Máster de Data Science & Business Analytics en Madrid en IMMUNE Technology Institute

Dirigido a:

Requisitos de Ingreso:

Todos los aspirantes deben presentar la siguiente documentación debidamente escaneada de su original y enviados al promotor para ser alojados en la plataforma respectiva:
- Diploma de licenciatura o su equivalente créditos o notas de licenciatura o su equivalente.
- De ser extranjero los documentos antes enunciados deberán estar apostillados por el Ministerio de Relaciones Exteriores de su respectivo país.
- En el caso de que el país no tenga consulado, deberá realizar trámite ante las autoridades oficiales que lo validen.
- Documento de identidad (pasaporte en caso de extranjeros residentes en Panamá).
- Diligenciar el formulario de admisión en formato electrónico con el promotor.

Comentarios:

Leer más Maestría Oficial en Data Science & Business Analytics

Online con clases en directo.


Especialízate en la ciencia de datos desde cero y domínalo: las competencias non-tech, código, ciencias de datos, Inteligencia Artificial y Machine learning, haz upskilling de manera escalable con un programa innovador y una metodología de aprendizaje online y colaborativa.


Objetivos:

- Lenguajes de programación: Python, R, y SQL.
- Extraer, procesar y analizar datos para la toma de decisiones utilizando técnicas y herramientas actuales.
- Gestionar proyectos basados en ciencia de datos y big data. Impulsar iniciativas de analítica avanzada desde diferentes áreas del negocio.
- Adquirir una visión integral y transversal de soluciones Big Data y Cloud.
- Generar informes, cuadros de mando y representaciones visuales de datos.
- Anticipar y detectar patrones, tendencias y causas con analítica predictiva y Machine Learning.
- Dominar la aplicación estratégica de Data Science en áreas como marketing, CRM, banca y finanzas, operaciones, RRHH, e IoT entre otras.


Career Readiness:

Ofrecemos a nuestros alumnos una formación integral que les prepara para el mercado laboral. A través de un itinerario personalizado, les ayudamos a desarrollar sus competencias profesionales, a establecer relaciones con empresas y a superar los procesos de selección.


Una formación alternativa:

En todos nuestros contenidos incluimos un porcentaje de Human Sciences para relacionar la tecnología con las soft skills.


Metodología Learning By Doing:

Se centra en la aplicación práctica de conocimientos y habilidades para fomentar un aprendizaje significativo y duradero.


Acceso sin coste a formación complementaria:

- Curso de IA generativa: prompt engineering y productividad
- Curso de introducción a la programación: Python


¿Tenéis becas?

Sí, disponemos de becas o ayudas al estudio así como métodos de financiación en función del perfil de los alumnos. Consulta nuestras opciones de becas y financiación.

Lugar de impartición:

en Madrid

Titulación que se obtiene:

Una vez finalices y superes el programa recibirás un diploma emitido por IMMUNE Technology Institute en formato digital verificable mediante tecnología blockchain.

Inicio: Marzo 2025.

Leer menos

Plan de Estudios:

Prework:

Este Prework permite introducir conceptos en los que el programa profundizará, haciendo que el alumno se sienta cómodo desde el primer día y consiguiendo que todo el grupo tenga un nivel parejo, lo que permite avanzar más y mejor, así como mejorar la cooperación entre todos los integrantes.
Leer más
Funcionamiento básico de un ordenador: Conceptos como hardware y software, CPU, memoria, dispositivos de almacenamiento, sistemas operativos y redes.
Introducción a los lenguajes de programación: Explicar qué es un lenguaje de programación, para qué sirve y los tipos de lenguajes (compilados e interpretados).Dar una visión general de los lenguajes más utilizados en la actualidad, y por qué se usan.
Conceptos fundamentales de programación: Hablar de elementos como variables, tipos de datos, operaciones, estructuras de control de flujo (if/else, bucles) y funciones.Enseñar cómo descomponer un problema complejo en subproblemas más pequeños y manejables.Contarlo todo de forma muy básica para evitar meterse en el módulo de Fundamentos de Programación (ya con python).
Herramientas de desarrollo y buenas prácticasIntroducir el uso de un IDE, como PyCharm o VSCode, así como los notebooks. Hablar sobre el control de versiones con Git.Mencionar buenas prácticas de programación, como la importancia de comentar el código y seguir convenciones de estilo (pythonic code).
Introducción a las estructuras de datos: Presentar conceptos como arrays, listas, conjuntos, diccionarios/mapas y árboles.Enfocarlo no dentro de un lenguaje de programación específico, más a nivel de pseudocódigo también. El objetivo es que los estudiantes comprendan qué son, para qué se utilizan y cuándo podría ser apropiado utilizar una estructura de datos sobre otra.
Conceptos fundamentales de bases de datos: Explicar qué es una base de datos, para qué se utiliza y qué tipos existen (por ejemplo, bases de datos relacionales y no relacionales).Introducir conceptos clave como tabla, registro, campo, clave primaria y relaciones entre tablas.


Las herramientas del científico de datos 50h.

Revisión de los conceptos claves de programación necesarios para abordar el tratamiento y aprovechamiento de los datos mediante código. Introducción al lenguaje de programación R y amplia presentación de las capacidades que ofrece Python.

Fundamentos de Python y librerías para ciencia de datos: Numpy, Pandas
Python intermedio y avanzado
Procesamiento de datos y visualización con Python


Inteligencia de negocio y visualización 80h.

En este módulo aprenderemos qué son las bases de datos y los principales tipos que existen. Entraremos en el mundo del modelado de las bases de datos relacionales y aprenderemos a programar en SQL. Ademas, estudiaremos qué son los procesos ETL y cómo se diseñan e implementan.

Diseño de base de datos
Estándar SQL I
Estándar SQL II
El almacén de datos / Datawarehouse y Herramientas y procesos de extracción, transformación y carga ETL


La ciencia de datos. Técnica de análisis, minería y visualización 80h.

En esta asignatura repasaremos el ciclo de vida del dato y cómo afecta en el proceso a de análisis de los datos. Además, nos introduciremos en el mundo de la visualización de datos, dónde aprendemos a diseñar dashboards en PowerBI.

Ciclo de vida y calidad del dato
Preparación y pre proceso de datos
Herramientas y técnicas de visualización I
Herramientas y técnicas de visualización II


Impacto y valor del Big Data 80h.

Este módulo tiene como finalidad conocer el análisis big data como herramienta para abordar temas sustantivos y preguntas de investigación. Aprenderás qué se entiende por big data, su evolución en el contexto histórico, entender las causas que han llevado a la aparición de las tecnologías big data y compararlo con la inteligencia de negocio tradicional.

Introducción al mundo del Big Data
Inteligencia de Negocio vs. Big Data
Tecnologías Big Data
Valor del dato y aplicaciones por sectores


Tecnología y herramientas Big Data 80h.

Conocer y utilizar las herramientas que componen el ecosistema para el manejo de gran cantidad de datos. Entre estos, está Spark, Hadoop o las BBDD NoSQL.

HADOOP y su ecosistema
SPARK
Bases de datos NOSQL
Plataformas CLOUD


Estadística para el científico de datos 80h.

En este módulo aprenderás los fundamentos de Programación en R, un lenguaje de programación para estadística. En paralelo, se introducirán los principales conceptos estadísticos que son esenciales para el análisis de datos.

Introducción a la estadística
Probabilidad y muestreo
Inferencia y regresión lineal
Diseño de experimentos


Aprendizaje automático 64h.

Aprender los conceptos y algoritmos fundamentales en una de las piezas angulares de la ciencia de datos y la inteligencia artificial, el denominado “aprendizaje automático”.

Herramientas para machine learning y técnicas y aplicaciones del aprendizaje supervisado
Técnicas y aplicaciones del aprendizaje no supervisado
Modalidades y técnicas de deep learning
Soluciones en la nube para machine learning


Investigación dirigida I 64h.

La asignatura de Investigación Dirigida I tiene como propósito mostrar al estudiante que lainvestigación es un proceso sistemático y ordenado dirigido a gestionar el conocimiento. Por lo tanto, en todo profeso de formación académica se hace necesario el desarrollo de un trabajo de investigación orientado a las necesidades del contexto que demuestre las competencias en investigación del estudiante.

La pregunta de investigación
La justificación de la investigación
La formulación de objetivos de investigación
La delimitación contextual y temporal de la investigación


Inteligencia artificial para la empresa 80h.

Comprender el concepto de inteligencia artificial, su significado y el tipo de problemas que puede resolver. Identificar las técnicas para la toma de decisiones (sistemas expertos y aprendizaje supervisado), así como sus aplicaciones. Analizar el aprendizaje por refuerzo, su ciclo de vida, sus componentes más importantes y el tipo de problemas que resuelve...

Inteligencia artificial y aplicaciones para la toma de decisiones. Aprendizaje por refuerzo y aplicaciones. Técnica y aplicaciones del procesamiento del lenguaje natural NLP. Sistema de recomendaciones y aplicaciones.


Big Data en la empresa 80h.

Analizar el concepto de transformación digital desde el punto de vista de las tecnoogías que la impulsan poniendo especial interés en las siguientes tendencias: Big data, inteligencia Artificial, Blockchain, Internet de las Cosas, Industria 4,0 y Ciudades Inteligentes.

La transformación digital. Blockchain. Internet of Thinngs. Industria 4,0 y Ciudades Inteligentes


Aplicaciones por sectores. Masterclass, estudio de casos y talleres prácticos 80h.

Entender cómo la analitica se aplica a escenarios concretos y espefícicos. Conocer métodos analíticos especializados que pueden aplicarse a datos de distinta naturaleza

Analítica escalable. Análisis de redes sociales e Internet de las Cosas. Análisis del área financiera y servicio al cliente. Análisis de técnicas de recuperación de la información.


Investigación dirigida II 64h.

Reconocer los tipos de investigación según el conocimiento generado
Estudiar los diseños de investigación
Estudiar las técnicas e instrumentos de recolección de los datos en el proceso de investigación
Estudiar los criterios que caracterizan las unidades de estudio, población
Construir los instrumentos de recolección de datos
Aplicar las pruebas de validez y confiabilidad al (los) instrumento (s) de recolección de datos
Recoger los datos según los criterios definidos en el estudio.
Conocer el proceso de análisis de los datos y sus fases
Identificar las técnicas de análisis a utilizar según los códigos de los datos (códigos verbales o numéricos)"
Técnicas de recolección de datos. Instrumentos de recolección de datos. La población o unidades de estudio de la investigación. Procedimiento de validez y confiabilidad de los instrumentos. Análisis de datos. Técnicas de análisis.


Trabajo de grado 192h.

La presentación del documento escrito y la generación de productos científicos que emerjan de la experiencia investigativa es un aspecto fundamental en un nivel de maestría. En esta asignatura el estudiante organiza la presentación del informe escrito.

Introducción. Aspectos formales para la presentación del trabajo de grado. Procedimientos institucionales. Sustentación. Divulgación.

* El programa académico puede estar sujeto a cambios en función de la diferente variedad en la demanda de skills dominantes del mercado. Nuestro objetivo es tu empleabilidad.Leer menos