Lo sentimos, en estos momentos este programa no está activo en CanalCursos.com
Máster en Data Science & Analytics
- Máster |
- Online y Presencial en Madrid
Becas de hasta el 25%
15.950 €
Contacta con el centro para más información
Pide Información y sin compromiso
Descripción del curso
Detalles
Dirigido a:
Requisitos para la realización del curso:
Los alumnos tienen que tener un grado, licenciatura, ingeniería técnica o superior, etc. terminado
Comentarios:
LIDERA LA PROFESIÓN MÁS DEMANDADA DEL MERCADO
El mercado actual requiere profesionales que sepan manejar, analizar e interpretar los datos para servir a los objetivos de negocio. Las empresas necesitan estos perfiles especializados que combinen la analítica y la estrategia con la parte técnica, por lo que la formación en esta disciplina se convierte en un valor diferencial para los recién graduados.
En MIOTI te preparamos para esta realidad tan prometedora. Con nosotros aprenderás desde conceptos básicos de preprocesamiento de datos, Inteligencia Artificial y programación en Python, hasta los últimos modelos de redes neuronales profundas y reconocimiento de imágenes. Trabajarás con datasets reales aplicando machine learning y resolviendo problemas de negocio en clase y en las prácticas.
Después de nuestra formación y la experiencia en empresa, estarás preparado para cualquier reto en el mundo laboral, no necesitarás periodo de adaptación.
Consulta nuestro plan de becas MIOTI.
Tenemos disponible becas de la Fundación Universia.
Tenemos disponible becas de la Fundación ONCE.
Bonificable hasta el 100% por Fundae.
Temario:
Introduction
Introducción a MIOTI, iniciación en las plataformas que se van a utilizar durante el programa e iniciación en el curso.
Python for Beginners
Requisitos para la realización del curso:
Los alumnos tienen que tener un grado, licenciatura, ingeniería técnica o superior, etc. terminado
Comentarios:
LIDERA LA PROFESIÓN MÁS DEMANDADA DEL MERCADO
El mercado actual requiere profesionales que sepan manejar, analizar e interpretar los datos para servir a los objetivos de negocio. Las empresas necesitan estos perfiles especializados que combinen la analítica y la estrategia con la parte técnica, por lo que la formación en esta disciplina se convierte en un valor diferencial para los recién graduados.
En MIOTI te preparamos para esta realidad tan prometedora. Con nosotros aprenderás desde conceptos básicos de preprocesamiento de datos, Inteligencia Artificial y programación en Python, hasta los últimos modelos de redes neuronales profundas y reconocimiento de imágenes. Trabajarás con datasets reales aplicando machine learning y resolviendo problemas de negocio en clase y en las prácticas.
Después de nuestra formación y la experiencia en empresa, estarás preparado para cualquier reto en el mundo laboral, no necesitarás periodo de adaptación.
Consulta nuestro plan de becas MIOTI.
Tenemos disponible becas de la Fundación Universia.
Tenemos disponible becas de la Fundación ONCE.
Bonificable hasta el 100% por Fundae.
Temario:
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
New Technologies
Iniciación a Blockchain, Industria 4.0, Internet of Things y Robotics.
DS for Business
Aplicaciones prácticas de la AI para negocio, Algorithm Driven Companies, Skills Transformations, Data Driven Companies.
Soft Skills
Expertos profesionales darán una clase magistral de como presentar proyectos y skills de oratoria y negociación.
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.
Final Project
Desarrollo de un proyecto final para afianzar los conocimientos adquiridos durante el programa.
Duración:
400 horas
...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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
New Technologies
Iniciación a Blockchain, Industria 4.0, Internet of Things y Robotics.
DS for Business
Aplicaciones prácticas de la AI para negocio, Algorithm Driven Companies, Skills Transformations, Data Driven Companies.
Soft Skills
Expertos profesionales darán una clase magistral de como presentar proyectos y skills de oratoria y negociación.
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.
Final Project
Desarrollo de un proyecto final para afianzar los conocimientos adquiridos durante el programa.
Duración:
400 horas
Sede principal del centro
Madrid: C/ Rufino Gonzalez 25 - 28037 - Madrid- Madrid: C/ Rufino Gonzalez 25 - 28037 - Madrid
Ofertas relacionadas
-
Presencial en MadridCentro: EAE Madrid Business School -
Presencial en ValenciaCentro: Universidad Europea -
-
A distancia y OnlineCentro: ESEID AI BUSINESS SCHOOL
Estás viendo
Máster en Data Science & Analytics
