Máster Big Data Deportivo

Máster en Big Data Deportivo

CERTIFICADO POR LA UCAM

Con el aval académico y reconocido prestigio de la UCAM (Universidad Católica de Murcia), que certifica el Máster Profesional en Big Data Deportivo como Título Propio. La UCAM, debido a su tradición y su relación directa con el mundo del Deporte, aporta un enorme valor, tanto académico como de proyección, al posgrado.

UCAM

EN COLABORACIÓN CON OPTA SPORTS

Realizado en colaboración con Opta Sports, perteneciente a Perform Group. Opta Sports, Proveedora Oficial de Datos de LaLiga de Fútbol Profesional (LaLiga Santander y LaLiga 1|2|3), es la Compañía Líder Mundial dentro del Universo del Dato Deportivo. Junto con LaLiga, Opta, ha puesto en marcha "LaLiga Official Data Centre", dentro de un marco de colaboración de 5 años para expandir la disponibilidad global de los datos de las competeciones del Fútbol Español.

Opta Sports

SERVICIOS TUTORIALES A MEDIDA

A lo largo de la impartición de los módulos del Máster en Big Data Deportivo, tendrás a tu disposición un Equipo Tutorial que se encargará de acompañarte y guiarte tanto en el estudio de los módulos como en la realización del Proyecto Fin de Máster, además de varias MásterClass con ponentes de empresas y entidades de máximo prestigio y relevancia en el Universo de Big Data aplicado al Deporte.

PRÁCTICAS EN CLUBES Y CONSULTORAS DEPORTIVAS

A propuesta de algunos clubes y entidades colaboradoras, se podrá valorar la posibilidad de realizar las prácticas extracurriculares y trabajo fin de Máster en sus instalaciones, pudiendo trabajar, de este modo y codo con codo, con sus Equipos de Big Data Deportivo. En todo caso y para todas las posibles Ofertas de Prácticas, la selección de candidatos se realizará por las propias empresas, seleccionando aquellos que mejor se ajusten a sus necesidades, en cada caso.

ACCESO MULTIDISPOSITIVO

Podrás acceder al Campus Virtual y a todos los contenidos del Máster estés dónde estés. Además, podrás comunicarte con el equipo tutorial desde la propia plataforma de formación, a través de tu pc de sobremesa, tu tablet o tu smartphone.

DISPONIBILIDAD 24x365

Podrás acceder al Campus Interacional en Big Data en los momentos que prefieras o mejor se ajusten a tu vida personal y profesional, ya que estamos disponibles las 24 horas del día, los 7 días de la semana y 365 días al año.

Con la colaboración principal de la UCAM Sports Management University

UCAM Sports Management University

Gracias a la colaboración de la UCAM Sports Management University en el Máster en Big Data Deportivo, nuestros estudiantes podrán beneficiarse de los acuerdos de colaboración que la UCAM Sports Management University tienen con más de 25 equipos de LaLiga.

INFORMACIONES DE INTERÉS

Descripción
Máster en Big Data Deportivo

El Big Data no solo ha llegado al mundo empresarial, también al mundo del deporte profesional. Actualmente, en un evento deportivo como un partido de baloncesto o de fútbol se generan en torno a 8 millones de eventos y datos y las instituciones vinculadas al mundo del deporte, clubs, casas de apuestas, etc., están empezando a demandar perfiles profesionales especializados en el manejo de grandes volumenes de datos.

Al finalizar este master, los alumnos contarán con el potencial suficiente para cubrir algunos de estos perfiles especializados, siendo capaces de extraer conocimientos valiosos a partir de grandes volúmenes de datos. Partiendo de los datos en bruto y aplicando los más modernos métodos y tecnologías para el análisis de datos en gran escala se lleguen a mostrar resultados de impacto utilizando visualizaciones muy atractivas que puedan ser de utilidadad dentro de los posibles escenarios que existen en el ámbito deportivo.

Concretando más, mediante una combinación equilibrada de teoría y práctica los estudiantes serán capaces de extraer valor sobre los datos de un evento deportivo, aplicar los más modernos métodos estadísticos y computacionales en R y Python, los lenguajes de programación más utilizados por los analistas de datos, actualmente, identificando patrones y extrayendo conocimiento valioso de conjuntos de datos complejos.

Entre orden de cosas, se podrá por ejemplo comparar el rendimiento de los jugadores a partir de datos recopilados por GPS, recopilar las estadísticas individuales o colectivas de una competición, anticipar y evitar posibles lesiones, predecir el rendimiento a partir de determinadas variables o utilizar herramientas para que los aficionados se sientan como una figura activa dentro del deporte. El uso sistematizado del análisis de la información para decidir sobre las diferentes estrategias deportivas abre, para estos profesionales, unas posibilidades infinitas.

Igualmente, el alumno será capaz de comunicar eficazmente, tanto de forma oral como escrita, los conocimientos de negocio obtenidos apoyándose en herramientas de visualización interactivas construidas con tecnología Discovery Data comerciales tipo Tableau o publicarlos en un Blog.

Por último, mediante la realización de un proyecto final de tipo práctico que se irá completando paulatinamente a medida que se van cursando los distintos módulos del Master, los alumnos crearán un producto de datos completo en el que podrán demostrar todo el conocimiento adquirido.

Objetivos
Máster en Big Data Deportivo

Los objetivos esenciales que se alcanzarán a lo largo de la impartición del Máster, se pueden resumir en los siguientes:

  • Comenzar a pensar como un Análista de datos, aplicando las metodologías de análisis de datos que ayuden a plantear y resolver los problemas dentro del ámbito deportivo a partir de los datos.
  • Tomar conciencia del impacto que puede tener el Big Data en una competición deportiva.
  • Conocer aspectos básicos y avanzados de los lenguajes más utilizados por los Análistas de datos: R, Python y SQL.
  • Adquirir, organizar, combinar, limpiar y almacenar datos provenientes de diferentes fuentes en bases de datos y sistemas de almacenamiento tradicionales, incluyendo la información proveniente de Internet a través de APIs o directamente de páginas web.
  • Aplicar análisis de datos estadísticos avanzados y técnicas de aprendizaje automático (machine learning) para identificar patrones utilizando R, RStudio y paquetes relevantes de este lenguaje de programación.
  • Desarrollar software de análisis de datos en Python y realizar análisis de datos avanzados en escala con las librerías de machine learning.
  • Ser capaz de definir la arquitectura de una plataforma Big Data, saber desplegar Hadoop y obtener los conocimientos para administrar dicha plataforma.
  • Conocer el sistema de almacenamiento de datos de Hadoop (HDFS).
  • Comprender las diferentes tecnologías de almacenamiento escalables NoSQL y relacionales SQL.
  • Reconocer las principales herramientas de análisis que forman parte del ecosistema de una plataforma distribuida Hadoop y entender su comportamiento.
  • Estar al día de los principales actores en el mundo de las herramientas de Big Data, tanto comerciales como Open Source que actualmente operan en el mercado.
  • Conocer los diferentes proveedores de datos que existen dentro del mundo del deporte.
  • Hacerse eco de la importancia de la visualización de datos, afrontar proyectos de visualización interactiva de grandes volúmenes de datos y comunicar o publicar en Internet los conocimientos importantes adquiridos a partir de los datos de una manera atractiva y efectiva.
  • Conocer como el analista de datos se relaciona con otras áreas de rendimiento dentro de una estructura deportiva.
Certificación
Máster en Big Data Deportivo

El Máster está Certificado por la Universidad Católica de Murcia como "Máster en Big Data Deportivo", con 60 Créditos ECTS (European Credit Transfer System) y 1.500 horas. La Universidad Católica de Murcia es la principal Institución Académica española, relacionada, directamente, con el mundo del deporte.

UCAM

Destinatarios
Máster en Big Data Deportivo

El Máster en Big Data Deportivo está dirigido a:

  • Titulados Superiores con perfil deportivo.
  • Titulados técnicos o titulados en las diferentes áreas relacionadas con la tecnología.
  • Titulados técnicos o titulados en las diferentes áreas relacionadas con el deporte.
  • Profesionales o titulados en periodismo, en estadística o Ingeniería.
  • Emprendedores, desempleados y todos aquellos que quieran formarse en una disciplina de máxima actualidad y demanda.
Programa del Máster
Máster en Big Data Deportivo

A continuación, mostramos los Módulos principales que componen el programa del Máster:

MÓDULO 1. INTRODUCCIÓN Y TEORÍAS. INTRODUCCIÓN. TEORÍA DE JUEGOS. TEORÍA DE LA TOMA DE DECISIONES
75 horas / 3 créditos.

  1. Introducción al uso del Big Data en el mundo del deporte.
  2. Teoría de Juegos:
    1. Los elementos que intervienen en un juego.
    2. Representaciones gráficas.
    3. Tipos de juegos y estrategias.
    4. “El equilibrio de John Nash”.
    5. Teoría y práctica aplicada al deporte.
  3. Teoría de la Toma de Decisiones:
    1. Definiciones y fases del ciclo.
    2. Tipología por niveles y por métodos.
    3. Técnicas de modelación de un proceso de toma de decisiones.
    4. Modelos para la simplificación de la toma de decisiones en una organización en un ambiente de incertidumbre.
    5. Herramientas para la representación de la lógica decisional.

MÓDULO 2. INTRODUCCIÓN AL BIG DATA
150 horas / 6 créditos

  1. Introducción al Big Data.
  2. Casos de uso típicos.
  3. Ecosistema Hadoop y distribuciones disponibles.
  4. Arquitectura clásica de un entorno Hadoop.
  5. Herramientas de ingesta de datos.
  6. Herramientas de procesamiento de datos en batch y Map Reduce.
  7. Desplegar un cluster de Spark en Azure. Diferencia entre cloud y on premise.
  8. Spark(I). Spark dentro del ecosistema Hadoop.
  9. Spark(II). Arquitectura de Spark.
  10. Spark (III). Procesamiento con Spark en Python.
  11. Spark (IV). Optimización de Jobs de spark..

MÓDULO 3. ALMACENAMIENTO Y ADQUISICIÓN DE DATOS
150 horas / 6 créditos

  1. Introducción a las bases de datos relacionales. Conceptos y principales características.
  2. Estructura de datos relacional
  3. Lenguaje de consulta SQL
  4. Introducción a las bases de datos NoSQL. Conceptos y principales características.
  5. Operaciones de Consulta.
  6. Diseño de una base de datos NoSQL.

MÓDULO 4. ANÁLISIS DE DATOS DEPORTIVO Y APRENDIZAJE AUTOMÁTICO CON R Y PHYTON
150 horas / 6 créditos

  1. Programación básica con R.
  2. Limpieza y preparación de datos con R.
  3. Análisis exploratorio con R.
  4. Programación básica con Python.
  5. Aplicaciones de análisis de datos con Python.

MÓDULO 5. ANÁLISIS DE DATOS DEPORTIVOS Y MACHINE LEARNING CON BIG DATA
150 horas / 6 créditos

  1. Introducción a Apache Spark. Comparativa con Hadoop
  2. Casos de uso típicos en el deporte
  3. Instalación y familiarización con la herramienta
  4. Conceptos básicos de Apache Spark
  5. Ecosistema de Apache Spark. Módulos principales
  6. Caso de uso de Apache Spark (I). Spark SQL
  7. Introducción a Machine Learning o Aprendizaje Automático (I)
  8. Machine Learning o Aprendizaje Automático (II)
  9. Caso de uso de Apache Spark (II). Spark MLlib
  10. Caso de uso de Apache Spark (III). Spark GraphX
  11. Caso de uso de Apache Spark (IV). Spark Streaming

MÓDULO 6. BIG DATA EN EL DEPORTE
75 horas / 3 créditos

  1. Introducción al Big Data en el deporte
  2. El origen del Big Data en el deporte: El Beisbol
  3. Moneyball
  4. Uso de estadísticas avanzadas para analizar el juego béisbol: Sabermetría
  5. Del Beisbol al baloncesto: Método Muthuball
  6. Ejemplos actuales del big data en el futbol: Selección Alemana de futbol
  7. Herramientas visuales de análisis y proveedores de datos

MÓDULO 7. PROVEEDORES DE DATOS. OPTA · STATS · WYSCOUT · MEDIACOACH · INSTAT
150 horas / 6 créditos

  1. Introducción a los proveedores de datos
  2. Opta
  3. Instat
  4. Wyscout
  5. MediaCoach
  6. Stat prozone
  7. Portales de estadísticas 

MÓDULO 8. HERRAMIENTAS VISUALES DE ANÁLISIS. TABLEAU · WATSON · PENTAHO · MICROSOFT POWER BI · ERIC
150 horas / 6 créditos

  1. Introducción a las diferentes herramientas para análisis de Datos
  2. Tableau
  3. IBM Watson
  4. Pentaho
  5. Microsoft Power BI
  6. Herramientas (Eric, Nac, Longomatch)

MÓDULO 9. ANÁLISIS DE DATOS INDIVIDUAL, COLECTIVO Y DEL RIVAL EN EL DEPORTE.
150 horas / 6 créditos

  1. Análisis individual en deportes.
  2. Tareas prácticas de análisis individual.
  3. Análisis colectivo en deportes.
  4. Tareas prácticas de análisis colectivo.
  5. Análisis del rival en deportes.
  6. Tareas prácticas de análisis del rival.

MÓDULO 10. ANÁLISIS DE DATOS EN EL DEPORTE Y SU RELACIÓN CON EL RENDIMIENTO FÍSICO.
150 horas / 6 créditos

  1. Sistemas de posicionamiento global.
  2. Variables del rendimiento.
  3. Cuantificación de la carga y optimización del rendimiento.

MÓDULO 11. PRESENTACIÓN DE DATOS.
75 horas / 3 créditos

  1. Introducción a la presentación de informes. Características de los grandes oradores
  2. Modelos de informes
  3. Objetivo de la presentación
  4. Pasos básicos de la presentación
  5. Planificación de la presentación: Audiencia, Tiempo y Mensaje
  6. Diseño y Composición de la presentación
  7. Herramientas de visualización de datos.

MÓDULO 12. PROYECTO FIN DE MÁSTER.
150 horas / 6 Créditos

  1. Introducción a la realización de Proyectos de Big Data Deportivo
  2. Pautas esenciales para la organización del proyecto
  3. Realización del Proyecto Fin de Máster
  4. Presentación telemática
Metodología
Máster en Big Data Deportivo

A continuación, enumeramos las características esenciales de nuestra metología.

MODALIDAD E-LEARNING [100% On-line]

Construida sobre preceptos asíncronos, que son la base del e-learning [Anytime & Anywhere], para poderse adaptar tanto a profesionales en activo como a estudiantes recién titulados, nuestra metodología se construye en base al “Learning by doing”, combinando la exposición y estudio de contenidos teóricos, enfocada a la realización de tareas prácticas del mundo real, en este caso, trabajando, de primera mano, todos aquellos aspectos esenciales del mundo del Big Data estudiados a lo largo de los distintos módulos del Máster.

A través del aula virtual, los participantes, podrán:

  • Consultar y descargar los materiales de estudio.
  • Visualizar los contenidos audiovisuales del curso.
  • Asistir en tiempo real o visualizar en modo diferido máster classes o webinars.
  • Realizar los cuestionarios de evaluación continua.
  • Consultar y enviar las tareas propuestas en cada uno de los módulos.
  • Acceder a las distintas correcciones y a los correspondientes feedbacks que los tutores realizan sobre las tareas enviadas.
  • Espacio de Acceso, seguimiento, entrega y retroalimentación del Proyecto Fin de Máster.
  • Participar en las actividades colaborativas propuestas, tanto de tipo abierto como de tipo pedagógico.
  • Acceder a las herramientas de tutorización, tanto síncronas como asíncronas.
  • Consultar su libro de calificaciones y sus informes de seguimiento.
  • Biblioteca especializada de materiales complementarios.

A lo largo de la impartición, tanto por medio de los tutores como de la Dirección Académica, se fomentan la interacción, la  participación y la colaboración de los estudiantes, tanto con el equipo docente como con sus propios compañeros, favoreciendo un planteamiento socio-constructivista del aprendizaje.

Calendario
Máster en Big Data Deportivo

Las fechas de interés de esta Edición del Máster en Big Data Deportivo son:

  • ABIERTO PLAZO DE MATRICULACIÓN (desde el 23 de octubre de 2018 hasta cubrir las plazas disponibles)
  • [INICIO 2ª EDICIÓN] 12 de marzo de 2019
  • [FIN 2ª EDICIÓN] 28 de febrero de 2020
MARCA: Blog especializado en Big Data Deportivo
Blog MARCA

El diario deportivo MARCA colabora con el Máster en Big Data Deportivo a través de un blog colaborativo destinado al desarrollo y publicación de aportaciones de profesores y alumnos del Máster.

Desde aquí, tanto los integrantes del claustro docente del Máster (tutores y expertos de MasterClass) como los estudiantes, irán publicando diversas entradas relacionadas con el análisis de datos deportivos, desde diversas perspectivas, a medida que vayan abordándose en el Máster.

Acede al Blog Big Data Deportivo del diario deportivo MARCA

Conoce el Máster de un vistazo

El Deporte profesional está cambiado profundamente a lo largo de los últimos años, sobre todo por la introducción de las tecnologías. Y dentro de estas, sin duda, el Big Data, es la tecnología que más ha modificado y está modificando actualmente el deporte. Nuestro Máster Big Data Deportivo, aborda todos los aspectos esenciales de este universo y te capacitará para trabajar en un entorno deportivo y con gran demanda de profesionales.

¿Por qué estudiar este Máster?

  • Porque es la profesión del futuro, ya que detrás de cada deportista existirá un Analista de Datos que ayude al jugador a mejorar en todas sus facetas del juego y de su preparación.
  • Porque todas las grandes ligas, son conscientes de este gran potencial que ofrece la tecnología Big Data y lo usan para realizar fichajes, mejorar rendimiento, prevenir lesiones, modificar tácticas de juego …
  • Porque este máster, cuenta con un claustro docente que incluye a analistas deportivos de clubes, expertos en tecnología Big Data de empresas del prestigio, técnicos en herramientas de análisis de vídeo, de sensórica deportiva, consultores de datos deportivos aplicados al fútbol y al basket o del periodismo deportivo.

NUESTRO CLAUSTRO DOCENTE

Dirección Académica

Salvador Carmona - Co-Director Académico

Salvador Carmona - Co-Director Académico LinbkedIn

Salva Carmona es uno de los principales Analistas de Datos Deportivos, en España. A lo largo de su carrera profesional, Salva, ya ha trabajado para la NBA, la ACB y distintos clubes de las principales ligas del mundo. Pero, en el caso de Salva, lo mejor es verle y escucharle. Aquí podéis ver dos entradas que, aunque "antiguas", definen perfectamente el perfil de Salva: Un reportaje en As, con Miguel Ángel Paniagua y otro en Marca: "Cuando 2+2 suman 4 en el fútbol: Así es el "Moneyball" español".

David R. Sáez Ávila - Director Académico

David R. Sáez Ávila - Director Académico LinbkedIn

Es el Director del Big Data Internacional Campus. Máster en Gestión de Proyectos, en Dirección comercial y Marketing, en Liderazgo y en Desarrollo de Aplicaciones para Internet. Es, también, Director Académico del Máster  en Big Data y Business Analytics, realizado en Colaboración con Telefónica y del Máster en BIM & Big Data Analyst Manager, impartido en colaboración con Grant Thornton. Lleva más de 17 años dirigiendo proyectos de e-learning para compañías de primer nivel, tanto nacionales como internacionales. Es experto en tecnología educativa, e-learning, nuevas metodologías, producción y líder de formación en Big Data. 

 

Claustro Docente

Salvador Carmona

Managing Partner at Driblab & Madribble. 

Linkedin

César García

Big Data Scientist en Telefónica I+D

Linkedin

David Fombella

Business Intelligence
and Big Data Consultant

Linkedin

Cristóbal Fuentes

Strength and Conditioning Coach

Linkedin

José Miguel Hernández

CTO-BI & 4th Platform OBs at Telefónica

Linkedin

David R. Sáez

Director del Campus Internacional Big Data. Big Data Trainer

Linkedin

José M. P. Gila

Doctor en Comunicación
Experto en Análisis de Datos

Linkedin

Jaime Lezcano

CTO, PMP, big data, transformación digital
at Everlander

Linkedin

Francisco Oviedo

Experto en Análisis de Datos. Análisis y Visualización de Datos.

Linkedin

José Antonio Romero

Analista de Datos del Córdoba Club de Fútbol.

Linkedin

Mario Villaizan

Data scientist at Telefónica I+D

Linkedin

Master Classes

Roberto López del Campo

Responsable del Área de Formación e Investigación de LaLiga

Linkedin

MásterClass:
“Mediacoach: Suite de Productos y Servicios utilizada por los equipos de LaLiga”

César García Gómez

Big Data Scientist en Telefónica

Linkedin

MásterClass:
"Situación actual del Universo Big Data"

Salvador Carmona

Ceo en Driblab

Linkedin

MásterClass:
"Análisis de datos aplicado a la adquisición jugadores"

Lorenzo Lara Rodríguez

Redactor en Marca

Linkedin

MásterClass:
"Big Data y periodismo deportivo: Los Datos al servicio de la noticia"

Chechu Fernández

Key Accounts Manager at Opta Sports

Linkedin

MásterClass:
"Introducción y descripción de una empresa de datos deportivos"

Daniel Trombetta

OptaPro Consultant at Opta Sports

Linkedin

MásterClass:
"Introducción a ProVision, un programa de análisis de los datos de Opta, y a los new metrics"

Fernando Gutiérrez

Team Leader Live Data Soccer at Opta Sports

Linkedin

MásterClass:
"Recogida y tratamiento de los datos en Opta"

Carlos Aviña Ibarrola

Coordinador de Inteligencia Deportiva. Club América de México.

Linkedin

MásterClass:
"La necesidad de utilizar información objetiva para tomar decisiones en el futbol"

Nicolás Miranda

Sport Scientist at Catapult Sports

Linkedin

MásterClass:
"Monitoreo de cargas con Wearables en Deportes de Elite"

Juan A. Avilés Sánchez

IBM Global Markets

Linkedin

MásterClass:
"Cómo extraer información de los datos con IBM Watson Analitycs"

Jaime Rodríguez-Monsalvé

Marketing Manager y Formador Experto at Eric Sports

Linkedin

MásterClass:
"Video-Mining con EricSports"

Salvador Carmona

CEO en Madribble

Linkedin

MásterClass:
"Uso de Big Data en Euroliga y NBA"

Javier Bosch

CEO at Nagi Smartpool and NBN23

Linkedin

MásterClass:
"Emprendimiento en el área del Big Data deportivo. El caso real de NBN23"

Carlos Domínguez

Responsable comercial en Nac Sports

Linkedin

MásterClass:
"Nacsport como herramienta de análisis deportivo"

Luis Alberto Díaz Martínez

Redactor en Marca

Linkedin

MásterClass:
"Big Data y periodismo deportivo: Aspectos clave"

 

Roberto López del Campo

Responsable del Área de Formación e Investigación de LaLiga

Linkedin

MásterClass:
 “Mediacoach Desktop: Herramienta Profesional de Vídeo Análisis.”

Alfonso Moralo

SaS Analyst

Linkedin

MásterClass:
"Analítica avanzada aplicada al fútbol profesional. Caso de uso real"

Carlos Aviña Ibarrola

Coordinador de Inteligencia Deportiva. Club América de México.

Linkedin

MásterClass:
"Aplicación y uso del Big Data y la tecnología en el Club América"

Juan José Vázquez Rubio

Director Regional Iberia, Iberoamérica y Francia

Linkedin

MásterClass:
"De la Minería a la Monetización: fundamentos y casos"

FACILIDADES DE PAGO

<br/>

Podrás solicitar, sin ningún compromiso ni recargo extra, el fraccionamiento, de los pagos.

Empresas colaboradoras confirmadas, hasta el momento:

Empresas colaboradoras Máster en Big Data Deportivo

Solicita información sin compromiso:

Resta para que comience la siguiente edición

Suscríbete a nuestra Newsletter:

Introduce tu e-mail y pulsa Enter para suscribirte

  • Dirección: C\ Campo de Gomara , 4,
    47008. Valladolid
    España
  • Teléfono: +34 983 390 716
    Fax: +34 983 519 631
  • E-mail: info@campusbigdata.com

 

  •