Generales:

• Describir Datos: Resumir y presentar datos de manera comprensible, usando estadísticas descriptivas como medias, medianas, modas, y desviaciones estándar. 
• Descubrir Patrones: Identificar tendencias, relaciones y patrones en los datos que pueden no ser obvios a simple vista. 
• Hacer Predicciones: Usar modelos estadísticos o de aprendizaje automático para predecir futuros.

Específicos:

• Entender la problemática de gestión del big data y sus especificidades.
• Identificar las características más relevantes en la gestión de datos que deben guiarla 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 (Machine Learning).
• Identificar los modelos estadísticos o de aprendizaje automático (Machine Learning) 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.