Descripción del máster
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.
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 un Máster con alto contenido técnico y, aunque no es necesario tener una formación previa, sí que necesitas conocimientos básicos de programación en Python y de estadística.
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
Formación previa
Programación
Introducción a la Programación con 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
Marzo 2023 – 9 meses
Martes, miércoles y jueves
De 19 a 21 horas | GMT +2
Plazas disponibles: 24 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.
Bolsa de Empleo
+300
se han publicado en 2021
56%
más de la mitad de las ofertas publicadas son para cubrir vacantes de empleo
+1.250
empresas que publican sus ofertas en nuestro portal
96%
de nuestros alumnos está trabajando. Muchos de ellos gracias a la Bolsa de Empleo.
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
¿Quieres saber más?
Pídenos información y nos pondremos en contacto contigo de forma personalizada