Lo sentimos, en estos momentos este programa no está activo en CanalCursos.com
Máster en Ciencia de Datos
- Máster |
- Online y Presencial en Madrid
Precio
Contacta con el centro para más información
Pide Información y sin compromiso
Descripción del curso
Detalles
Dirigido a:
Requisitos de acceso:
Los perfiles de acceso del Máster son los que se corresponden con las titulaciones universitarias en Matemáticas, Física, Ingeniería informática y otras ingenierías relacionadas.
Comentarios:
Creación de modelos predictivos y prescriptivos.
Tecnologías, programación y data science con conocimientos aplicados de análisis y gestión de datos
En la última década el análisis de datos y la toma de decisiones basadas en ellos ha cambiado y esta´ transformando la mayoría de los sectores industriales, tanto a nivel nacional como a nivel global.
La demanda de perfiles de Científicos de Datos por las empresas se ha visto incrementada y se prevé´ que esta tendencia continúe, como parte de la transformación digital de las empresas. Según el informe de Indicadores de Uso de Inteligencia Artificial en las Empresas Españolas, solamente un 7% de las empresas españolas utilizan Inteligencia Artificial, por lo que hay un gran espacio para profesionales formados en este campo.
Las grandes empresas tecnológicas están apostando fuertemente por el reclutamiento de personas con conocimiento en algoritmia, estadística y negocio que puedan continuar investigando y desarrollando nuevos modelos basados en datos.
El alto componente tecnológico de este sector, hace que las titulaciones tengan que estar adaptadas a las necesidades y cambios que se producen constantemente en este campo. Este exclusivo programa tiene una clara orientación profesional, ya que es un complemento idóneo para muchos profesionales del sector tecnológico. Graduados en Matemáticas, Física, Ingeniería informática y otras ingenierías relacionadas pueden completar su formación con este Máster, perfil muy demandado por las empresas.
Análisis de la información para mejorar y optimizar todos los procesos productivos
INSTALACIONES TOTALMENTE EQUIPADAS
Los estudiantes tienen a su disposición unos laboratorios equipados con los mejores equipos, pensados y diseñados para aprender practicando.
UN PROGRAMA DE VANGUARDIA
El programa incluye competencias específicas para comprender y diseñar algoritmos de aprendizaje automático (Machine Learning) y de aprendizaje profundo (Deep Learning, redes neuronales).
UNA MODALIDAD ADAPTADA A TUS NECESIDADES
La posibilidad de cursar el programa de manera presencial o a distancia permite al estudiante compatibilizar su vida personal y profesional con su formación.
Competencias
C1: Planificar de manera óptima los recursos y tiempos de ejecución de proyectos con el fin de aumentar la eficiencia del proyecto.
C2: Definir las necesidades del equipo técnico, definiendo roles y responsabilidades, de acuerdo con las especificaciones del proyecto, para aumentar el rendimiento y trabajar de manera ágil.
C3: Identificar qué datos del producto/proceso/servicio pueden ser recolectados, con el fin de detectar qué mejoras y beneficios puede aportar el tratamiento de estos al negocio.
C4: Aplicar metodologías de trabajo adecuadas para colaborar de manera transversal con otros departamentos de la empresa, e identificar así las fuentes de datos adecuadas.
C5: Diseñar y crear conjuntos de datos que incluyan características y variables objetivo que sean acordes al problema a resolver.
C6: Implementar mecanismos para la captura de datos de diferentes fuentes (web, repositorios, aplicaciones) utilizando mecanismos diversos: queries, API, scrapping, etc.
C7: Utilizar de manera eficientes los conceptos estadísticos para extraer y detectar tendencias dentro de los datos, lo cual es imprescindible para la selección adecuada de los modelos matemáticos.
C8: Diseñar la infraestructura adecuada en la organización para desplegar adecuadamente los modelos en producción.
C9: Sintetizar los resultados obtenidos, para así transmitirlos adecuadamente a los responsables de los departamentos de negocio.
C10: Optimizar modelos de aprendizaje automático en base a los resultados de entrenamiento obtenidos.
C11: Actuar con los principios éticos y legales necesarios para una correcta manipulación de datos, según el ámbito de cada aplicación.
Salidas Profesionales
Destacan las siguientes posiciones como salidas laborales:
Director/a de Big Data y/o Anali´tica Avanzada
Responsable de Anali´tica Avanzada o de Analytics
Responsable de Inteligencia de Negocio (BI)
Manager de IA
Responsable de Ana´lisis de Datos
Responsable de Modelos
Manager de DS
Experto en IA
Data Scientist
Modelizador
Experto en NLP
Consultor/a o Te´cnico/a DS
Consultor/a o Te´cnico/a de Big Data
Experto en Deep Learning
Temario:
El estudiante debe cursar 60 créditos
Primer Semestre 30 ECTS
De octubre a enero, ambos incluidos
6 ECTS | Matemáticas aplicadas a ciencia de datos
6 ECTS | Análisis estadístico de datos
6 ECTS | Lenguajes de programación para ciencia de datos
6 ECTS | Bases de datos
6 ECTS | Machine Learning
Segundo Semestre 30 ECTS
De enero a junio, ambos incluidos
6 ECTS | Redes neuronales y Deep Learning
6 ECTS | Machine Learning II
6 ECTS | Gestión de proyectos
6 ECTS | Prácticas
6 ECTS | Trabajo fin de máster
Profesorado:
La plantilla de profesores prevista para este título está formada por 16 profesores, 8 están contratados a tiempo completo y 8 son profesores asociados.
Porcentaje de doctores: 50 %
Titulación:
* Titulación pendiente de verificar por organismo acreditado.
TITULACIÓN Máster Universitario.
Duración:
1 año
Fechas:
Fecha de inicio: octubre 2023....
Requisitos de acceso:
Los perfiles de acceso del Máster son los que se corresponden con las titulaciones universitarias en Matemáticas, Física, Ingeniería informática y otras ingenierías relacionadas.
Comentarios:
Creación de modelos predictivos y prescriptivos.
Tecnologías, programación y data science con conocimientos aplicados de análisis y gestión de datos
En la última década el análisis de datos y la toma de decisiones basadas en ellos ha cambiado y esta´ transformando la mayoría de los sectores industriales, tanto a nivel nacional como a nivel global.
La demanda de perfiles de Científicos de Datos por las empresas se ha visto incrementada y se prevé´ que esta tendencia continúe, como parte de la transformación digital de las empresas. Según el informe de Indicadores de Uso de Inteligencia Artificial en las Empresas Españolas, solamente un 7% de las empresas españolas utilizan Inteligencia Artificial, por lo que hay un gran espacio para profesionales formados en este campo.
Las grandes empresas tecnológicas están apostando fuertemente por el reclutamiento de personas con conocimiento en algoritmia, estadística y negocio que puedan continuar investigando y desarrollando nuevos modelos basados en datos.
El alto componente tecnológico de este sector, hace que las titulaciones tengan que estar adaptadas a las necesidades y cambios que se producen constantemente en este campo. Este exclusivo programa tiene una clara orientación profesional, ya que es un complemento idóneo para muchos profesionales del sector tecnológico. Graduados en Matemáticas, Física, Ingeniería informática y otras ingenierías relacionadas pueden completar su formación con este Máster, perfil muy demandado por las empresas.
Análisis de la información para mejorar y optimizar todos los procesos productivos
INSTALACIONES TOTALMENTE EQUIPADAS
Los estudiantes tienen a su disposición unos laboratorios equipados con los mejores equipos, pensados y diseñados para aprender practicando.
UN PROGRAMA DE VANGUARDIA
El programa incluye competencias específicas para comprender y diseñar algoritmos de aprendizaje automático (Machine Learning) y de aprendizaje profundo (Deep Learning, redes neuronales).
UNA MODALIDAD ADAPTADA A TUS NECESIDADES
La posibilidad de cursar el programa de manera presencial o a distancia permite al estudiante compatibilizar su vida personal y profesional con su formación.
Competencias
C1: Planificar de manera óptima los recursos y tiempos de ejecución de proyectos con el fin de aumentar la eficiencia del proyecto.
C2: Definir las necesidades del equipo técnico, definiendo roles y responsabilidades, de acuerdo con las especificaciones del proyecto, para aumentar el rendimiento y trabajar de manera ágil.
C3: Identificar qué datos del producto/proceso/servicio pueden ser recolectados, con el fin de detectar qué mejoras y beneficios puede aportar el tratamiento de estos al negocio.
C4: Aplicar metodologías de trabajo adecuadas para colaborar de manera transversal con otros departamentos de la empresa, e identificar así las fuentes de datos adecuadas.
C5: Diseñar y crear conjuntos de datos que incluyan características y variables objetivo que sean acordes al problema a resolver.
C6: Implementar mecanismos para la captura de datos de diferentes fuentes (web, repositorios, aplicaciones) utilizando mecanismos diversos: queries, API, scrapping, etc.
C7: Utilizar de manera eficientes los conceptos estadísticos para extraer y detectar tendencias dentro de los datos, lo cual es imprescindible para la selección adecuada de los modelos matemáticos.
C8: Diseñar la infraestructura adecuada en la organización para desplegar adecuadamente los modelos en producción.
C9: Sintetizar los resultados obtenidos, para así transmitirlos adecuadamente a los responsables de los departamentos de negocio.
C10: Optimizar modelos de aprendizaje automático en base a los resultados de entrenamiento obtenidos.
C11: Actuar con los principios éticos y legales necesarios para una correcta manipulación de datos, según el ámbito de cada aplicación.
Salidas Profesionales
Destacan las siguientes posiciones como salidas laborales:
Director/a de Big Data y/o Anali´tica Avanzada
Responsable de Anali´tica Avanzada o de Analytics
Responsable de Inteligencia de Negocio (BI)
Manager de IA
Responsable de Ana´lisis de Datos
Responsable de Modelos
Manager de DS
Experto en IA
Data Scientist
Modelizador
Experto en NLP
Consultor/a o Te´cnico/a DS
Consultor/a o Te´cnico/a de Big Data
Experto en Deep Learning
Temario:
El estudiante debe cursar 60 créditos
Primer Semestre 30 ECTS
De octubre a enero, ambos incluidos
6 ECTS | Matemáticas aplicadas a ciencia de datos
6 ECTS | Análisis estadístico de datos
6 ECTS | Lenguajes de programación para ciencia de datos
6 ECTS | Bases de datos
6 ECTS | Machine Learning
Segundo Semestre 30 ECTS
De enero a junio, ambos incluidos
6 ECTS | Redes neuronales y Deep Learning
6 ECTS | Machine Learning II
6 ECTS | Gestión de proyectos
6 ECTS | Prácticas
6 ECTS | Trabajo fin de máster
Profesorado:
La plantilla de profesores prevista para este título está formada por 16 profesores, 8 están contratados a tiempo completo y 8 son profesores asociados.
Porcentaje de doctores: 50 %
Titulación:
* Titulación pendiente de verificar por organismo acreditado.
TITULACIÓN Máster Universitario.
Duración:
1 año
Fechas:
Fecha de inicio: octubre 2023.
Sede principal del centro
Madrid: Calle Santa Cruz de Marcenado nº27 - 28015 - Madrid- Madrid: Calle Santa Cruz de Marcenado nº27 - 28015 - Madrid
