Aprenderás en instalaciones totalmente dotas con los más recientes medios técnicos y laboratorios, también podrás estudiar en un HUB donde residen startups como Uber y se prototipan y desarrollan los productos del mañana. Además realizarás prácticas en las mejores empresas del país.
Personas que deseen aprender a extraer el mayor beneficio a los datos.
Data Storytelling
Estrategias para conectar los análisis de datos con los objetivos de negocio, desarrollar historias que conecten con distintos tipos de audiencias y métodos de presentar de forma creativa los datos.
Data Strategy & Analytics
Gestión de los datos para alcanzar ventajas analíticas y conseguir nuestros objetivos de crecimiento.
Data Visualization
¿Cómo visualizar diferentes tipos de datos? ¿Qué técnicas utilizar?. Uso de matplotlib, bokeh y seaborn entre otras.
Data Science Fundamentals
Introducción a conceptos fundamentales de data science. Presentación del marco de referencia general.
Data Pre-Processing
¿Cómo pre-procesar adecuadamente los datos?. Aplicación de filtros, anonimización de datos, selección de atributos, sampling y reducción de dimensionalidad. Preprocesamiento de fuentes de datos en modo texto.
Databases & SQL
Dominar las principales bases de datos y el lenguaje SQL, aprender las últimas técnicas de almacenaje, manipulación y extracción de datos grabados en BBDD relacionales.
Data Governance & Ethics
Analizaremos las mejores prácticas para administrar los datos, toda la gama de responsabilidades que conlleva el uso de datos en automated decision making, including data security, privacy and transparency.
BI Tools: Power BI, Qlikview, Tableau & Excel
Analizaremos datos con una excelente capa de visualización y presentación en un formato comprensible, fácil e intuitivo.
Data Analytics with Python
Python como framework del especialista de Data Analytics. Desarrollo de notebooks, uso de pandas y numpy. Procesamiento de datos de fuentes estructuradas (CSV, REST, Logs) y no estructuradas (Web).
Machine Learning & Deep Learning
Problemas de clasificación. ¿Cómo evaluar los resultados? ¿Cómo construir los datasets? Principales algoritmos (knn, árboles de decisión, máquinas de vector soporte, redes neuronales profundas, xgboost).
Final Project
La temática podrá ser propuesta por el estudiante o seleccionada de una lista proporcionada por MIOTI.
Finalizada la formación, recibirás una titulación que acredita los conocimientos obtenidos.
No es necesario que el estudiante posea conocimientos previos en el sector.
Información Adicional
Convocatorias anuales marzo/abril o septiembre/octubre.
Podrás desempeñarte como:
