Centro Premium
En la actualidad el mercado laboral está solicitando ampliamente perfiles profesionales con conocimientos en manejo, análisis e interpretación los datos para servir a los objetivos de negocio que combinen la analítica y la estrategia con la parte técnica.
El máster te preparará para ello, dominarás los conceptos básicos de preprocesamiento de datos, Inteligencia Artificial y programación en Python, profundizarás en los últimos modelos de redes neuronales profundas y reconocimiento de imágenes.
Aprenderás a trabajar con datasets reales aplicando machine learning y resolviendo problemas de negocio en clase y en las prácticas. Finalizado el programa accederás aun periodo de prácticas en empresas de alto prestigio, así podrás enfrentar cualquier reto del mundo laboral.
El máster está especialmente diseñado para toda persona que desee formarse en Data Science.
Data Science Fundamentals
Introduction
Introducción a MIOTI, iniciación en las plataformas que se van a utilizar durante el programa e iniciación en el curso.
Python for Beginners
Introducción a la programación y preparación para su aplicación en Data Science.
Data Science fundamentals
Introducción a conceptos fundamentales de data science. Presentación del marco de referencia general.
Data Science with Python
Python como framework del especialista de data science. Desarrollo de notebook, uso de pandas, numpy, matplotlib. Procesamiento de datos de fuentes estructuradas (CSV, REST, SQL, Logs) y no estructuradas (Web, Spark, Cassandra).
Statistics for DS
Repaso de los fundamentos de estadística necesarios para dominar la ciencia de los datos.
Data Preprocessing
¿Cómo preprocesar adecuadamente
los datos? Aplicación de filtros, anonimización de datos, selección de atributos, sampling y reducción de dimensionalidad.
Data Visualization
Herramientas para visualización de datos. Introducción a las técnicas y librerías mas utilizadas.
Predictive Analytics
Introducción al análisis de series temporales, revisión de los mejores algoritmos disponibles. Desarrollo de casos de uso de detección de anomalías y predicción de series.
Data Science Advanced
Machine Learning
Introducción a los problemas de clasificación y clusterización. Construcción de data sets y evaluación de resultados.
Machine Learning II
Revisión de los principales algoritmos de aprendizaje supervisado bayes , vectores de
soporte, regresiones, y no supervisado y su aplicación.
Machine Learning III
Aplicación de redes convolucionales y modelos recurrentes profundos como TensorFlow en aplicaciones prácticas con imágenes. Implementación y diseño de modelos neuronales para la resolución de problemas modelización/clasificación y diseño de GAN (modelos generativos
antagónicos) para la gestión de datos.
Deep Learning
Introducción de conceptos fundamentales de las redes neuronales profundas. Recorrido teórico práctico, aprender a utilizar las herramientas más importantes y a implementar soluciones desde cero.antagónicos) para la gestión de datos.
Computer Vision
Introducción a conceptos fundamentales de las técnicas de Visión por Computadora (Computer Vision). Recorrido teórico práctico de las principales técnicas.
Reinforcement Learning
Introducción a conceptos del aprendizaje por refuerzo. Conocer las formas de calcular medias y promedios móviles, procesos de decisión de Markov, programación dinámica, diferencia temporal de aprendizaje y métodos de aproximación.
Natural Language Preprocessing
Introducción a conceptos fundamentales de los mecanismos empleados para la comunicación entre personas y máquinas por medio del lenguaje natural. Conocer las interacciones y su aplicación en el campo de inteligencia artificial.
Big Data for DS
Conceptos fundamentales de soluciones Big Data. Arquitecturas de referencia y modelos de adopción con las principales tecnologías actuales incluyendo procesos de ingesta, análisis y visualización de datos en tiempo real.
Business & Tech
Reto Kaggle
Escogeréis y desarrollaréis un reto para mediros con los mejores profesionales del mundo y así valorar lo que se ha aprendido durante el máster.
Entrepreneurship
Entendimiento de los nuevos modelos de negocio basados en data science que están surgiendo en el sector empresarial e industrial, y las técnicas para implementar ideas basadas en esta
tecnología.
Entrepreneurship II
Profundizar en los nuevos modelos de negocio basados en data science que están surgiendo en el sector empresarial e industrial, y las técnicas para implementar ideas basadas en esta tecnología.
Project Management
Conocer las fases de desarrollo e implementación de proyectos, identificar aquellos elementos a tener en cuenta para facilitar la ejecución minimizando las incidencias previsibles que se encuentran en este tipo de proyectos.
Soft Skills
Expertos profesionales darán una clase magistral de como presentar proyectos y skills de oratoria y negociación.
DS for Business
Aplicaciones prácticas de la AI para negocio, Algorithm Driven Companies, Skills Transformations, Data Driven Companies.
New Technologies
Iniciación a Blockchain, Industria 4.0, Internet of Things y Robotics.
Final Project
Desarrollo de un proyecto final para afianzar los conocimientos adquiridos durante el programa.
Culminada la formación obtendrás una titulación que acredita los conocimientos adquiridos.
Para acceder al máster es necesario que el aspirante posea las siguientes condiciones:
Los siguientes son los requisitos de admisión
• CV.
• Expediente académico.
• Carta de motivación.
• Entrevista con nuestra responsable de admisiones.
Información Adicional
Salidas profesionales
Culminado el máster podrás trabajar como:
Data Scientist.
Deep Learning Expert.
Business Analyst.
Data Analyst.
Data Engineer.
Machine Learning Expert.
Chief Data Officer.
Business Intelligence Professional.
Data Architect.
Statistician.
