Características del máster en Data Science
Descripción
Los grandes volúmenes de datos que se manejan hoy por hoy requieren de perfiles expertos que sepan manejar, analizar, interpretar y exponer datos para poder tomar buenas decisiones de negocio.
Gracias a la metodología Learning by Doing de KSchool, totalmente práctica, basada en casos reales y enfocada al mundo laboral, aprenderás cómo trabaja un Data Scientist de la mano de los mejores profesionales expertos en el sector.
Objetivos
- Aprenderás a recopilar datos, identificar donde se encuentran y a reconocer su estructura
- Escribirás tu propio código para analizar grandes cantidades de datos
- Lograrás convertir datos a gran escala en productos y servicios.
- Sabrás como desarrollar dashboards interactivos para presentar la información recopilada.
96% de alumnos
trabajando en su sector
A quién va dirigido
Para poder cursar esta formación no se requiere ninguna titulación previa. Sin embargo, es necesario que el alumno cuente con conocimientos previos de programación en Python y con una base de conocimientos estadísticos.
La evaluación de estos conocimientos previos se hará a través del currículum del alumno o a través de una prueba de nivel. Si el alumno no dispone de los conocimientos previos exigidos, puede prepararse a través de nuestros cursos introductorios y aprobarlos.
Si te matriculas también en nuestro Máster en Data Science, la matrícula de tu curso de Python puede ser totalmente gratis para ti. ¡Pregúntanos!
Salidas profesionales
- Data Scientist
- Business Intelligence
- Business Analyst
Salario medio en
España
42.000 euros
bruto/año
Un Senior Business Intelligence Analyst puede recibir un salario de entre 27.000 y 57.000 euros al año, según datos de LinkedIn Salary.
Formación previa
La metodología en este máster es 100% práctica por lo que es necesario que cuentes con algunos conocimientos previos si quieres convertirte en Data Scientist: saber programar en Python con soltura y tener una base de Estadística.
Mándanos tu currículum y lo analizaremos de forma personalizada. Si no cuentan con estos conocimientos previos, ¡no te preocupes! Tenemos disponibles para ti dos módulos introductorios en Programación y Estadística. Dependiendo de cuál sea tu perfil puedes hacer ambos, solo uno de ellos o ninguno.
Python
Introducción a Python para Data Science
Estadística
Introducción a la Estadística para Data Science
Temario del Curso: Data Science
01. Introducción: Data Science Essentials
- ¿Qué es el Data Science? ¿Por qué es importante? ¿Quiénes son los profesionales que se dedican a ello?
- Preparación de entorno de trabajo: Linux y GIT (en máquina virtual).
- Manipulando las herramientas imprescindibles de linea de comandos de Linux (sort, unique, cut, tr, grep, sed, zip, bz2, tar…).
02. Data Hacking con Python
- Introducción a Python (Jupiter Notebook).
- Álgebra y métodos numéricos en Python (Numpy).
- Estadística con Python.
- Data Science con Python (Pandas, Dataframes).
- APIs y web scraping con Python.
- Visualización de datos con Python: Matplotlib, Seaborn, Vegalite y Altair.
- Caso práctico: Data Science Challenge.
03. Machine Learning con Python
- Aprendizaje supervisado con Python. Máquinas de vector soporte (SVM). Gradient boosting machines. Árboles y bosques. K-vecinos.
- Aprendizaje no supervisado con Python.
- Model Evaluation and improvement.
- Feature engineering con Python.
- Introducción a sistemas de recomendación.
04. Diseño de Producto de Datos
- Claves para plantear y llevar a cabo el proyecto de desarrollo de un producto de datos.
05. Deep Learning
- Introducción a Deep Learning: Python, Keras y Tensorflow.
- Construcción de modelos predictivos basados en redes neuronales.
06. Procesamiento del Lenguaje Natural (NLP)
- Procesamiento del Lenguaje Natural.
- Acceso a recursos lingüísticos y colecciones de datos.
- Librerías de PLN en Python: NLTK, TextBlob y spaCy.
07. Machine Learning con BigQuery
- Google Cloud Solutions for Big Data & Machine Learning.
- Análisis del marketing digital, Geo Analytics y Machine Learning con BigQuery (SQL).
08. Data Hacking con R
- Introducción a R.
- Manejo y limpieza de datos con R.
- Visualización de datos con R.
- Aprendizaje supervisado con R.
- Aprendizaje no supervisado con R.
- Series temporales con R.
09. Big Data con Spark
- Primeros pasos con sistemas distribuidos: MapReduce.
- SparkSQL y DataFrames.
- Portar un análisis local a Spark.
- Trabajar con clusters remotos.
- Machine Learning en Spark: Models, Transformers, Pipelines.
10. Visualización
- Introducción a Tableau y visualización.
- Visualizaciones en Tableau.
11. Data Storytelling
- Cómo simplificar las visualizaciones y transmitir efectivamente el mensaje.
12. Resumen práctico de todo el máster
- Kaggle Hackathon.
Hola,soy Alberto Rubio,Senior Data Scientist en SCRM para LIDL y director del Máster en Data Science
Profesores
Próximamente 2022 – 8 meses
Viernes 17 a 22 horas
Sábado 9 a 14 horas
Plazas disponibles: 19 de 25
¿Quieres reservar tu plaza en la próxima edición?
Formas de pago y financiación
5% de descuento
del precio final
5 cuotas de 1.299 €
sin intereses
Estudiamos tu caso para ofrecerte
la mejor financiación
Ayudas y Becas para alumnos y empresas
Queremos que estudies con nosotros, por eso tenemos una serie de ayudas y becas con las que queremos hacerte más fácil el pago de tu formación.
Si te encuentras en situación de desempleo o ERTE debido a la COVID-19, contamos con becas de 1.200 €. Esta beca no es acumulable a otras ofertas o descuentos y el alumno deberá acreditar que se encuentra en alguna de estas situaciones en el momento de hacer su matrícula.
Además, para aquellos que trabajan por cuenta ajena, el Máster de Data Science en Barcelona de KSchool es bonificable a través de FUNDAE (antigua Fundación Tripartita). Desde KSchool realizamos la gestión sin ningún coste adicional para la empresa ni para el alumno. Lo trámites han de hacerse máximo 10 días antes de que comience el curso.
Esto dicen nuestros alumnos del master en data science
-
Thais Rangel Assistant Profesor en Universidad Politécnica de Madrid
-
Israel Herraiz Strategic Cloud Engineer en Google
-
Beatriz Arévalo Desarrollo de negocio en Nahitek Digital
-
Cristian Colombina Data Scientist y Web Analyst en Coches.com
Contacto