Máster en Internet de las Cosas & Data Science
- MIOTI | Tech & Business School
- Tipo : Masters
- Modalidad: Online / Distancia y Presencial en Madrid
- Duración: 370 horas. 9 meses.
- Precio: 14.250 €Becas de hasta el 25%
Becas de hasta el 25%
BecasServicio de alertas por email
Facilítanos tus datos de contacto y te informaremos de programas académicos similares a
Máster en Internet de las Cosas & Data Science
en tu email.
Sede principal del centro
- MadridSede principal
C/ Rufino Gonzalez 25
Madrid - 28037, Madrid
Dirigido a:
Personas interesadas en realizar este Máster en Internet de las Cosas & Data Science
Comentarios:
DOMINA EL CICLO COMPLETO DE LOS DATOS
El Máster en Internet de las Cosas & Data Science está compuesto de dos programas:
Con el Máster en Data Science & Big Data 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 el Leer más
Personas interesadas en realizar este Máster en Internet de las Cosas & Data Science
Comentarios:
DOMINA EL CICLO COMPLETO DE LOS DATOS
El Máster en Internet de las Cosas & Data Science está compuesto de dos programas:
Con el Máster en Data Science & Big Data 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 el Leer más
Máster en Data Science & Big Data (200h)
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
Introducción a los problemas de clasificación y clusterización. ¿Cómo evaluar los resultados? ¿Cómo construir los datasets? Revisión de los principales algoritmos y su aplicación.
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.
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 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
Introducción a los problemas de clasificación y clusterización. ¿Cómo evaluar los resultados? ¿Cómo construir los datasets? Revisión de los principales algoritmos y su aplicación.
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.
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