Máster en Data Science & Analytics

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.