Master en Data Science en Madrid en MIOTI | Tech & Business School

Dirigido a:

Requisitos para la realización del curso:

Los alumnos tienen que tener un grado, licenciatura, ingeniería técnica o superior, etc. terminado

Comentarios:

EL ÚNICO MÁSTER DONDE APLICARÁS LAS ÚLTIMAS TÉCNICAS DE DATA SCIENCE

Nuestro Máster de Data Science te prepara para liderar la profesión más demandada del mercado. En MIOTI 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. 100% práctico desde el primer día, trabajarás con datasets reales aplicando machine learning y resolviendo problemas de negocio.


APLICA DATA SCIENCE DESDE EL PRIMER DIA

El Leer más Máster en Data Science está compuesto de dos programas:

Con Data Science Fundamentals aprenderás las bases de la ciencia de los datos, desde el pre-procesamiento de los datos hasta los principales algoritmos de analítica predictiva . En esta formación te proporcionaremos las bases de Estadística y Python para poder trabajar con datos.

En Data Science Advanced aplicarás las últimas técnicas de Machine Learning y Deep Learning, base para disciplinas como el análisis predictivo, reconocimiento de imágenes, voz y textos
El Máster de Data Science se adapta a tu ritmo de aprendizaje, con dos programas que se pueden cursar de forma independiente.

o Modalidad: Live streaming y/o presencial
o Requisitos para la admisión: (si hubiera): Grado


Lugar de impartición:

en Madrid

Mes de inicio:

septiembre 2021

Leer menos

Data Science Fundamentals Program (170h)

Data Science Fundamentals
Introducción a data science. Presentación del marco de referencia general.

Statistics for Data Science
Repaso de los fundamentos de estadística necesarios para dominar la ciencia de los datos.

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, HSQL, Logs) y no estructuradas (Web, Spark, Cassandra).

Data Pre-processing
¿Cómo pre-procesar adecuadamente los datos?. Aplicación de filtros, anonimización de datos, selección de atributos, sampling y reducción de dimensionalidad.

Data Visualization
¿Cómo visualizar diferentes tipos de datos? ¿Qué técnicas utilizar?

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 I y II
Introducción a los problemas de clasificación y clusterización. ¿Cómo evaluar los resultados? ¿Cómo construir los datasets?

Revisión de los principales algoritmos y su aplicación.

Entrepreneurship I
Discusión y descubrimiento de nuevos modelos de negocio basados en data science.

Final Project
La temática podrá ser propuesta por el estudiante o seleccionada de una lista proporcionada por MIOTI.


Leer más Data Science Advanced Program (130h)

Deep Learning
El objetivo de la asignatura es introducir los conceptos fundamentales de las redes neuronales profundas. Además de proporcionar un recorrido teórico-práctico se aprenderán a utilizar las herramientas más importantes y a implementar soluciones desde cero.

Computer Vision
El objetivo de la asignatura es introducir los conceptos fundamentales de las técnicas de Visión por Computadora (Computer Vision). Se realizará un recorrido teórico práctico de las principales técnicas.

Natural Language Processing
Introducción a los 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
Discusión y descubrimiento de nuevos modelos de negocio basados en data science.

Machine Learning III
Aplicar redes convolucionales y modelos recurrentes profundos con Tensorflow en aplicaciones prácticas con imágenes, implementar y diseñar modelos neuronales para la resolución de problemas modelización/clasificación, diseñar modelos generativos adversariales para la gestión de datos.

Reinforcement Learning
Introducción a los 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 Data Science
Visión general de los conceptos fundamentales de las soluciones Big Data. Se repasarán arquitecturas de referencia y modelos de adopción con las principales tecnologías actuales incluyendo procesos de ingesta, análisis y visualización de datos en tiempo real.

Final Project
La temática podrá ser propuesta por el estudiante o seleccionada de una lista proporcionada por MIOTI.Leer menos