster en SEO - SEM Profesional Barcelona

Laura Hueso

Social Media Strategyst en Grey Social IV Máster de Técnicas de Marketing Online

“Destacaría la excelente calidad de sus profesores, modelo de estudio y profundidad de temario. KSchool es muy buen sitio donde hacer contactos, encontrar socios, oportunidades de negocio y en definitiva generar networking de calidad.”

“La verdad es que estoy súper contenta, tanto con los profesores como con el equipo. Para mi Kschool es como pertenecer a una gran familia.”

Thais Rangel

External Consultant en Joint Research Centre (JRC) I Máster en Data Science

“Con este máster me he dado cuenta que tengo que seguir con data science y volvería a apuntarme a un máster de este tipo en Kschool. No me arrepiento para nada haberme apuntado a este máster.”

ESCUELA BIG DATA SCIENCE

Cinco años después del lanzamiento del primer máster en Analitica Web de España y después de formar a más de un millar de alumnos, en KSchool seguimos comprometidos con un modelo de formación práctica, de calidad y de la mano de los mejores profesionales. Por ello, y ante la gran oferta de formación en temáticas de Big Data y Data Science, en KSchool hemos creado la Escuela de Big Data Science.

El objetivo de la Escuela de Big Data Science es convertir a KSchool en una referencia en el la formación en Big Data y Data Science ofreciendo la oferta de cursos más completa, especializada y actualizada del sector, y con los mejores profesionales como profesores. Además, andamos enredando, organizando y participando en diferentes actividades de la comunidad. Queremos crear una red de profesionales con alumnos, profesores, empresas, donde seguir compartiendo experiencias y conocimiento.

DESCRIPCIÓN

La explosión de información derivada de Internet y de su evolución ha hecho que nos veamos en una situación en la que el volumen de datos generados escapa a la comprensión humana. De hecho, Google estima que cada 48 horas generamos tantos datos en Internet como los que ha generado la civilización desde su inicio hasta el 2003. Este gran volumen de datos ha hecho necesaria la creación de nuevas estructuras de información que permitan su gestión para el análisis y la toma de decisiones. Convertir de forma eficiente los datos en algo de valor para el negocio, es el nuevo foco estratégico en el que las empresas están avanzando. Es por lo que el Big Data se ha convertido en un nuevo sector profesional por derecho propio.

La generación de información relevante (que tenga valor para el negocio) a partir de Big Data necesita de las herramientas y los conocimientos adecuados para gestionar y almacenar datos, con el objetivo de generar conocimiento para el negocio.

Big Data

OBJETIVOS

Los perfiles más solicitados son los Arquitectos, Analistas y Desarrolladores, por lo que esta es la oportunidad perfecta para todos aquellos profesionales con perfiles técnicos de especializarse en Big Data y aprovechar la situación actual de demanda de las empresas.

El objetivo de este máster es que los alumnos conozcan en profundidad los diferentes paradigmas de procesamiento en sistemas Big Datas y dominen las principales tecnologías y su utilización para el diseño de arquitecturas escalables adaptadas a cada proyecto. los alumnos saldrán suficientemente preparados para ejercer en los perfiles de Arquitecto Big Data, Technical Manager y/o Líder de Proyecto en sistemas intensivos en datos. Una

vez

terminado

el

máster,

BIG DATA VS DATA SCIENCE

Big Data hace referencia a las estrategias de Ingeniería del Software para el diseño e implementación de sistemas escalables intensivos en datos. Por tanto Big Data se centra en el desarrollo de software capaz de gestionar grandes cantidades de datos (Volumen), datos que se generan en tiempo real y/o que necesitan ser procesados para dar una respuesta en tiempo real (Velocidad), y datos con una estructura diversa (Variedad).

El objetivo de Big Data es construir la infraestructura que

soporte la escalabilidad horizontal y los tiempos de respuesta adecuados según el proyecto concreto. Sobre estas arquitecturas, se desarrollarán

posteriormente los procesos analíticos de datos para extraer valor de los datos por parte de los Data Scientist. Big Data y Data Science, por lo tanto, son dos campos diferentes pero complementarios.

Si eres más de matemáticas, estadística y de análisis de datos, lo más probable es que tu campo sea el Data Science. Si por el contrario te gusta programar, el desarrollo de software, la administración de sistemas y bases de datos, echa un vistazo a nuestros programas de Big Data.

PERFIL DEL ALUMNO Deberás tener experiencia en programación y desarrollo de software, así como conocimientos básicos en administración de sistemas operativos y bases de datos. Si quieres saber si tienes el perfil adecuado, puedes hacerte las siguientes preguntas: - ¿Cuál es la diferencia entre un lenguaje de scripting y uno compilado? - ¿Qué beneficios aporta la programación orientada a objetos respecto a la estructural? - ¿Con qué mecanismo se asegura la consistencia de datos en sistemas de bases de datos tradicionales? ¿Cómo se implementa en entornos distribuidos? - ¿Cuál es la diferencia entre escalabilidad horizontal y escalabilidad vertical? Si no tienes estos conocimientos básicos y has decidido entrar en el mundo de del Big Data, evalúa si tienes tiempo antes del máster para adquirir estos conocimientos previos. Más adelante encontrarás algunas

referencias bibliográficas que pueden ayudarte.

¿No estás seguro de si tienes el perfil adecuado? ¡Envíanos tu CV y déjanos ayudarte!

- Matemáticos - Estadísticos - Economistas

ITINERARIOS

PROGRAMACIÓN

- Estadística - Programación - Linux

SOLUCIONES NEGOCIO

DATA SCIENCE ESTADÍSTICA

R

- Programación - Linux

Cualquier profesional con interés y facilidad por los números y el análisis

ESTADÍSTICA Y PROGRAMACIÓN

ANALÍTICA WEB

- Analistas senior - Marketers con matemáticas

UX

HADOOD Y SPARK

CRO

BIG DATA

SEO SEM

Másters Kschool Cursos Kschool Perfiles profesionales Escuela Big Data Science

APACHE FLINK

OPEN STACK - SQL -Linux - Programación - Máquinas virtuales -Java, Scala y Python

TEMARIO

MÓDULO 7: CLOUD COMPUTING

MÓDULO 3: STREAMING PROCESSING

¿No es lo que estás buscando? Si lo que buscas va más en la línea del análisis de datos y la estadística, mejor echa un vistazo a nuestros programas de Data Science. ¿No sabes cuál escoger? Escríbenos y cuéntanos tu caso.

MÓDULO 1: INTRODUCCIÓN · Paradigmas de procesamiento en Big Data · Economía del dato · Innovación y Big Data

MÓDULO 2: BATCH PROCESSING · Hadoop · Pig · Hive · Sqoop · Flume · Spark Core · Spark 2.0.

· Fundamentos de Streaming Processing · Spark Streaming · Kafka · Storm · Samza · Pulsar y Apache Apex · Implementación de un sistema real-time

MÓDULO 4: SISTEMAS NOSQL · HBase · Cassandra · MongoDB · Neo4J · Redis · Berkeley DB

MÓDULO 5: INTERACTIVE QUERY · Drill · Impala · Presto · Lucene + Solr

MÓDULO 6: SISTEMAS DE COMPUTACIÓN HÍBRIDOS · Arquitectura Lambda · Arquitectura Kappa · Apache Flink e implementaciones prácticas · Druid · ElasticSearch · Logstash · Kibana

· Amazon Web Services · Google Cloud Platform

MÓDULO 8: ADMINISTRACIÓN DE SISTEMAS BIG DATA ·Administración e Instalación de clusters: Cloudera y Hortonworks · Optimización y monitorización de servicios · Seguridad: Apache Knox, Ranger y Sentry

MÓDULO 9: ANÁLISIS AVANZADO DE DATOS · Introducción al Data Science · Data Analysis en Python: NumPy, Pandas, Scikit-learn, Matplotlib · Machine Learning en Big Data: Apache Mahout y Spark MLib · Análisis estadístico con R

MÓDULO 10: VISUALIZACIÓN DE DATOS · Herramientas de visualización: Tableau y CartoDB · Librerías de visualización: D3, Leaflet, Cytoscape

BIBLIOGRAFIA RECOMENDADA

Tanto si cumples con el perfil del alumno, como si necesitas ponerte al día para llegar a él, te recomendamos los siguientes títulos. Su lectura no es necesaria ni obligatoria, pero sí muy recomendada ya que te ayudarán a adelantar conocimientos y aprovechar mejor las clases. - “Linux y la Línea de Comandos” Jason Cannon (Edición Kindle). - “Learning Python”, Mark Lutz - “Head First Java”, Kathy Sierra, Bert Bates - “An Introduction to Database Systems”, J. Date - “Programming Scala: Scalability = Functional Programming + Objects” Dean Wampler, Alex Payne - “Head First Design Patterns”, Eric Freeman, Bert Bates, Kathy Sierra, Elisabeth Robson

METODOLOGÍA Y EVALUACION

La misión principal será la definición de la arquitectura lógica y tecnológica de la solución a implementar. Las tareas que

incluyen el proyecto de Fin de Máster serán:

La filosofía de KSchool es “ponte con”, por lo que en nuestras clases tendrás que remangarte y ponerte a trabajar. Obviamente, todas las clases tienen un componente teórico necesario, pero una vez asimilado, tendrás que ponerlo en práctica.

- Definición funcional del escenario del proyecto. - Análisis de la ventaja competitiva en la utilización de tecnologías Big Data. - Diseño lógico de la arquitectura Big Data. - Selección de tecnologías para su implementación. - Implementación del código fuente de la solución software. - Entrega de documentación y defensa pública del sistema Big Data realizado.

El objetivo de nuestros másters es que aprendas trabajando, por lo que

no tenemos exámenes finales sino Trabajo Fin de Máster en los que te obligamos a poner en práctica todo lo estudiado durante el máster. Además, el objetivo es que te sirva para complementar tu CV con un portfolio.

En el Máster de Arquitectura Big Data, este trabajo pretende que el alumno aborde el ciclo completo de un proyecto Big Data. El claustro de profesores propondrá una serie de

escenarios Big Data para resolver, estando también abierta la posibilidad de que el alumno proponga un caso de uso de su interés. El proyecto será tutorizado a nivel funcional por el Director del Máster y a nivel tecnológico por el docente de la/s tecnologías más importante de la solución propuesta.

TFM

Empezamos el 21 de octubre

CALENDARIO

OCTUBRE 2016 Lu Ma Mi

Ju

NOVIEMBRE 2016

Sa Do

Vi

1

2

Lu Ma Mi

Ju

Vi

Sa

Do

1

2

3

4

5

6

DICIEMBRE 2016 Lu Ma Mi

Ju

Vi

Sa

Do

1

2

3

4

3

4

5

6

7

8

9

7

8

9

10

11

12

13

5

6

7

8

9

10

11

10

11

12

13

14

15 16

14

15

16

17

18

19

20

12

13

14

15

16

17

18

17

18

19

20

21

22 23

21

22

23

24

25

26

27

19

20

21

22

23

24

25

24

25

26

27

28

29 30

28

29

30

26

27

28

29

30 31

Terminamos las clases el 6 de mayo

ENERO 2017 Lu Ma Mi

Ju

Vi

Sa

FEBRERO 2017 Do

Lu Ma Mi

Ju

Vi

Sa

Do

1

2

3

4

5

1

MARZO 2017

MAYO 2017

ABRIL 2017

Lu Ma Mi

Ju

Vi

Sa

Do

1

2

3

4

5

Lu Ma Mi

Ju

Vi

Sa Do

Lu Ma Mi

Ju

Vi

Sa

Do

1

2

1

2

3

4

5

6

7

2

3

4

5

6

7

8

6

7

8

9

10

11

12

6

7

8

9

10

11

12

3

4

5

6

7

8

9

8

9

10

11

12

13

14

9

10

11

12

13

14

15

13

14

15

16

17

18

19

13

14

15

16

17

18

19

10

11

12

13

14

15 16

15

16

17

18

19

20

21

16

17

18

19

20

21

22

20

21

22

23

24

25

26

20

21

22

23

24

25

26

17

18

19

20

21

22 23

22

23

24

25

26

27

28

23

24

25

26

27 28

29

27

28

27

28

29

30

31

24

25

26

27

28

29 30

29

30

31

30 31

Presentación TFM 9 y 10 de junio

INSCRIPCIÓN

¡Reserva tu plaza!

Dado el alto contenido técnico de este máster, necesitamos comprobar que cumples con los conocimientos previos mínimos para ofrecerte una experiencia satisfactoria. Si estás interesado en cursar este máster, mándanos tu CV actualizado y te confirmaremos si cumples con el perfil adecuado para cursar el máster.

Duración: 230 h. presenciales Precio: 6.500€ Lugar: Aula KSchool. Ibercenter Pza. Carlos Trías Bertrán nº 4, 1ª planta MODALIDAD FIN DE SEMANA

MODALIDAD ENTRE SEMANA

Inicio: 21/10/2016

No disponible

Fin: 10/06/2017 Horario: Viernes de 17 a 22 h. Sábados de 9 a 14 h.

PAGO ÚNICO

5

% dto.

Precio final: 6175€ Reserva de plaza: 500€ Plazo 1: 5675€

PAGO FRACCIONADO** Precio final: 6500€ Reserva de plaza: 500€ Plazo 1: 2000€ Plazo 2: 2000€ Plazo 3: 2000€

Todos nuestros cursos son bonificables a través de la Fundación Tripartita. Si estás interesado coméntanoslo al hacer tu inscripción y nosotros te lo gestionamos sin ningún tipo de coste adicional.

*El importe de la reserva de plaza será íntegramente reembolsado hasta 7 días antes del comienzo del curso si finalmente decides no cursar el máster. **Los plazos son mensuales, a partir del mes de comienzo del curso. Los pagos fraccionados se abonaran mediante recibo domiciliado el día 5 de cada mes.

Marco es un profesional con amplia trayectoria en el diseño, creación y desarrollo de nuevos negocios en el sector de las tecnologías de la información. Tiene experiencia en consultoría

PROFESORES

estratégica, gestión de la innovación y emprendimiento, tanto desde startups como desde grandes corporaciones.

Marco Laucelli CEO en Novelti.io

Es Doctor en Física Teórica por la Universidad de Oviedo y el CERN, y comenzó su carrera profesional en el año 2000 en Gridsystems, una startup española dedicada a la computación distribuida. Tras varios años como consultor de estrategia IT e Innovación en IBM – en la que fue responsable de las relaciones de IBM con ecosistema emprendedor en el sur de Europa – desde 2014 es el CEO y co-fundador de Novelti, una compañía dedicada

Rubén Casado es Doctor en Informática por la Universidad de

a la aplicación de inteligencia artificial y la analítica de datos en

Oviedo donde ha trabajado como investigador y profesor y

tiempo real, para el Internet de las cosas.

actualmente colabora con el Grupo de Investigación en Ingeniería de

Sigue

Software. A nivel internacional, Rubén ha trabajado en Oxford Brookes University (Oxford, Reino Unido) y en el equipo de

PhD. Big Data Manager en Treelogic

involucrado

en

actividades

2013 es miembro del consejo de administración del fondo de

INRIA/LORIA (Nancy, Francia). Fruto de su investigación, ha

Rubén Casado

activamente

relacionadas con la innovación y las startups. Desde finales de capital riesgo Alantis Capital.

publicado numerosos artículos científicos en congresos y revistas internacionales. Ha participado en diversos proyectos de investigación tanto nacionales (TIN, PCTI) como internacionales

Raúl Arrabales Moreno es ingeniero en informática, doctor en

(FP7, H2020). Desde 2012 el responsable del área de Big Data & Analytics

Inteligencia Artificial y MBA. En los últimos años Raúl ha liderado

en Treelogic donde, además de implantar soluciones Big Data para

roles, desde Jefe de Proyecto a CEO, en compañías como IBM,

clientes en diversos dominios, lideró la creación de Lambdoop, un

Arris, Orange, Comaware y Altran. Actualmente Raúl es Analytics

nuevo middleware Big Data para facilitar el desarrollo de sistemas de

Senior Manager en Accenture Digital.

computación híbridos. Actualmente es el coordinador técnico del proyecto europeo de investigación H2020 PROTEUS. Rubén complementa sus tareas de investigación y desarrollo de software con tareas de divulgación y networking, por lo que es habitualmente invitado como ponente/profesor en multitud de eventos y universidades sobre Big Data.

proyectos y start-ups de base tecnológica asumiendo diferentes

Raúl Arrabales

Analytics Senior Manager Accenture Analytics

En el ámbito científico, Raúl contribuye al avance de las Ciencias Cognitivas con nuevos modelos computacionales y también imparte clases y conferencias de Informática, Inteligencia Artificial, Inteligencia de Negocio, Robótica y Sistemas Cognitivos en diferentes centros, habiendo sido profesor doctor de la Universidad Carlos III de Madrid y director del área de ingeniería en U-tad (Universidad Camilo José Cela).

Iván Fernández es Ingeniero en Informática de Sistemas e Ingeniero en Informática por la Universidad Rey Juan Carlos. Ha

PROFESORES

cursado también el Máster Experto en Big Data por la UTAD (Universidad Camilo José). Además posee varias certificaciones, entre ellas la de desarrollador Spark. Ha impartido clase en el

Iván Fernández Perea Arquitecto Big Data en Lambdoop

Ingeniero Software con tecnologías tanto de frontend como de

web y móviles para la gestión documental y el análisis del

backend. En los últimos trabajos ha centrado su carrera profesional en tecnologías Big Data, cloud computing y minería de datos. En

comportamiento de los clientes en centros comerciales basado en técnicas de localización en interiores y detección del movimiento. En

estas últimas áreas ha trabajado para proyectos altamente

Treelogic es miembro del equipo de la línea de

escalables relacionados con Marketing online, sistemas de tiempo

Big Data y ha participado en desarrollos de proyectos

real o aplicaciones financieras. En la actualidad es arquitecto Big

europeos implementando arquitecturas SOA basadas en servicios

Data para entidades financieras.

web. Adrián tiene más de 3 años de experiencia en el desarrollo de proyectos tecnológicos. Está especializado en sistemas

Ex-eBay, ex-BBVA, ex-everis, ex-Barclays, exmatemático, ex casi todo. No obstante, estadístico diletante, entusiasta de R y

distribuidos y arquitecturas Big Data participando en el desarrollo de proyectos

como

Lambdoop y

DISASTER

(Plataforma

bloguero en los ratos libres de los días de hacer.

de

Carlos J. Gil Bellosta es un científico de datos y entusiasta

interoperabilidad e intercambio de datos entre Sistemas de Gestión

de R radicado en Madrid. Estudió matemáticas y estadística en la

de Emergencias). Es graduado en Ingeniería de Telecomunicaciones y tiene un máster en Seguridad de la Información Informática, ambos por la Universidad de Sevilla. Comenzó en el mundo del Big Data usando tecnologías de Streaming Processing, para el desarrollo de su proyecto de fin de carrera, y desde entonces se ha estado

Andrés Gómez Ferrer Big Data Architect & Developer en RedBorder

especializando en el ámbito del Big Data y Cloud Computing. En la actualidad, trabaja como Big Data Architect en redBorder, diseñando y desarrollando el back-end de Big Data para proyectos como sistemas de detección de malware distribuido y monitorización de red en tiempo real.

ha trabajo. En la actualidad imparte formación interna sobre Con 9 años de experiencia, en los que ha trabajado como

participado como analista-programador desarrollando aplicaciones

Adrián Fernández

de Valencia y formación en la mayoría de las empresas en las que desarrollo en Arquitecturas Big Data.

Ingeniero Informático por la Universidad de Oviedo. Ha

R&D Engineer en Treelogic

diploma de Especialización Big Data en la Universidad Politécnica

Universidad de Zaragoza y Washington University en San Luis,

Carlos Gil Bellosta Propietario de Datanalytics.com

EE.UU. Fundó datanalytics en 2005 y ha trabajado con datos grandes y pequeños desde entonces. Es un miembro activo de la comunidad de usuarios de R, ha desarrollado varios paquetes, como los cada vez más populares rPython y pxR y ha sido presidente de la asociación de usuarios de R (Comunidad R Hispano) desde su fundación en 2011.

César de Pablo es Data Scientist Consultant en Synergic

PROFESORES

Partners. Ha trabajado como ingeniero de software especializado en MeaningCloud, un servicio de API para el procesamiento de lenguaje natural. Es Ingeniero de Telecomunicación por la ETSIT UPM y

César de Pablo

Ingeniero Técnico Informático por la Universidad de Oviedo.

Arquitecto Big Data en Lambdoop

Además, posee un Máster en Ingeniería Web de la misma

Doctor en Informática por la UC3M. Acumula más de 10 años de experiencia construyendo sistemas software y productos basados en datos que hacen uso de tecnologías semánticas, buscadores y aprendizaje automático.

Universidad. Antes de incorporarse a Treelogic, Nacho ha trabajado en la dirección técnica y desarrollo de sistemas de aprendizaje online

Estudié Ingenieria Técnica de Telecomunciones en Sis.

mediante interfaces web.

Nacho García

NoSQL & Big Data Front-End Developer en Treelofic

Electrónicos en la Universidad de Alcalá y un grado superior en

Ha trabajado como ingeniero web, tanto en la parte de

desarrollo de aplicaciones multiplataformas. Como la curiosidad

back-end (NodeJS, J2EE, PHP) como front-end (AngularJS, Jquery).

no acaba ahí cursé un máster de Experto en Big Data en la U-TAD.

Dentro de su actividad en Treelogic, participa en proyectos

Actualmente trabajo como Big Data Research Engineer en

de ámbito internacional, y es el encargado de las tareas de Visual Analytis en diferentes proyectos. Su trabajo es analizar y estudiar los métodos de visualización más adecuados en base a los diferentes conjuntos de datos, así como el desarrollo de plataformas que permiten al usuario navegar y conocer los datos mediante el uso de diversas gráficas. Además, fuera de su trabajo, Nacho es un amante de la ciberseguridad. Ha participado en varios concursos de seguridad nacional obteniendo el Top 10 en alguno de ellos, y colabora con empresas y proyectos de software libre reportando fallos de seguridad.

Treelogic, en los que he estado en diversos proyectos de

David Piris

Big Data R&D Engineer en Treelogic

innovación de cara a clientes, así como en un proyecto de investigación Europeo con Apache Flink. Durante este tiempo he trabajado con Spark, Hadoop, Neo4J, Flume, Sqoop ... y diversas distribuciones del mundo de Big Data como son Cloudera y Hortonworks. Anteriormente ejercí como administrador de Base de Datos (Oracle, MySQL y SQL Server) en ZED Worldwide durante 4 años adquiriendo experiencia en administración, gestión y explotación de sistemas así como de seguridad de datos.

PROFESORES

Violeta Yeguas García es doctora en Química Teórica y Computacional por la Universidad de Oviedo. Ha trabajado en diferentes grupos de investigación en España y Francia llevando a cabo tareas de investigación computacional siempre desde la perspectiva del análisis de los datos en diferentes campos incluyendo

Violeta Yeguas Researcher en ICCRAM - UBU

modelización

molecular

de

proteínas,

sistemas

metalopeptídicos y diseño nuevos materiales. Ha participado en diferentes proyectos de ámbito nacional e internacional, publicando sus resultados como artículos en importantes revistas científicas. Desde el inicio de su carrera, Violeta apostó por la idea de conseguir una mayor eficiencia en el tratamiento, procesado, análisis y visualización de los datos que obtenía en las simulaciones computacionales, lo que la llevó a especializarse en estrategias de Machine Learning y Estadística que hoy se conocen como Data Science. Estos conocimientos y la afición por las matemáticas, la han llevado a focalizarse en la resolución de problemas a través del análisis avanzado de datos.

BOLSA DE EMPLEO

96% Dato general de empleo:

de nuestros alumnos están trabajando

1.222 alumnos totales trabajando

(96% de 1.273)

KSchool disponemos de una bolsa de empleo privada para los alumnos de todos En

nuestros másters. Esta bolsa de empleo es una plataforma en donde empresas del sector buscan candidatos para cubrir sus vacantes.

Gracias a la gran preparación con la que salen nuestros alumnos, cada vez son más las empresas que recurren a nosotros para buscar profesionales altamente cualificados en cualquiera de las áreas de influencia de nuestra formación: marketing online, analítica web, SEO y UX.

EMPRESAS COLABORADORAS

MANIFIESTO KSCHOOL

Si el sistema no está preparado para darnos el conocimiento que necesitamos lo vamos a conseguir por nuestra cuenta • Hoy, en ciertos sectores el valor no lo aporta un título. Lo aporta lo que cada profesional sabe hacer • Si dependemos de nosotros mismos, vamos a pensar por nosotros mismos • No queremos, ni podemos sentarnos a esperar a que alguien se fije en nosotros • No hay ningún mapa. Debemos hacer nuestro camino, y es un camino que muchas veces no ha sido explorado, pavimentado, ni señalizado • Nuestro conocimiento es la clave de nuestro desarrollo personal y profesional • Todo el mundo tiene algo que enseñar. Queremos aprender todos de todos • En el mundo del conocimiento, cuanto más se comparte más se tiene • Lo que aprendemos es lo que practicamos • Especializarse es ponerle un apellido a nuestra profesión. Es echarle especias a nuestro ingrediente principal • Queremos construirnos un futuro fuera del rebaño. Para eso vamos a pensar y hacer las cosas de forma diferente • No vamos a seguir instrucciones a ciegas, no vamos a ser pelotas, no vamos a mantener la cabeza agachada. Esas formas no van con nosotros • Vamos a estar siempre en movimiento. No vamos a parar de movernos. Somos inquietos y nos gusta ser así • Como queremos resultados diferentes, vamos a hacer las cosas de forma diferente • Las pirámides son monumentos funerarios. Nos divierte verlas en los libros de historia, no sufrirlas en nuestro trabajo • Nuestro mercado no es el de los empleos. Es el de las oportunidades • Queremos colaborar con nuestras empresas a generar ingresos, no queremos tener un simple empleo • Queremos avanzar elaborando mejores recetas, no cocinando más • Queremos poner vida a los años, no solo años a la vida • Somos mucho más que un perfil y unas competencias. Somos algo más que las hojas de nuestro CV • Queremos levantarnos con ilusión los próximos 40 años. Queremos hacer las cosas con pasión, cariño y humanidad.

[email protected] @kschoolcom 91 577 83 41 | 91 355 42 97 Calle José Picón, 31· 28028 Madrid www.kschool.com