¿Por qué estudiar en TECH?

Nuestro programa de especialización impulsará tus competencias hasta el más alto nivel profesional, con la actualización en las últimas técnicas y planteamientos a nivel empresarial

¿Por qué estudiar en TECH?

TECH es la mayor escuela de negocio 100% online del mundo. Somos una escuela de negocios de élite, con un modelo de máxima exigencia académica. Un centro de alto rendimiento internacional, de entrenamiento intensivo en habilidades directivas.

Somos una universidad a la vanguardia tecnológica y ponemos todos nuestros recursos a tu alcance para que logres el éxito empresarial”  

En TECH Universidad Tecnológica

idea icon
Innovación

Te ofrecemos un modelo de aprendizaje en línea que combina la última tecnología educativa con el máximo rigor pedagógico. Un método único con el mayor reconocimiento internacional que te aportará las claves para desarrollarte en un mundo en constante cambio, donde la innovación debe ser la apuesta esencial de todo empresario. 

“Caso de Éxito Microsoft Europa” por incorporar en nuestros programas el novedoso sistema de  multivídeo  interactivo.  
head icon
Máxima exigencia

Nuestro criterio de admisión no es económico. No necesitas realizar una gran inversión para estudiar con nosotros. Eso sí, para titularte en TECH pondremos al límite tu inteligencia y tu capacidad para resolver problemas. Nuestro listón académico está muy alto...

95% de los alumnos de TECH finaliza sus estudios con éxito.
neuronas icon
Networking

En TECH participan profesionales de todos los países de habla hispana, de tal manera que podrás crear una gran red de contactos útil para tu futuro.  

38.000 directivos especializados cada año.
hands icon
Empowerment

Crece de la mano de las mejores empresas y profesionales de gran prestigio e influencia. Hemos desarrollado alianzas estratégicas y una valiosa red de contactos con los principales actores económicos de Europa y América.

+500 acuerdos de colaboración con las mejores empresas.
star icon
Talento

Nuestro programa es una propuesta única para sacar a la luz tu talento en el ámbito empresarial. Una oportunidad con la que podrás dar a conocer tus inquietudes y tu visión de negocio. 

Enseña al mundo tu talento tras realizar este programa.
earth icon
Contexto multicultural

Comparte con nosotros una experiencia única. Estudiarás en un contexto multicultural. En un programa con visión global, gracias al cual podrás conocer la forma de trabajar en diferentes lugares del mundo, recopilando la información más novedosa y que mejor se adapte a tu idea de negocio. 

Nuestros alumnos provienen de más de 35 nacionalidades.
master finanzas
human icon
Aprende con los mejores

Nuestro equipo docente explica en las aulas lo que le ha llevado al éxito en sus empresas, trabajando desde un contexto real, vivo y dinámico. Docentes que se implican al máximo para ofrecerte una especialización de calidad que te permita avanzar en tu carrera y lograr destacar en el ámbito empresarial. 

Profesores de 20 nacionalidades diferentes.

En TECH buscamos la excelencia y, para ello, contamos con una serie de características que nos hacen únicos:  

brain icon
Análisis 

Exploramos tu lado crítico, tu capacidad de cuestionarte las cosas, tu competencia en resolución de problemas, tus habilidades interpersonales.  

micro icon
Excelencia académica

Ponemos a tu alcance la mejor metodología de aprendizaje online. Combinamos el método Relearning (metodología de aprendizaje de posgrado con mejor valoración internacional), junto a los “case studies” de Harvard Business School. Tradición y vanguardia en un difícil equilibrio, y en el contexto del más exigente itinerario académico.   

corazon icon
Economía de escala

Somos los más grandes. TECH tiene un portfolio de más de 7.000 posgrados universitarios en español. Y en la nueva economía, volumen + tecnología = precio disruptivo. De esta manera, nos aseguramos de que estudiar no te resulte tan costoso como en otra universidad. 

En TECH tendrás acceso a los estudios de casos de Harvard Business School

Estructura y contenido

El Máster título propio en Dirección Técnica de Data Science en la Empresa es un programa hecho a medida del alumno que se imparte en formato 100% online para que elija el momento y lugar que mejor se adapte a su disponibilidad, horarios e intereses.  Una capacitación que se desarrolla a lo largo de 12 meses y que pretende ser una experiencia única y estimulante que siembre las bases para tu éxito profesional. 

Lo que estudias es muy importante. Las destrezas y competencias que adquieres es lo fundamental. No encontrarás un temario más completo que este, créenos”  

Plan de estudios

El Máster título propio en Dirección Técnica de Data Science en la Empresa de TECH Universidad Tecnológica es un programa intensivo que te prepara para afrontar retos y decisiones empresariales en el ámbito del Dirección Técnica de Data Science en la Empresa.   

El contenido del Máster título propio en Dirección Técnica de Data Science en la Empresa está pensado para favorecer el desarrollo de las competencias que permitan la toma de decisiones con un mayor rigor en entornos inciertos. 

A lo largo de 1.500 horas de formación, el alumno analiza multitud de casos prácticos mediante el trabajo individual y en equipo. Se trata, por tanto, de una auténtica inmersión en situaciones reales de negocio.  

Este Máster título propio trata en profundidad el mundo de la informática en el ámbito empresarial, y está diseñado para formar a profesionales que entiendan las Dirección Técnica de Data Science en la Empresa desde una perspectiva estratégica, internacional e innovadora. 

Un plan pensado para ti, enfocado a tu mejora profesional y que te prepara para alcanzar la excelencia en el ámbito de la dirección y la gestión empresarial. Un programa que entiende tus necesidades y las de tu empresa mediante un contenido innovador basado en las últimas tendencias, y apoyado por la mejor metodología educativa y un claustro excepcional, que te otorgará competencias para resolver situaciones críticas de forma creativa y eficiente.  

Este Máster título propio se desarrolla a lo largo de 12 meses y se divide en 10 módulos: 

Módulo 1. Principales sistemas de Gestión de Información
Módulo 2. Tipos y ciclo de vida del dato
Módulo 3. Número- Aprendizaje automático 
Módulo 4. Analítica web
Módulo 5. Normativas para gestión de datos
Módulo 6. Sistemas escalables y confiables de uso masivo de datos 
Módulo 7. Administración de sistemas para despliegues distribuidos
Módulo 8. Internet of Things 
Módulo 9. Gestión de Proyectos y metodologías Agile
Módulo 10. Comunicación, Liderazgo y Gestión de Equipos

master online mba en gestión y dirección de clínicas dentales

Dónde, cuándo y cómo se imparte

TECH te ofrece la posibilidad de desarrollar este programa de manera totalmente online. Durante los 12 meses que dura la capacitación, podrás acceder a todos los contenidos de este programa en cualquier momento, lo que te permitirá autogestionar tú mismo tu tiempo de estudio. 

Módulo 1. Principales Sistemas de Gestión de Información

1.1.ERP y CRM 

1.1.1. El ERP 
1.1.2. El CRM 
1.1.3. Diferencias entre ERP, CRM. Punto de venta 
1.1.4. Éxito empresarial   

1.2. El ERP  

1.2.1. El ERP 
1.2.2. Tipos de ERP  
1.2.3. Desarrollo de un proyecto de implantación de un ERP 
1.2.4. ERP. Optimizador de recursos 
1.2.5. Arquitectura de un sistema ERP 

1.3. Información aportada por el ERP  

1.3.1. Información aportada por el ERP 
1.3.2. Ventajas e inconvenientes 
1.3.3. La información  

1.4. Sistemas ERP   

1.4.1. Sistemas y herramientas actuales de ERP 
1.4.2. Toma de decisiones 
1.4.3. Día a día con un ERP 

1.5. CRM: El proyecto de implantación  

1.5.1. El CRM. Proyecto de Implantación 
1.5.2. El CRM como herramienta comercial 
1.5.3. Estrategias para el sistema de información 

1.6. CRM: Fidelización de clientes 

1.6.1. Punto de partida  
1.6.2. Vender o Fidelizar 
1.6.3. Factores de éxito en nuestro sistema de fidelización 
1.6.4. Estrategias multicanal 
1.6.5. Diseño de las acciones de fidelización 
1.6.6. E-fidelización 

1.7. CRM: Campañas de comunicación 

1.7.1. Acciones y planes de comunicación 
1.7.2. Importancia del Cliente informado 
1.7.3. La Escucha al cliente 

1.8.  CRM: Prevención de insatisfechos  

1.8.1. Las Bajas de cliente 
1.8.2. Detección de errores a tiempo 
1.8.3. Procesos de mejora  
1.8.4. Recuperación del cliente insatisfecho 

1.9. CRM: Acciones especiales de comunicación 

1.9.1. Objetivos y planificación de un evento en la empresa 
1.9.2. Diseño y realización del evento 
1.9.3. Acciones desde el departamento 
1.9.4. Análisis de resultados 

1.10.  El marketing relacional 

1.10.1. Implantación. Errores 
1.10.2. Metodología, segmentación y procesos  
1.10.3. Actuación, según el departamento 
1.10.4. Herramientas CRM  

Módulo 2. Tipos y Ciclo de Vida del Dato  

2.1. La Estadística 

2.1.1. Estadística: Estadística descriptiva, estadística inferencias 
2.1.2. Población, Muestra, Individuo 
2.1.3. Variables: Definición, escalas de medida 

2.2. Tipos de datos estadísticos 

2.2.1. Según tipo 

    2.2.1.1. Cuantitativos: datos continuos y datos discretos 
    2.2.1.2. Cualitativos: Datos Binomiales, Datos Nominales y Datos Ordinales. 

2.2.2. Según su forma  

    2.2.2.1. Numérico 
    2.2.2.2. Texto  
    2.2.2.3. Lógico 

2.2.3. Según su fuente 

    2.2.3.1. Primarios 
    2.2.3.2. Secundarios 

2.3. Ciclo de vida de los datos 

2.3.1. Etapas del ciclo 
2.3.2. Hitos del ciclo 
2.3.3. Principios FAIR 

2.4. Etapas iniciales del ciclo 

2.4.1. Definición de metas 
2.4.2. Determinación de recursos necesarios 
2.4.3. Diagrama de Gantt 
2.4.4. Estructura de los datos 

2.5. Recolección de datos 

2.5.1. Metodología de recolección 
2.5.2. Herramientas de recolección 
2.5.3. Canales de recolección 

2.6. Limpieza del dato 

2.6.1. Fases de la limpieza de datos 
2.6.2. Calidad del dato 
2.6.3. Manipulación de datos (con R) 

2.7. Análisis de datos, interpretación y valoración de resultados 

2.7.1. Medidas estadísticas 
2.7.2. Índices de relación 
2.7.3. Minería de datos 

2.8. Almacén del dato (Datawarehouse) 

2.8.1. Elementos que lo integran 
2.8.2. Diseño 
2.8.3. Aspectos a considerar 

2.9. Disponibilidad del dato 

2.9.1. Acceso 
2.9.2. Utilidad 
2.9.3. Seguridad 

2.10. Aspectos Normativos

2.10.1. Ley de protección de datos 
2.10.2. Buenas practicas 
2.10.3. Otros aspectos normativos 

Módulo 3. Número- Aprendizaje Automático  

3.1. El Conocimiento en Bases de Datos. 

3.1.1. Preprocesamiento de datos 
3.1.2. Análisis 
3.1.3. Interpretación y evaluación de los resultados. 

3.2. Machine Learning 

3.2.1. Aprendizaje supervisado y no supervisado. 
3.2.2. Aprendizaje por refuerzo. 
3.2.3. Aprendizaje Semi-supervisado. Otros modelos de aprendizaje. 

3.3. Clasificación 

3.3.1. Árboles de decisión y Aprendizaje basado en reglas. 
3.3.2. Máquinas de Soporte Vectorial (SVM) y algoritmos de vecinos más cercanos (KNN). 
3.3.3. Métricas para algoritmos de clasificación. 

3.4. Regresión 

3.4.1. Regresión Lineal y regresión Logística. 
3.4.2. Modelos de regresión no lineales. 
3.4.3. Análisis de series Temporales. 
3.4.4. Métricas para algoritmos de regresión 

3.5. Clustering 

3.5.1. Agrupamiento Jerárquico. 
3.5.2. Agrupamiento Particional. 
3.5.3. Métricas para algoritmos de clustering. 

3.6. Reglas de Asociación 

3.6.1. Medidas de interés. 
3.6.2. Métodos de extracción de reglas. 
3.6.3. Métricas para los algoritmos de reglas de asociación. 

3.7. Multiclasificadores 

3.7.1. “Bootstrap aggregation” o “bagging”. 
3.7.2. Algoritmo de “Random Forests”. 
3.7.3. Algoritmo de “Boosting”. 

3.8. Modelos de razonamiento probabilístico. 

3.8.1. Razonamiento probabilístico. 
3.8.2. Redes bayesianas o redes de creencia. 
3.8.3. “Hidden Markov Models”. 

3.9. Perceptrón Multicapa. 

3.9.1. Red neuronal. 
3.9.2. Aprendizaje automático con redes neuronales. 
3.9.3. Descenso del gradiente, “backpropagation” y funciones de activación.  
3.9.4. Implementación de una red neuronal artificial. 

3.10 Aprendizaje profundo. 

3.10.1. Redes Neuronales Profundas. Indroducción. 
3.10.2. Redes Convolucionales. 
3.10.3. Sequence Modeling. 
3.10.4. Tensorflow y Pytorch. 

Módulo 4. Analítica Web 

4.1. Analítica web. 

4.1.1. Introducción 
4.1.2. Evolución de la Analítica Web 
4.1.3. Proceso de Análisis 

4.2. Google Analytics 

4.2.1. Google Analytics 
4.2.2. Uso  
4.2.3. Objetivos 

4.3. Hits. Interacciones con el sitio web 

4.3.1. Métricas Básicas 
4.3.2. KPI (Key Performance Indicators) 
4.3.3. Porcentajes de conversión adecuados 

4.4. Dimensiones frecuentes 

4.4.1. Fuente 
4.4.2. Medio 
4.4.3. Keyword 
4.4.4. Campaña 
4.4.5. Etiquetado personalizado 

4.5. Configuración de Google Analytics 

4.5.1. Instalación. Creación de la cuenta 
4.5.2. Versiones de la herramienta: UA / GA4 
4.5.3. Etiqueta de seguimiento 
4.5.4. Objetivos de conversión 

4.6. Organización de Google Analytics 

4.6.1. Cuenta 
4.6.2. Propiedad 
4.6.3. Vista 

4.7. Informes de Google Analytics 

4.7.1. En tiempo real 
4.7.2. Audiencia 
4.7.3. Adquisición 
4.7.4. Comportamiento 
4.7.5. Conversiones 
4.7.6. Comercio electrónico 

4.8. Informes Avanzados de Google Analytics 

4.8.1. Informes personalizados 
4.8.2. Paneles 
4.8.3. APIs 

4.9. Filtros y Segmentos 

4.9.1. Filtro 
4.9.2. Segmento 
4.9.3. Tipos de segmentos: predefinidos / personalizados 
4.9.4. Listas de Remarketing 

4.10. Plan de Analítica Digital 

4.10.1. Medición 
4.10.2. Implementación en el entorno tecnológico 
4.10.3. Conclusiones 

Módulo 5. Normativas para Gestión de Datos  

5.1. Marco regulatorio. 

5.1.1. Marco normativo y definiciones. 
5.1.2. Responsables, corresponsables y encargados de tratamiento. 
5.1.3. Próximo marco normativo en materia de inteligencia artificial. 

5.2. Principios relativos al tratamiento de datos personales. 

5.2.1. Licitud, lealtad y transparencia y limitación de la finalidad. 
5.2.2. Minimización de datos, exactitud y limitación del plazo de conservación. 
5.2.3. Integridad y confidencialidad. 
5.2.4. Responsabilidad proactiva. 

5.3. Legitimación y habilitación para el tratamiento. 

5.3.1. Bases de legitimación. 
5.3.2. Habilitaciones para el tratamiento de categorías especiales de datos. 
5.3.3. Comunicaciones de datos. 

5.4. Derechos de los individuos. 

5.4.1. Transparencia e información. 
5.4.2. Acceso. 
5.4.3. Rectificación y supresión (derecho al olvido), limitación y portabilidad. 
5.4.4. Oposición y decisiones individuales automatizadas. 
5.4.5. Límites a los derechos. 

5.5. Análisis y gestión de riesgos. 

5.5.1. Identificación de riesgos y amenazas para los derechos y libertades de las personas físicas. 
5.5.2. Evaluación de riesgos. 
5.5.3. Plan de tratamiento de riesgos. 

5.6. Medidas de responsabilidad proactiva. 

5.6.1. Identificación de técnicas para garantizar y acreditar cumplimiento. 
5.6.2. Medidas organizativas. 
5.6.3. Medidas técnicas. 
5.6.4. Gestión de violaciones de la seguridad de los datos personales. 
5.6.5. El Registro de Actividades de tratamiento 

5.7. La Evaluación de Impacto relativa a la protección de los datos personales (EIPD o DPIA). 

5.7.1. Actividades que requieren EIPD  
5.7.2. Metodología de evaluación. 
5.7.3. Identificación de riesgos, amenazas y consulta a la autoridad de control. 

5.8. Regulación contractual: responsables, encargados y otros sujetos. 

5.8.1. Contratos en materia de protección de datos. 
5.8.2. Atribución de responsabilidades. 
5.8.3. Contratos entre corresponsables. 

5.9. Transferencias internacionales de datos. 

5.9.1. Definición y garantías que deben adoptarse. 
5.9.2. Las cláusulas contractuales tipo. 
5.9.3. Otros instrumentos para regular transferencias. 

5.10. Infracciones y sanciones. 

5.10.1. Infracciones y sanciones. 
5.10.2. Criterios de graduación en materia sancionadora. 
5.10.3. El Delegado de Protección de Datos. 
5.10.4. Funciones de las autoridades de control. 

Módulo 6. Sistemas Escalables y Confiables de Uso Masivo de Datos  

6.1. Escalabilidad, Confiabilidad y Mantenibilidad 

6.1.1. Escalabilidad 
6.1.2. Confiabilidad 
6.1.3. Mantenibilidad 

6.2. Modelos de datos 

6.2.1. Evolución de los modelos de datos 
6.2.2. Comparación del modelo relacional con el modelo NoSQL basado en documentos 
6.2.3. Modelo de grafos 

6.3. Motores de almacenamiento y recuperación de datos 

6.3.1. Almacenamiento estructurado en log 
6.3.2. Almacenamiento en tablas de segmentos 
6.3.3. Árboles B 

6.4. Servicios, paso de mensajes y formatos para codificar datos 

6.4.1. Flujo de datos en servicios REST 
6.4.2. Flujo de datos en paso de mensajes 
6.4.3. Formatos de envío de mensajes 

6.5. Replicación 

6.5.1. Teorema CAP 
6.5.2. Modelos de consistencia 
6.5.3. Modelos de réplica en base a conceptos de líder y seguidores 

6.6. Transacciones distribuidas 

6.6.1. Operaciones atómicas 
6.6.2. Transacciones distribuidas desde diferentes enfoques Calvin, Spanner 
6.6.3. Serializabilidad 

6.7. Particionado 

6.7.1. Tipos de particionado. 
6.7.2. Índices en particiones. 
6.7.3. Rebalanceado de particiones. 

6.8. Procesamiento por lotes 

6.8.1. El Procesamiento por lotes 
6.8.2. MapReduce 
6.8.3. Enfoques posteriores a MapReduce 

6.9. Procesamiento de flujos de datos 

6.9.1. Sistemas de mensajes 
6.9.2. Persistencia de flujos de datos 
6.9.3. Usos y operaciones con flujos de datos 

6.10. Casos de uso. Twitter, Facebook, Uber 

6.10.1. Twitter: el uso de Caches 
6.10.2. Facebook: modelos no relacionales 
6.10.3. Uber: diferentes modelos para diferentes propósitos 

Módulo 7. Administración de Sistemas para Despliegues Distribuidos  

7.1. Administración clásica.  El Modelo monolítico 

7.1.1. Aplicaciones clásicas. Modelo monolítico 
7.1.2. Requisitos de sistemas para aplicaciones monolíticas 
7.1.3. La administración de sistemas monolíticos 
7.1.4. Automatización 

7.2. Aplicaciones distribuidas. El microservicio 

7.2.1. Paradigma de computación distribuida 
7.2.2. Modelos basados en microservicios 
7.2.3. Requisitos de sistemas para modelos distribuidos 
7.2.4. Aplicaciones monolíticas vs. Aplicaciones distribuidas 

7.3. Herramientas para la explotación de recursos 

7.3.1. Gestión del “hierro” 
7.3.2. Virtualización 
7.3.3. Emulación 
7.3.4. Paravirtualización 

7.4. Modelos IaaS, PaaS y SaaS 

7.4.1. Modelo IaaS 
7.4.2. Modelo PaaS 
7.4.3. Modelo SaaS 
7.4.4. Patrones de diseño 

7.5. Containerización 

7.5.1. Virtualización con cgroups 
7.5.2. Containers 
7.5.3. De la aplicación al contenedor 
7.5.4. Orquestación de contenedores 

7.6. Clusterización 

7.6.1. Alto rendimiento y alta disponibilidad 
7.6.2. Modelos de alta disponibilidad 
7.6.3. Clúster como plataforma SaaS 
7.6.4. Securización de clústers 

7.7. Cloud computing 

7.7.1. Clústers vs. clouds 
7.7.2. Tipos de clouds 
7.7.3. Modelos de servicio en cloud 
7.7.4. Sobresuscripción 

7.8. Monitorización y testing 

7.8.1. Tipos de monitorización 
7.8.2. Visualización 
7.8.3. Tests de infraestructura 
7.8.4. Ingeniería del caos 

7.9. Caso de estudio: Kubernetes 

7.9.1. Estructura 
7.9.2. Administración 
7.9.3. Despliegue de servicios 
7.9.4. Desarrollo de servicios para K8S

7.10. Caso de estudio: OpenStack 

7.10.1. Estructura 
7.10.2. Administración 
7.10.3. Despliegues 
7.10.4. Desarrollo de servicios para OpenStack 

Módulo 8- Internet of Things  

8.1. Internet of Things (IoT)   

8.1.1. Internet del futuro.  
8.1.2. Internet of Things e Industrial Internet of Things  
8.1.3. El consorcio de internet industrial  

8.2. Arquitectura de referencia   

8.2.1. La Arquitectura de referencia  
8.2.2. Capas y componentes  

8.3. Dispositivos IoT   

8.3.1. Clasificación  
8.3.2. Componentes   
8.3.3. Sensores y actuadores  

8.4. Protocolos de comunicaciones   

8.4.1. Clasificación  
8.4.2. Modelo OSI  
8.4.3. Tecnologías  

8.5. Plataformas IoT e IIoT   

8.5.1. La Plataforma IoT  
8.5.2. Plataformas Cloud de propósito general  
8.5.3. Plataformas Industriales  
8.5.4. Plataformas de código abierto  

8.6. Gestión de datos en plataformas IoT  

8.6.1. Mecanismos de gestión  
8.6.2. Datos abiertos  
8.6.3. Intercambio de datos  
8.6.4. Visualización de datos  

8.7. Seguridad en IoT  

8.7.1. Requisitos de seguridad  
8.7.2. Áreas de seguridad  
8.7.3. Estrategias de seguridad  
8.7.4. Seguridad en IIoT  

8.8. Áreas de aplicación de sistemas IoT   

8.8.1. Ciudades inteligentes  
8.8.2. Salud y condición física  
8.8.3. Hogar inteligente  
8.8.4. Otras aplicaciones  

8.9. Aplicación de IIoT a los distintos sectores industriales   

8.9.1. Fabricación  
8.9.2. Transporte  
8.9.3. Energía  
8.9.4. Agricultura y ganadería  
8.9.5. Otros sectores  

8.10. Integración del IIoT en el modelo de industria 4.0   

8.10.1.  IoRT (Internet of Robotics Things)  
8.10.2. Fabricación aditiva 3D  
8.10.3. Big Data Analytics 

Módulo 9. Gestión de Proyectos y Metodologías Agile  

9.1. Dirección y Gestión de Proyectos  

9.1.1. El Proyecto 
9.1.2. Fases de un Proyecto 
9.1.3. Dirección y Gestión de Proyectos 

9.2. Metodología PMI para la Gestión de Proyectos 

9.2.1. PMI (Project Management Institute) 
9.2.2. PMBOK 
9.2.3. Diferencia entre proyecto, programa y porfolio de proyectos 
9.2.4. Evolución de las organizaciones que trabajan con proyectos. 
9.2.5. Activos de los procesos en las organizaciones 

9.3. Metodología PMI para la Gestión de Proyectos: Procesos  

9.3.1. Grupos de procesos 
9.3.2. Áreas de conocimiento 
9.3.3. Matriz de procesos 

9.4. Metodologías Agile para la Gestión de Proyectos 

9.4.1. Contexto VUCA (Volatilidad, incertidumbre, complejidad y ambigüedad) 
9.4.2. Valores Agile 
9.4.3. Principios del manifiesto Agile 

9.5. Framework Agile SCRUM para la Gestión de Proyectos  

9.5.1. Scrum 
9.5.2. Los pilares de la metodología Scrum 
9.5.3. Los valores en Scrum 

9.6. Framework Agile SCRUM para la Gestión de Proyectos. Proceso 

9.6.1. El proceso de Scrum 
9.6.2. Roles tipificados en un proceso Scrum 
9.6.3. Las ceremonias en Scrum 

9.7. Framework Agile SCRUM para la Gestión de Proyectos. Artefactos  

9.7.1. Artefactos en un proceso Scrum  
9.7.2. El Equipo Scrum 
9.7.3. Métricas para evaluación del rendimiento de un equipo Scrum 

9.8. Framework Agile KANBAN para la Gestión de Proyectos. Método Kanban 

9.8.1. Kanban 
9.8.2. Beneficios de Kanban 
9.8.3. Método Kanban. Elementos 

9.9. Framework Agile KANBAN para la Gestión de Proyectos. Prácticas del Método Kanban 

9.9.1. Los valores de Kanban 
9.9.2. Principios del método Kanban 
9.9.3. Prácticas generales del método Kanban 
9.9.4. Métricas para evaluación del rendimiento de Kanban 

9.10. Comparación: PMI, SCRUM y KANBAN  

9.10.1. PMI – SCRUM 
9.10.2. PMI – KANBAN 
9.10.3. SCRUM - KANBAN 

Módulo 10. Comunicación, Liderazgo y Gestión de Equipos 

10.1.    Desarrollo Organizativo en la Empresa 

10.1.1.    Clima, Cultura y Desarrollo Organizativo en la Empresa 
10.1.2.    La Gestión del Capital humano 

10.2.    Modelos de Dirección. Toma de Decisiones 

10.2.1.    Cambio de paradigma en los modelos de dirección 
10.2.2.    Proceso directivo de la empresa tecnológica 
10.2.3.    Toma de Decisiones. Instrumentos de Planificación 

10.3.    Liderazgo. Delegación y Empowerment 

10.3.1.    Liderazgo 
10.3.2.    Delegación y Empowerment 
10.3.3.    Evaluación del Desempeño

10.4.    Liderazgo. Gestión del Talento y del Compromiso 

10.4.1.    Gestión del Talento en la Empresa 
10.4.2.    Gestión del Compromiso en la Empresa 
10.4.3.    Mejora de la Comunicación en la empresa 

10.5.    Coaching Aplicado a la Empresa 

10.5.1.    Coaching Directivo 
10.5.2.    Coaching de Equipos 

10.6.    Mentoring Aplicado a la Empresa 

10.6.1.    Perfil del Mentor 
10.6.2.    Los 4 procesos de un programa de mentoring 
10.6.3.    Herramientas y Técnicas en un Proceso de Mentoring 
10.6.4.    Beneficios del Mentoring en el ámbito de la Empresa 

10.7.    Gestión de Equipos I. Las Relaciones Interpersonales 

10.7.1.    Relaciones Interpersonales 
10.7.2.    Estilos relacionales: Enfoques 
10.7.3.    Reuniones efectivas y acuerdos en situaciones difíciles 

10.8.    Gestión de Equipos II. Los Conflictos 

10.8.1.    Los conflictos 
10.8.2.    Prevenir, afrontar y resolver el conflicto 

    10.8.2.1. Estrategias para prevenir el conflicto 
    10.8.2.2. La gestión de conflictos.Principios básicos 

10.8.3.    Estrategias para resolver conflictos 
10.8.4.    Estrés y motivación laboral 

10.9.    Gestión de Equipos III. La Negociación 

10.9.1.    La negociación en el ámbito directivo de las empresas tecnológicas 
10.9.2.    Estilos de negociación 
10.9.3.    Fases de la negociación 

    10.9.3.1. Barreras a superar en las negociaciones 

10.10.    Gestión de Equipos IV. Técnicas de Negociación 

10.10.1.    Técnicas y estrategias de negociación 

    10.10.1.1. Estrategias y principales tipos de negociación 
    10.10.1.2. Tácticas de negociación y cuestiones prácticas 

10.10.2.    La figura del sujeto negociador 

Una experiencia de capacitación única, clave y decisiva para impulsar tu desarrollo profesional y dar el salto definitivo”