Master Executive de Data Science Deep Learning en Madrid en MBIT SCHOOL

Dirigido a:

El Máster Executive en Data Science Deep Learning es un programa dirigido profesionales de las Tecnologías de la Información con conocimientos de análisis de información que quieren profundizar en las técnicas que Big Data y los avances tecnológicos han posibilitado en los últimos años.
Durante el programa formativo los alumnos aprenderán tanto la base de análisis como los lenguajes y soluciones tecnológicas para implementarlos.

Comentarios:

En el Master Executive de Data Science Deep Learning, el alumno participara en sesiones de formación tecnológica teórico-prácticas, impartidas por reconocidos profesionales del sector que ya han puesto en marcha estas tecnologías en empresas. Leer más

En MBIT SCHOOL, las sesiones de formación se imparten en modo presencial, bajo metodologías de enseñanza como learning by doing y el método del caso, las cuales ayudarán al alumno a desarrollar las competencias necesarias para desenvolverse en entornos reales.

Con el proyecto Fin de Máster, el alumno integrará de forma efectiva todas las competencias adquiridas en un proyecto real realizado con el espíritu de emprendedor y con el apoyo de un tutor/director con una gran experiencia en el sector, empleando herramientas y conjuntos de datos de empresas colaboradoras.


Objetivos:

Capacidad de Análisis. Al finalizar el programa superior los alumnos tendrán la capacidad de analizar información en entornos Big Data.
- Independencia tecnológica. La visión completa de los distintos ecosistemasde soluciones
permitirá al alumno obtener resultados independientemente de la herramienta o lenguaje utilizado.
- Nuevos Algoritmos.Los alumnos conocerán los nuevos algoritmos o evoluciones de los existentes que las nuevas tecnologías están permitiendo utilizar.
- Experiencia Propia. Desde una perspectiva de emprendimiento el proyecto fin de Master sirve de experiencia real de todo el programa formativo.


Bolsa de Trabajo:

MBIT School cuenta con una bolsa de trabajo para alumnos durante y a la finalización de
los programas Executive, los alumnos recibirán las ofertas previamente seleccionadas y clasificadas de empresas de primer nivel.

Lugar de impartición:

en Madrid

Profesorado:

- Enrique Serrano
Director General de Tinámica.
Ejecutivo especializado en dirección de empresas tecnológicas y consultoría. Fue director de tecnología, telecomunicaciones y media de Telvent y ha tenido puestos relevantes en Matchmind, PWC, KPMG, Unisys, etc.

- Ramón Alberto Carrasco
Senior Data Scientist, Researcher & Lecturer in Marketing.

- José A. Esteban
El Máster Executive en Data CTO en Codere. Ha sido también director de Sistemas Estratégicos en Codere,
Director de nuevas tecnologías en Carrefour y Director Técnico en HP entre otros puestos de responsabilidad.

- Diego Bodas
Profesor Universitario e Investigador Independiente. Experto en las áreas de desarrollo de software y análisis de datos, ha colaborado con multitud de compañías en proyectos tecnológicos.

- Juan Carlos Ibáñez
Data-Driven Business.
Transformation.

- Fernando Corbacho
Senior partner en Cognodata.

- Lourdes Serván Camas
Senior Data Analyst /Data Scientist en Neoris.

Titulación que se obtiene:

Acreditación Académica
Título de master Executive en Data Science Deep Learning

Calendario y Horario:
- de Octubre a Julio.
- De Febrero a Diciembre.

Modalidad presencial en Horario:
- Viernes 16:00 – 21:00h.
- Sábado 9:00 – 14:00h.

Número máximo de Alumnos: 16.

Leer menos

Módulo 1. Del Data Minner al Data Sience (15)
¿Cuál es el papel del Data Science en una empresa?
¿Qué es la trasformación digital?
¿Cómo afectan los entornos regulatorios al análisis de información?

Módulo 2 Marco del Anaisis de Información (10)
Los algoritmos de Machine Learning son la base del análisis de información, pero lo impórtate es saber cuándo y cómo debemos utilizar cada uno de ellos, en este módulo se explicará cómo han surgido estos algoritmos y el porqué de su uso. Leer más

Modulo 3.- Machine Learning (70)
Comenzaremos por realizar una visión general de los algoritmos de Machine Learning que nos permita
conocerlos en profundidad, para poder diferenciarlos del Deep Learning.

Modulo 4. Software (105)
En conocimiento teórico de los distintos algoritmos de pondrá en práctica sobre distintas software desde lenguajes de programación como Java y Python hasta herramientas open source como R o Knime pasando por soluciones comerciales como MathLab, SAS o soluciones cloud como Azure Machine Learning.

Módulo 5. Modulo 5. Arquitecturas (100)
En este módulo se revisarán las arquitecturas Big data y su aplicación al análisis desde los ecosistemas Hadoop o Spark hasta las Bases de Datos NoSQL como MongoDB o Neo4J.

Modulo 6. Modulo 6. Deep Learning (60)
En la nube de etiquetas anterior podemos ver algunos de los algoritmos y técnicas que descubriremos en este modulo donde de profundizará en los conocimiento de Deep Learning no solo en los algoritmos de conocimiento, sino tambien en sus aplicaciones al reconocimiento de imágenes, o comprensión de textos.

Modulo 7. Proyecto Fin Master
Durante todo el ciclo formativos los alumnos realizarán un proyecto en grupo poniendo en practica los conocimientos según se adquiren, trasformando las ideas inciales en aplicaciones reales.Leer menos