Hasta el 13 de agosto – 25% de descuento

Master en Data Science
-
Modalidad
Online
-
Duración
8 meses
-
Acceso a
Bolsa de empleo
-
Bonificable
FUNDAE
- Máster liderado por Antonio Pita, mejor Data Analyst de España en 2016
- Incluye formación en Python, Estadística y Deep Learning
- Enfoque especial en IA Generativa
Estudia Ciencia de Datos y desarróllate profesionalmente en un sector en auge
Harvard reconoció a la ciencia de datos como el trabajo más sexy del siglo XXI debido principalmente a la necesidad de analizar los datos de las compañías para mejorar la toma de decisiones en todas las áreas.
El Máster en Data Science ofrece una formación integral en las técnicas más avanzadas de análisis de datos, incluyendo Python, Deep Learning, Spark, Business Intelligence, SQL y visualización de datos con Tableau y Power BI. Nuestros docentes, profesionales en activo y con amplia experiencia, te aportarán conocimientos actualizados para satisfacer las demandas del mercado laboral.
La metodología práctica del programa te permitirá aplicar lo aprendido desde el primer día. El máster incluye un enfoque especial en IA Generativa, proporcionándote las habilidades necesarias para aprovechar al máximo los datos.
Además, aprenderás a utilizar con soltura las herramientas más demandadas en las ofertas de empleo:
-
Python -
Power BI -
Google Big Query -
SQL -
Tableau -
Lang Chain
El formato online de nuestro máster, te permitirá tener la dinámica de una clase presencial desde la comodidad de tu casa. Un/a profesor/a se conectará en directo para impartir la clase, resolver preguntas y proponer ejercicios prácticos. Esta modalidad te permitirá disfrutar de una experiencia similar a la de estar en KSchool, pero desde tu propio escritorio. Además, tendrás la ventaja de acceder a las grabaciones de las clases para revisarlas y repasarlas cuando desees.
Darás tus primeros pasos en el mundo del Data Science en posiciones clave como Data Scientist, Business Analyst, Data Engineer o Data Business Consultant, perfiles cada vez más valorados y solicitados por las empresas.
Incluye acceso al Taller “IA para la Productividad”. Dominarás el uso de prompts para optimizar tu trabajo técnico: automatizar tareas repetitivas, crear informes y dashboards en tiempo récord, resumir papers complejos y realizar análisis de datos e informes en minutos
Al terminar esta formación, recibirás un título propio de Máster en Data Science, emitido por KSchool.
Por qué estudiar el Máster en Data Science
Objetivos: aprende a sacar el máximo partido a los datos
Aprenderás a escribir tu propio código para analizar enormes cantidades de datos.
Conocerás el lenguaje de entornos distribuidos Spark para entrenar modelos de Machine Learning.
Sabrás sacarle el máximo partido a los datos y a la información que proporcionan.
Conocerás el proceso completo de la ciencia de datos: recogida, limpieza, análisis y presentación.
Comprenderás las principales técnicas de aprendizaje supervisado y no supervisado.
Descubrirás la metodología de modelado más exitosa en la ejecución de proyectos de Ciencia de Datos.
A quién va dirigido
El Máster en Data Science cuenta con un alto contenido técnico aplicado para el que se necesitan conocimientos básicos generales de programación y estadística. El programa incluye una revisión inicial del lenguaje de programación Python y de Estadística, a fin de que adquieras o refuerces los conocimientos necesarios para poder trabajar con grandes bases de datos.
Si ya cuentas con conocimientos previos en programación, perfecto. Podrás repasarlos y serán un complemento en tu proceso de aprendizaje.
Plan de Formación: ¿Qué voy a estudiar en el Máster en Data Science Online?
-
Inicio
4 noviembre
-
Duración
8 meses
-
Horario
M X y J: 19-21:00h
Temario
-
1. Bienvenida
- Introducción al Máster
-
2. Introducción a Python
- La programación para Data Science – Jupyter Notebooks
- Variables y operadores
- Listas y diccionarios
- Control de flujo y bucles
- Funciones y variables locales
- Debugging
-
3. Python para Data Science
- Algebra y métodos numéricos con Python – Numpy
- Tratamiento de Datos – Pandas
- Análisis Exploratorio de Datos
- Análisis y Limpieza de Datos
- Normalización y Estandarización
- Imputaciones de Datos
- GitHub
-
4. Visualización de datos con Python
- Visualización de datos con Python
-
5. Estadística
- Estadística Descriptiva
Regresión Lineal
Probabilidad y Variables Aleatorias
Inferencia Estadística
Introducción a la Estadística Bayesiana
- Estadística Descriptiva
-
6. Aprendizaje supervisado
- Introducción y regresión lineal múltiple
- Regresión con árboles y random forest
- Regresión con SVM y KNN
- Clasificación regresión logística
- Clasificación con Árboles, SVM y KNN
-
7. Aprendizaje no supervisado
- Clustering jerárquico y K-means
- Clustering dbscan y gmm
- Reducción de dimensionalidad PCA
- Reducción de dimensionalidad SVD
-
8. Model Performance
- Ensamblado de modelos
- Evaluación y Optimización de modelos
- Ingeniería de variables
-
9. Metodología
- Metodología de modelado
-
10. Sistemas de recomendación
- Introducción a los sistemas de recomendación
-
11. Series temporales
- Series temporales
-
12. Deep Learning
- Introducción y componentes Perceptrón
- ANN
- RNN
- CNN
- Tendencias
-
13. Procesamiento del Lenguaje Natural
- Procesamiento del Lenguaje Natural
-
14. IA Generativa
- Prompt Engineering
- Aplicaciones RAG y Agentes
-
15. Data Science con consultas SQL
- SQL, Geo Analytics y ML con Big Query 1
-
16. Entornos distribuidos Spark
- Big Data – Spark
-
17. Visualización de datos con Tableau
- Introducción a Tableau y Visualización
- Visualizaciones en Tableau
- Data storytelling
-
18. Inteligencia de negocio
- Business Intelligence
- Inteligencia de negocio con Power BI
-
19. Data Science in business
- Interpretabilidad de modelos
- Despliegue de la Ciencia de Datos en las compañías
- Metodología de casos de uso
- Ética en los algoritmos
-
20. Competición analítica
- Competición en Kaggle
-
21. Trabajo de Fin de Máster – TFM
- Presentación del proyecto TFM
Hasta el 30 de septiembre
25% de descuento
Salidas profesionales
- Data Scientist
- Business Intelligence
- Business Analyst
- Data Business Consultant
- Data Engineer
- Data Specialist
Impulsamos tu empleabilidad
- Bolsa de empleo con empresas de referencia en busca de perfiles Digital & Tech.
- Talent Talks, eventos mensuales con empresas destacadas en el ecosistema digital, donde conocerás los perfiles y conocimientos más demandados.
- Workshops de empleabilidad, diseñados para fortalecer aspectos clave que impulsarán tu carrera profesional.
- Qualentum, nuestro partner Estratégico de Empleabilidad, reclutador especializado en grandes empleadores de perfiles tecnológicos y digitales.
Nuestros alumnos trabajan en:
Profesores
Estos son los profesores que te acompañarán en este máster.
-
Alberto Arenas
Setenova
-
Daniel Burrueco
-
Beñat San Sebastian
-
Álvaro Romo Herrero
-
Juan Pedro Bretti
-
Álvaro Capell
-
Santiago Rodriguez
-
Alberto Granero García
Setenova
-
Antonio Carlos Rodríguez
Ayudas y becas disponibles
Bonificable con FUNDAE
Todos nuestros cursos son bonificables a través de la Fundación Estatal para la Formación en el Empleo (FUNDAE, antigua FUNDACIÓN TRIPARTITA). Si estás interesado coméntanoslo al hacer tu inscripción. Desde KSchool nos encargamos de la gestión para cursos o másteres de más de 60 horas.
Esto dicen nuestros alumnos
Opiniones de nuestros alumnos del Máster en Ciencia de Datos
Preguntas frecuentes
-
¿Cuál es el sueldo medio de un Data Scientist?
Los Data Scientists tienden a recibir salarios competitivos debido a la demanda creciente de profesionales en este campo.. Un perfil junior de Data Sciencist está entre 23K y 32K y senior entre 45K y 65K, según datos Glassdoor. La demanda de Data Scientists sigue en aumento, lo que podría influir positivamente en los salarios en este campo. -
¿En qué se diferencia un Data Science y un Data Analyst?
En términos generales, un Data Scientist se centra en abordar problemas complejos utilizando técnicas avanzadas como el modelado predictivo y el machine learning, con habilidades de programación avanzadas. Por otro lado, un Data Analyst se enfoca en analizar datos de manera descriptiva, utilizando habilidades de programación más básicas, para proporcionar informes y visualizaciones que respalden la toma de decisiones basada en datos. Ambos roles son complementarios, pero difieren en su alcance y enfoque dentro del campo de la ciencia de datos -
¿Qué diferencia hay entre Analítica Digital y Data Science ?
En el campo de la Ciencia de Datos, es crucial poseer habilidades en matemáticas y programación para aprovechar al máximo el aprendizaje. Estas capacidades son fundamentales para gestionar análisis de datos a gran escala y desarrollar modelos predictivos, entre otros aspectos. Por otro lado, para iniciarse en el Máster de Analítica Digital no se requiere previamente conocimiento específico, ya que el programa está diseñado para proporcionar todas las herramientas necesarias para optimizar el uso de datos, principalmente digitales. Durante el curso, tendrás la oportunidad de examinar datos en línea y realizar proyecciones. Sin embargo, si aspiras a expandir tu análisis incluyendo datos de fuentes diversas, contarás con opciones adicionales a Excel, como Python, R y SQL, para maximizar el valor de dichos datos. -
¿Qué salidas laborales son las más habituales si estudio Data Science?
Estudiar Data Science te abre puertas en sectores como tecnología, finanzas, salud, marketing o consultoría. Estas son las principales salidas:
- Data Scientist: Crea modelos predictivos y analiza grandes volúmenes de datos.
- Business Intelligence (BI): Diseña dashboards e informes para apoyar decisiones de negocio.
- Business Analyst: Interpreta datos para mejorar procesos y estrategias.
- Data Business Consultant: Asesora empresas sobre cómo aprovechar sus datos.
- Data Engineer: Construye la infraestructura para almacenar y procesar datos.
- Data Specialist: Apoya en la preparación y gestión de datos para análisis.