Menú
¡Llama gratis! 900 264 357

Máster en Data Science for Graduates en Madrid

Programa de Máster en Data Science for Graduates

Modalidad: Semi-presencial
Inicio: A partir del 01/09/2021
Duración 400 horas
Precio: 11212.5€ 14950€
Localización: Madrid
Becas hasta el 25%

Descripción

Adquiere un perfil profesional altamente demandado en Data Science, emplea las últimas tecnologías de Inteligencia Artificial. Podrás acceder a las clases online vía Streamig o presencial siempre bajo medidas de seguridad contra el Covid 19.


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.


A quién va dirigido

El máster está especialmente diseñado para toda persona que desee formarse en Data Science.

Objetivos

  • Conocer los más recientes modelos de Inteligencia Artificial y aplicarlos en casos reales.
  • Domina las redes neuronales, los algoritmos de Machine Learning y Deep Learning.
  • Realizar practicas con retos de Kaggle para medirte con otros  Data Scientists.


Temario

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.

Titulación obtenida

Culminada la formación obtendrás una titulación que acredita los conocimientos adquiridos.

Requisitos

Para acceder al máster es necesario que el aspirante posea las siguientes condiciones:

  • Tener entre los 23 a 30 años de edad.
  • Un buen expediente académico.
  • Ser recién graduados procedente de: Carreras técnicas como Ingenierías, Matemáticas, Estadística o Carreras de negocio con conocimiento técnicos avanzados y certificaciones.


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.

Contacta ahora con el centro