Menú
¡Llama gratis! 900 264 357

Máster en Data Science & Deep Learning del centro MIOTI. Tech Business School

Programa de Máster en Data Science & Deep Learning

Modalidad: Presencial
Duración 9 Meses / 370 Horas
Precio: 12750 €
Localización: Madrid
Becas hasta el 25%

Descripción

Sé un destacado experto en Data Science y Deep Learning, iniciando tus estudios con el mejor máster en esta importante área.

Al iniciar el máster los participantes conocerán a profundidad todo lo relacionado al mundo del Data Science y el Deep Learning, asi como la importante influencia de las nuevas tecnologías en este sector..

A quién va dirigido

La formación esta diseñada para todas aquellas personas interesadas en el mundo del Data Science y el Deep Learning

Objetivos

Formar profesionales de alta calidad en este sector.

Temario


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).

Statistics for DS

Repaso de los fundamentos de

estadística necesarios para dominar la

ciencia de los datos. Estadística

descriptiva, contraste de hipótesis, etc...

Data pre-processing

¿Cómo pre-procesar adecuadamente

los datos?. Aplicación de filtros,

anonimización de datos, selección de

atributos, sampling y reducción de

dimensionalidad.

Data visualization

¿Cómo visualizar diferentes tipos de

datos? ¿Qué técnicas utilizar?. Uso de

matplotlib, bokeh y seaborn entre otras.

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.

Machine learning I

Introducción a los problemas de

clasificación. ¿Cómo evaluar los

resultados? ¿Cómo construir los datasets?

Revisión de los principales algoritmos

(knn, árboles de decisión, máquinas de

vector soporte, redes neuronales,

xgboost) y sus distintas aplicaciones.

Entrepreneurship I

Discusión y descubrimiento de nuevos

modelos de negocio basados en data

science.

.Final project

Desarrollo de un proyecto final para

afianzar los conocimientos adquiridos

durante el programa.

Advanced Data Processing

Tratamiento de fuentes de datos

(ETL/ELT). Arquitecturas de

procesamiento en batch, streaming.

Bases de datos (estructuradas y no

estructuradas)

Big Data fundamentals

Visión general de los conceptos

fundamentales de las soluciones Big

Data. Se repasarán arquitecturas de

referencia y modelos de adopción con las

principales tecnologías actuales

incluyendo procesos de ingesta, análisis y

visualización de datos en tiempo real.

Deep learning

Conceptos fundamentales de las redes

neuronales profundas. Además de

proporcionar un recorrido teórico-práctico

se aprenderán a utilizar las herramientas

más importantes (tensorflow y keras) y a

implementar soluciones desde cero.

Computer vision

Conceptos fundamentales de las técnicas

de visión por computador (Computer

Vision). Se realizará un recorrido teórico

práctico de las principales técnicas desde

filtros de procesamiento básico a técnicas

de reconocimiento de patrones mediante

redes neuronales convolucionales.

Natural language processing

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.

Entrepeneurship II

Discusión y descubrimiento de nuevos

modelos de negocio basados en data

science.

Entrepeneurship II

Discusión y descubrimiento de nuevos

modelos de negocio basados en data

science.

Reinforcement learning

Introducción a los 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.

Machine Learning III

Técnicas avanzadas de Machine Learning.

AutoML, programación evolutiva,

aprendizaje incremental, ... Revisión del

estado del arte actual y el futuro del

machine learning.


Reto Kaggle

Elegirás una competición de Kaggle

en la que participarás y revisaremos

las oportunidades y las herramientas

que pone a disposición de la

comunidad de Data Science el

equipo de Kaggle.

Final project

Desarrollo de un proyecto final para

afianzar los conocimientos adquiridos

durante el programa.


Titulación obtenida

Tras culminar con éxito la formación el alumno es titulado como Máster en Data Science & Deep Learning

Requisitos

No requiere documentación previa.

Información Adicional

Fecha inicio

Septiembre 2021

Contacta ahora con el centro