ii máster de arquitectura big data

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
· ESCUELA BIG DATA SCIENCE DE KSCHOOL
· DESCRIPCIÓN
· OBJETIVOS
· DIFERENCIA ENTRE BIG DATA Y DATA SCIENCE
· PERFIL DEL ALUMNO
· 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
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!
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