Características del máster
Descripción
El fenómeno del Big Data no solo ha revolucionado las empresas, también se ha impuesto como una de las disciplinas más demandadas por los departamentos de recursos humanos. Y es que estos grandes volúmenes de información requieren de expertos que los sepan manejar, analizar e interpretar para servir a los objetivos de negocio.
Aunque la tendencia actual es la búsqueda de perfiles con estudios en estadística o puramente técnicos, las empresas necesitan perfiles especializados en Data Science que combinen la analítica y la estrategia, por lo que la formación en esta disciplina puede convertirse en un valor diferencial para acceder a estos puestos.
Objetivos
- Serás capaz de convertir datos en productos y servicios.
- Sabrás desarrollar dashboards interactivos profesionales para presentar la información.
- Aprenderás a escribir tu propio código para analizar ingentes cantidades de datos.
- Aplicarás técnicas de machine learning a los datos usando Spark.
96% de alumnos
trabajando en su sector
A quién va dirigido
El máster va dirigido a cualquier persona que quiera convertirse en un data scientist, aunque por su alto contenido técnico, serán necesarios conocimientos previos de programación y de estadística. Si el alumno se prepara a través de nuestros cursos introductorios, es necesario aprobarlos para alcanzar el nivel requerido.
Se recomienda haber realizado alguna introducción a la programación en cualquier lenguaje. Los alumnos deberán haber usado Linux o algún otro sistema Unix y conocer la línea de comandos.
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
Si tu objetivo es convertirte en data scientist, pero a día de hoy no tienes el perfil adecuado, ¡empecemos desde el principio!
Ponemos a tu disposición dos módulos temáticos introductorios en Programación y Estadística. Dependiendo de tu perfil puedes hacer los dos, uno solo o acceder directamente al Máster.
Programación
Introducción a la Programación para Data Science
Estadística
Introducción a la Estadística para Data Science
Temario
01. Introducción
- ¿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, paste, grep, sed…).
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 scrapping).
- 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.
- Feature engineering con Python.
- Introducción a sistemas de recomendación.
04. Diseño de 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 Google Cloud Platform
- 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
- Big Data con Spark.
- Herramientas para el trabajo remoto: ssh, autenticación.
- Spark sobre Amazon Web Services.
- Spark sobre Google Cloud Platform.
10. Visualización
- Introducción a Tableau y visualización.
- Visualizaciones en Tableau.
11. Resumen práctico de todo el máster
- Claves del éxito de un proyecto de Data Science.
- Kaggle Hackathon.
Hola,soy Igor Arambasic,Head of Data Science en Amadeus y director del Máster en Data Science
Profesores
Noviembre 2020 – 6 meses
Viernes de 17 a 22 horas
Sábados de 9 a 14 horas
Sin plazas disponibles
Marzo 2021 – 8 meses
Viernes de 17 a 22 horas
Sábados de 9 a 14 horas
Plazas disponibles: 27 de 30
¿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
Solicita información:
91 745 42 90
Máster bonificable a través de FUNDAE
Este máster es bonificable a través de FUNDAE (antigua Fundación Tripartita) y nosotros realizamos la gestión sin ningún coste adicional para la empresa ni para el alumno. Si no sabes qué es o cómo funciona la FUNDAE, pincha aquí para leer las preguntas más frecuentes. Por favor, ten en cuenta que el plazo máximo para realizar el trámite es de 10 días antes de que comience el curso. Ponte en contacto con nosotros para más información.
Esto dicen nuestros alumnos
- 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
