Pide Información SIN COMPROMISO

Máster en Data Science Online

Máster en Data Science Online
Especialízate desde cero para dominar las áreas de <b>Data Science, Inteligencia Artificial </b>y Machine Learning. Aplicando los lenguajes... Seguir leyendo

¿NOS DEJAS TU OPINIÓN?

Si has realizado este curso, ¿por qué no darnos tu opinión?. Si lo haces, estarás ayudando a miles de personas que, como tu en su momento, están intentando cambiar su vida a través de la formación. No hay mejor ayuda, para decidirse entre miles de cursos, que la opinión de una persona que ha vivido la experiencia de cursarlo, miles de personas te lo agradecerán.

Danos tu opinión detallada sobre el Máster en Data Science Online. No olvides decirnos que te pareció el temario del curso, el profesorado, la accesibilidad al equipo del centro para resolver tus dudas y, en el caso de los programas online, la calidad del campus virtual.

Tu experiencia es muy valiosa
Tu voto
Haz clic para puntuar
ENVIAR
Descripción del Máster

Especialízate desde cero para dominar las áreas de <b>Data Science, Inteligencia Artificial </b>y Machine Learning. Aplicando los lenguajes de programación R, Python y SQL, serás capaz de aplicar estratégicamente la ciencia de datos en sectores como la banca, el marketing, CRM, finanzas, operaciones o RR.HH.. Esto te permitirá gestionar proyectos basados en ciencia de datos y Big Data, para impulsar iniciativas de analítica avanzada desde diferentes áreas del negocio.

Competencias Profesionales:
Estas son algunas de las funciones que podrás desempeñar al especializarte en Data Science: Data Scientist, Data Analyst, Data Engineer, experto en visualización de datos, experto en arquitecturas de almacenamiento y procesamiento de datos, experto en machine learning, experto en inteligencia de negocio, Chief Data Officer (CDO), Business Analytics, Business Intelligence. A través del Máster Data Science Online adquieres los conocimientos técnicos requeridos para optar a las siguientes certificaciones: AWS Certified Data Analytics, Google Data Analytics Certificate, IBM Data Analytics Professional, Associates Certified Analytics Professional (aCAP), Professional Certification BigML Certified Engineer.

Career Readiness:
Ofrecemos a nuestros alumnos una formación integral que les prepara para el mercado laboral. A través de un itinerario personalizado, les ayudamos a desarrollar sus competencias profesionales, a establecer relaciones con empresas y a superar los procesos de selección.

Una formación alternativa:
En todos nuestros contenidos incluimos un porcentaje de Human Sciences para relacionar la tecnología con las soft skills.

Metodología Learning By Doing:
Se centra en la aplicación práctica de conocimientos y habilidades para fomentar un aprendizaje significativo y duradero.

- Becas: a consultar con el centro.
- Promociones y descuentos: a consultar con el centro.
- Titulación propia.
- Bolsa de trabajo
- Prácticas en empresas
- Regalo:
. Curso de IA generativa: prompt engineering y productividad
. Curso de Introducción a la programación: Python

Destinatarios del Máster

- Recién graduados que quieran prepararse para el entornoactual.
- Profesionales que quieren impulsar su carrera.
- Titulados en ingeniería, matemáticas, estadística u otrasciencias.
- Perfiles orientados a negocio que quieran desarrollar sucarrera.

Objetivos del Máster

Objetivos:


- Lenguajes de programación: Python, y SQL.
- Extraer, procesar y analizar datos para la toma dedecisiones utilizando técnicas y herramientas actuales.
- Gestionar proyectos basados en ciencia de datos y bigdata. Impulsar iniciativas de analítica avanzada desde diferentes áreas delnegocio.
- Adquirir una visión integral y transversal de solucionesBig Data y Cloud.
- Generar informes, cuadros de mando y representacionesvisuales de datos.
- Anticipar y detectar patrones, tendencias y causas conanalítica predictiva y Machine Learning.
- Dominar la aplicación estratégica de Data Science en áreascomo marketing, CRM, banca y finanzas, operaciones, RRHH, e IoT entre otras.

Temario del Máster

Plan de Estudios:
Prework:
Este Prework permite introducir conceptos en los que el programa profundizará, haciendo que el alumno se sienta cómodo desde el primer día y consiguiendo que todo el grupo tenga un nivel parejo, lo que permite avanzar más y mejor, así como mejorar la cooperación entre todos los integrantes.
Funcionamiento básico de un ordenador: Conceptos como hardware y software, CPU, memoria, dispositivos de almacenamiento, sistemas operativos y redes.
Introducción a los lenguajes de programación: Explicar qué es un lenguaje de programación, para qué sirve y los tipos de lenguajes (compilados e interpretados).Dar una visión general de los lenguajes más utilizados en la actualidad, y por qué se usan.
Conceptos fundamentales de programación: Hablar de elementos como variables, tipos de datos, operaciones, estructuras de control de flujo (if/else, bucles) y funciones.Enseñar cómo descomponer un problema complejo en subproblemas más pequeños y manejables.Contarlo todo de forma muy básica para evitar meterse en el módulo de Fundamentos de Programación (ya con python).
Herramientas de desarrollo y buenas prácticasIntroducir el uso de un IDE, como PyCharm o VSCode, así como los notebooks. Hablar sobre el control de versiones con Git.Mencionar buenas prácticas de programación, como la importancia de comentar el código y seguir convenciones de estilo (pythonic code).
Introducción a las estructuras de datos: Presentar conceptos como arrays, listas, conjuntos, diccionarios/mapas y árboles.Enfocarlo no dentro de un lenguaje de programación específico, más a nivel de pseudocódigo también. El objetivo es que los estudiantes comprendan qué son, para qué se utilizan y cuándo podría ser apropiado utilizar una estructura de datos sobre otra.Conceptos fundamentales de bases de datos: Explicar qué es una base de datos, para qué se utiliza y qué tipos existen (por ejemplo, bases de datos relacionales y no relacionales).Introducir conceptos clave como tabla, registro, campo, clave primaria y relaciones entre tablas.

Las herramientas del científico de datos 50h.:
Revisión de los conceptos claves de programación necesarios para abordar el tratamiento y aprovechamiento de los datos mediante código. Introducción al lenguaje de programación R y amplia presentación de las capacidades que ofrece Python.
Fundamentos de Python y librerías para ciencia de datos: Numpy, PandasPython intermedio y avanzadoProcesamiento de datos y visualización con Python

Inteligencia de Negocio y Visualización 80h.:
En este módulo aprenderemos qué son las bases de datos y los principales tipos que existen. Entraremos en el mundo del modelado de las bases de datos relacionales y aprenderemos a programar en SQL. Ademas, estudiaremos qué son los procesos ETL y cómo se diseñan e implementan.
Diseño de base de datosEstándar SQL IEstándar SQL IIEl almacén de datos / Datawarehouse y Herramientas y procesos de extracción, transformación y carga ETL"

La ciencia de datos. Técnica de análisis, minería y visualización 80h.:
En esta asignatura repasaremos el ciclo de vida del dato y cómo afecta en el proceso a de análisis de los datos. Además, nos introduciremos en el mundo de la visualización de datos, dónde aprendemos a diseñar dashboards en PowerBI.
Ciclo de vida y calidad del datoPreparación y pre proceso de datosHerramientas y técnicas de visualización IHerramientas y técnicas de visualización II

Impacto y valor del Big Data 80h.:
Este módulo tiene como finalidad conocer el análisis big data como herramienta para abordar temas sustantivos y preguntas de investigación. Aprenderás qué se entiende por big data, su evolución en el contexto histórico, entender las causas que han llevado a la aparición de las tecnologías big data y compararlo con la inteligencia de negocio tradicional.
Introducción al mundo del Big DataInteligencia de Negocio vs. Big DataTecnologías Big DataValor del dato y aplicaciones por sectores

Tecnología y Herramientas Big Data 80h.:
Conocer y utilizar las herramientas que componen el ecosistema para el manejo de gran cantidad de datos. Entre estos, está Spark, Hadoop o las BBDD NoSQL.
HADOOP y su ecosistemaSPARKBases de datos NOSQLPlataformas CLOUD

Estadística para el científico de datos 80h.:
En este módulo aprenderás los fundamentos de Programación en R, un lenguaje de programación para estadística. En paralelo, se introducirán los principales conceptos estadísticos que son esenciales para el análisis de datos.
Introducción a la estadísticaProbabilidad y muestreoInferencia y regresión linealDiseño de experimentos

Inteligencia Artificial: Machine Learning y Deep Learning 64h.:
Aprender los conceptos y algoritmos fundamentales en una de las piezas angulares de la ciencia de datos y la inteligencia artificial, el denominado “aprendizaje automático”.
Herramientas para machine learning y técnicas y aplicaciones del aprendizaje supervisadoTécnicas y aplicaciones del aprendizaje no supervisadoModalidades y técnicas de deep learningSoluciones en la nube para machine learning

Capstone Project 50h.:
Trabajo final del Máster en el que se pone en práctica todo lo aprendido aplicándolo a un caso real y sobre datos conectados con el mundo profesional. Se realiza en la parte final del plan de estudios, con carácter obligatorio, y bajo la supervisión del tutor asignado. Además, este trabajo implica una defensa ante un tribunal que debe ser superada.
* El programa académico puede estar sujeto a cambios en función de la diferente variedad en la demanda de skills dominantes del mercado. Nuestro objetivo es tu empleabilidad.

Duración del Máster

600 horas. 11 meses | 2 Sesiones semanales de clases en directo.