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.
Todos los alumnos deberán pasar una prueba de acceso para demostrar que cuentan con una base previa de programación.
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, 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.
Metodología
Prueba de nivel en Python,
para que puedas sacar el máximo partido al máster.
Material para preparar las clases y actividades optativas de refuerzo. Trabajo de Fin de Máster
Eventos y networking,
para que sigas ampliando tus contactos profesionales.
Clases prácticas en las que trabajarás con datos y proyectos reales.
Hola,soy Igor Arambasic,Head of Data Science en Amadeus y director del Máster en Data Science
Profesores
Octubre 2021 – 7 meses
Viernes 17 a 22 horas
Sábado 9 a 14 horas
Plazas disponibles: 5 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
Solicita información:
91 745 42 90
Ayudas y Becas para alumnos y empresas
En KSchool contamos con becas individuales de 1.200 € para personas que quieran formarse en el máster de Data Science pero que se encuentren actualmente en situación de desempleo o afectadas por un ERTE debido a la situación de la COVID-19. El beneficio de estas becas no es acumulable a otras ofertas y descuentos activos.
Por otro lado, si lo que quieres es formarte con la ayuda de tu empresa, este máster es bonificable a través de FUNDAE (antigua Fundación Tripartita) y desde KSchool realizamos la gestión sin ningún coste adicional para la empresa ni para el alumno. Por favor, ten en cuenta que el plazo máximo para realizar el trámite es de 10 días antes de que comience el curso.
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
