Conviértete en un experto en Tecnologías Informáticas Avanzadas, en pocos meses y en una modalidad 100% online”

El surgimiento y el avance de las nuevas tecnologías es constante en la actualidad. Nuevas herramientas, aplicaciones y plataformas surgen de manera constante, especialmente en campos como el de la informática en los que dicha evolución obliga a los profesionales de las tecnologías a especializar sus conocimientos y mejorar sus habilidades permanentemente.

Este es el motivo por el que TECH ha diseñado una maestría en Tecnologías Informáticas Avanzadas, para dotar a los alumnos con nuevas competencias con las que puedan afrontar su labor en este campo con total capacidad y sabiendo sacarles el máximo rendimiento a estas herramientas. Y esto, a través de un temario que aborda profundamente temas como los Sistemas de Gestión de la Información, la Analítica Web, los Marcos Normativos o la Administración de Sistemas, entre otros.

Todo ello, en una cómoda modalidad que permite al alumno compaginar sus estudios con sus otras obligaciones personales o profesionales, dándole total libertad para organizar sus estudios y sus horarios. Además, con la total disposición de los materiales teóricos y didácticos más completos y actualizados del mercado académico.

TECH brinda la oportunidad de obtener la maestría en Tecnologías Informáticas Avanzadas en un formato 100% en línea, con titulación directa y un programa diseñado para aprovechar cada tarea en la adquisición de competencias para desempeñar un papel relevante en la empresa. Pero, además, con este programa, el estudiante tendrá acceso al estudio de idiomas extranjeros y formación continuada de modo que pueda potenciar su etapa de estudio y logre una ventaja competitiva con los egresados de otras universidades menos orientadas al mercado laboral.

Un camino creado para conseguir un cambio positivo a nivel profesional, relacionándose con los mejores y formando parte de la nueva generación de futuros informáticos capaces de desarrollar su labor en cualquier lugar del mundo.

Alcanza tus metas profesionales más exigentes en el ámbito de la informática, sin necesidad de desplazarte y desde tu móvil, tablet u ordenador”

Este plan de estudios ha sido diseñado por los destacados profesionales que forman parte del equipo de expertos en Tecnologías Informáticas Avanzadas de TECH. Dichos especialistas han volcado su experiencia y sus conocimientos más específicos para crear los contenidos más actualizados, completos y dinámicos del mercado académico.

El programa más completo e innovador sobre Tecnologías Informáticas Avanzadas, creado por los mejores profesionales del sector”

Plan de estudios

El programa de esta maestría en Tecnologías Informáticas Avanzadas se imparte en una modalidad 100% online para que el estudiante pueda organizarse y escoger el momento y el lugar en el que realizar sus estudios. De esta forma, el plan de estudios, que se desarrolla a lo largo de 20 meses, busca ser una experiencia única y motivante que culminará con el éxito profesional.

A lo largo de sus 10 módulos, el alumno podrá poner a prueba las nuevas habilidades que vaya adquiriendo, gracias a una gran variedad de ejercicios prácticos disponibles en el Campus Virtual. Además, tendrá acceso las 24 horas del día a material complementario, vídeos in focus, videos de apoyo, clases magistrales y presentaciones multimedia, con el que ampliar y perfeccionar sus competencias.

Módulo 1. Principales sistemas de gestión de información
Módulo 2. Tipos y ciclo de vida del dato
Módulo 3. Aprendizaje automático
Módulo 4. Análitica web
Módulo 5. Normativa para la 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 de las cosas
Módulo 9. Gestión de proyectos y metodologías agiles
Módulo 10. Comunicación, liderazgo y gestión de equipos

Dónde, cuándo y cómo se imparte

Esta maestría se ofrece 100% en línea, por lo que alumno podrá cursarla desde cualquier sitio, haciendo uso de una computadora, una tableta o simplemente mediante su smartphone.

Además, podrá acceder a los contenidos tanto online como offline. Para hacerlo offline bastará con descargarse los contenidos de los temas elegidos, en el dispositivo y abordarlos sin necesidad de estar conectado a internet.

El alumno podrá cursar la maestría a través de sus 10 módulos, de forma autodirigida y asincrónica. Adaptamos el formato y la metodología para aprovechar al máximo el tiempo y lograr un aprendizaje a medida de las necesidades del alumno.

Aprende nuevas competencias sobre Tecnologías Informáticas Avanzadas, gracias al mejor material didáctico y los ejercicios prácticos más instructivos”

Módulo 1. Principales sistemas de gestión de información

1.1. Sistema de Planificación de recursos empresariales y Gestión de relaciones con el cliente

1.1.1. Sistema de Planificación de recursos empresariales
1.1.2. La Gestión de relaciones con el cliente
1.1.3. Diferencias entre el Sistema de planificación de recursos empresariales y la gestión de relaciones con el cliente. Punto de venta
1.1.4. Éxito empresarial

1.2. Sistema de Planificación de recursos empresariales

1.2.1. Sistema de Planificación de recursos empresariales
1.2.2. Tipos de Sistema de Planificación de recursos empresariales
1.2.3. Desarrollo de un proyecto de implantación de Sistema de Planificación de recursos empresariales
1.2.4. Sistema de Planificación de recursos empresariales. Optimizador de recursos
1.2.5. Arquitectura de un sistema de Planificación de recursos empresariales

1.3. Información aportada por el Sistema de Planificación de recursos empresariales

1.3.1. Información aportada por el Sistema de Planificación de recursos empresariales
1.3.2. Ventajas e inconvenientes
1.3.3. La información

1.4. Sistemas de Planificación de recursos empresariales

1.4.1. Sistemas y herramientas actuales de la Planificación de recursos empresariales
1.4.2. Toma de decisiones
1.4.3. Día a día con un Sistema de Planificación de recursos empresariales

1.5. El proyecto de implantación

1.5.1. La gestión de relaciones con el cliente. Proyecto de Implantación
1.5.2. Gestión de relaciones con el cliente como herramienta comercial
1.5.3. Estrategias para el sistema de información

1.6. Gestión de Relaciones con el Cliente: 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. Fidelización electrónica

1.7. Gestión de Relaciones con el Cliente: 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. Gestión de Relaciones con el Cliente: 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. Gestión de Relaciones con el Cliente: 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. Mercadotecnia relacional

1.10.1. Implantación. Errores
1.10.2. Metodología, segmentación y procesos
1.10.3. Actuación, según el departamento
1.10.4. Herramientas gestión de Relaciones con el Cliente

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 (encontrable, accesible, interoperable y reutilizable)

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

2.7. Manipulación de datos (con R)

2.7.1. Análisis de datos, interpretación y valoración de resultados
2.7.2. Medidas estadísticas
2.7.3. Índices de relación
2.7.4. 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. Aprendizaje automático

3.1. 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. Aprendizaje automático

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. Análisis de grupos

3.5.1. Agrupamiento Jerárquico
3.5.2. Agrupamiento Particional
3.5.3. Métricas para algoritmos en análisis de grupos

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. Agregacipon de Bootstrap 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. Modelo oculto de Markov

3.9. Perceptrón Multicapa

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

3.10. Aprendizaje profundo

3.10.1. Redes Neuronales Profundas. Introducción
3.10.2. Redes Convolucionales
3.10.3. Modelado de secuencia
3.10.4. Paquetería Tensorflow y Pytorch

Módulo 4. Análitica 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. Herramienta de analítica web: Google Analytics

4.2.1. Google Analytics
4.2.2. Uso
4.2.3. Objetivos

4.3. Interacciones con el sitio web

4.3.1. Métricas Básicas
4.3.2. KPI (Indicadores clave de rendimiento)
4.3.3. Porcentajes de conversión adecuados

4.4. Dimensiones frecuentes

4.4.1. Fuente
4.4.2. Medio
4.4.3. Palabra clave
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. Interfaz de programación de aplicaciones

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 Re-mercadotecnia

4.10. Plan de Analítica Digital

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

Módulo 5. Normativa para la 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 en la Evaluación de Impacto relativa a la protección de los datos personales
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 registro
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 (transferencia de estado representacional)
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 o Conjetura de Brewer
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. Procesamiento por lotes
6.8.2. Modelo MapReduce
6.8.3. Enfoques posteriores al modelo 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

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. Contenedores
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. Computación en la nube

7.7.1. Clústers vs. nubes
7.7.2. Tipos de nubes
7.7.3. Modelos de servicio en nube
7.7.4. Sobresuscripción

7.8. Monitorización y pruebas

7.8.1. Tipos de monitorización
7.8.2. Visualización
7.8.3. Pruebas 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 de las cosas

8.1. Internet de las cosas (IoT)

8.1.1. Internet del futuro
8.1.2. Internet de las cosas (IoT) e Internet Industrial de las cosas (IIoT)
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 de interconexión de sistemas abiertos (OSI)
8.4.3. Tecnologías

8.5. Plataformas IoT e IIoT

8.5.1. La Plataforma IoT
8.5.2. Plataformas en nube 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 de las cosas robóticas)
8.10.2. Fabricación aditiva 3D
8.10.3. Analítica de macrodatos

Módulo 9. Gestión de proyectos y metodologías agiles

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 (Guía de los fundamentos para la dirección de proyectos)
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. Marco de trabajo Agile SCRUM para la Gestión de Proyectos

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

9.6. Marco de trabajo 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. Marco de trabajo 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. Marco de trabajo Agile KANBAN para la Gestión de Proyectos. Método Kanban

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

9.9. Marco de trabajo 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 Empoderamiento

10.3.1. Liderazgo
10.3.2. Delegación y Empoderamiento
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. Entrenamiento Aplicado a la Empresa

10.5.1. Entrenamiento Directivo
10.5.2. Entrenamiento de Equipos

10.6. Mentoría Aplicada a la Empresa

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

10.7. Gestión de Equipos I. Las Relaciones Interpersonales

10.7.1. Relaciones Interpersonales

10.7.1.1. Estilos relacionales: Enfoques
10.7.1.2. 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
10.8.2.3. Estrategias para resolver conflictos

10.8.3. 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

Matricúlate ahora e incorpórate a una experiencia académica única con la que mejorar tus conocimientos en la Gestión de Datos y su Marco Normativo”