Características del máster en Data Science
Descripción
Para tomar buenas decisiones de negocio, es necesario que éstas se basen en datos. Es por este motivo que los departamentos de RRHH de las empresas buscan cada vez más profesionales especialistas capaces de manejar, analizar e interpretar grandes cantidades de datos.
Aprende a través de clases en formato Live Streaming y con una metodología 100% práctica, las técnicas más avanzadas para extraer, procesar y analizar datos con Python y R, Machine Learning, Deep Learning, etc.
Vivas donde vivas, convertirte en Científico de Datos, una de las profesiones con mayor demanda del mercado, está al alcance de tu mano.
Objetivos
- Aprenderá a 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, presentación…
- Aprenderás a escribir tu propio código para analizar enormes cantidades de datos.
- Aplicarás técnicas de machine learning a los datos usando Spark
96% de alumnos
trabajando en su sector
A quién va dirigido
Nuestro Máster en Data Science está dirigido a cualquier persona que quiera y tenga ganas de convertirse en experto en Data Science de una forma 100% práctica enfocada al entorno laboral.
Se trata de una formación con alto contenido técnico para la que no es necesaria tener una formación previa, aunque sí que se requieren conocimientos básicos de programación en Python y en estadística. En KSchool contamos con cursos previos introductorios que pueden ser totalmente gratis para ti, ¡pregúntanos!
Todos los alumnos deberán pasar una prueba de acceso, hayan hecho el curso previo o no, para demostrar que cuentan con una base previa de programación.
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 quieres participar en nuestro curso data science en KSchool pero no cuentas con uno o más de los conocimientos previos, ¡no te preocupes, estamos aquí para ti!
Contamos con un módulo previo de Introducción a la Programación en Python y con un módulo previo de Introducción a la Estadística para Data Science para todos aquellos que lo necesiten. Dependiendo de tu perfil puedes hacer los dos, uno solo o acceder directamente al Máster.
Python
Introducción a Python para Data Science
Estadística
Introducción a la Estadística para Data Science
Temario del Curso: Data Science
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.
Hola,soy Igor Arambasic,Head of Data Science en Amadeus y director del Máster en Data Science
Profesores
Noviembre 2022 – 9 meses
Martes, miércoles y jueves
De 19 a 21 horas | GMT +2
Plazas disponibles: 18 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
En KSchool contamos con becas de 1.200 € para ayudar a personas que quieran formarse en el curso de Data Science en Streaming pero que se encuentren en situación de desempleo o afectadas por un ERTE por la COVID-19. Estas becas no son acumulables a otras ofertas o descuentos.
Por otro lado, para todos aquellos trabajadores por cuenta ajena a los que sus empresas quieren ayudar a formarse, el Máster en Data Science en Streaming de KSchool es bonificable a través de FUNDAE (antigua Fundación Tripartita). Desde la escuela nos encargamos de la gestión de los trámites sin ningún coste adicional para el alumno ni para su empresa. Es importante realizar los trámites en un plazo máximo de 10 días antes de que comience el máster.
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