Título ofrecido:Máster en Data Science y Business Analytics
Duración:1500 Horas
Tipo:Magisters
Modalidad:Online
¿Por qué estudiar un Máster en Data Science?
Al acabar el Máster en Data Science el alumno habrá trabajado con los principales soluciones y tecnología del sector. Las herramientas que aprenderás en el Máster de Ciencia de Datos (Data Science): R, Python, Hadoop, Spark, PowerBi Tableau, BigML, Tensorflow, Cloudera, Databricks, Microsoft Azure, Amazon AWS, Google GCP, etc
El Máster en Análisis de datos surge debido a la necesidad de profesionales con formación el campo de la gestión de grandes cantidades de información. La explosión de la información asociada a la digitalización ha dado cobertura a la importancia de la gestión de los datos. Por ello, las empresas demandan, cada vez más, perfiles profesionales dotados de las capacidades necesarias para entender y extraer todo su valor.
Este Máster en Data Science y Business Analytics está codesarrollado con la multinacional tecnológica Indra, y se puede cursar de forma online o presencial en Madrid. Está dirigido a profesionales de diversos campos que deseen adquirir estas competencias. En nuestro Master en Data Science y Big Data se abordan los conceptos, técnicas y herramientas más relevantes en data science, business analytics y Big Data, para analizar y extraer todo el valor de los datos.
¿A quién va dirigido el máster en ciencia de los datos?
El Máster en Business Intelligence y Data Science de IMF está orientado a:
- Profesionales de diferentes sectores que deseen introducirse en el mundo del big data, la ciencia de datos y la analítica avanzada con el objetivo de reorientar su carrera o mejorar en su profesión.
- Ingenieros o titulados universitarios en estadística, matemáticas u otras ciencias cuantitativas que quieran ampliar sus competencias con técnicas propias de la ciencia de datos y el aprendizaje automático para desarrollar una carrera como analistas o científicos de datos.
- Perfiles orientados a negocio como emprendedores, gerentes, economistas o expertos en administración de empresas que deseen dominar los principios de la inteligencia de negocio y la analítica avanzada con objeto de aplicarlos a diferentes áreas de negocio o dirigir proyectos encaminados a obtener valor de los datos.
Objetivos
Al final del nuestro Máster en Data Analytics online o presencial, el alumno será capaz de:
- Extraer, procesar y analizar todo tipo de fuentes de información aplicando las técnicas de la ciencia de datos y las principales herramientas utilizadas actualmente en las empresas.
- Dominar las técnicas de la inteligencia de negocio tradicional y ampliarlas con las nuevas posibilidades ofrecidas por el big data y la inteligencia artificial.
- Detectar causas, patrones y tendencias mediante analítica predictiva basada en técnicas de machine learning.
- Diseñar experimentos y tests A/B para comprobar hipótesis y tomar decisiones basadas en datos.
- Generar informes y cuadros de mando efectivos.
- Gestionar proyectos basados en big data y ciencia de datos manteniendo una interlocución adecuada con todos los perfiles del equipo.
- Elaborar propuestas así como impulsar y liderar iniciativas basadas en analítica avanzada en distintas áreas de negocio.
- Entender, crear y desarrollar nuevos modelos de negocio basados en el valor del dato.
- Gestionar adecuadamente el gobierno del dato con objeto de garantizar la calidad y aplicar correctamente los diferentes requisitos regulatorios (RGPD) y éticos.
- Adquirir visión y experiencia de los principales campos de aplicación y casos de uso que se están abordando en diversas áreas como marketing y CRM, banca y finanzas, operaciones, internet de las cosas (IoT), people analytics, etc.
MÓDULO 1 - Las herramientas del científico de datos
- Fundamentos de Python.
- Librerías para ciencia de datos: Numpy, Pandas, etc.
- Procesamiento de datos y visualización con Python.
- Fundamentos de Rstudio.
- Paquetes de Rstudio.
- Procesamiento de datos y visualización con Rstudio.
MÓDULO 2 - La ciencia de datos. Técnicas de análisis, minería y visualización
- El ciclo de vida del dato.
- Calidad del dato.
- Tecnologías big data.
- Modelos analíticos.
- Herramientas y técnicas de visualización.
MÓDULO 3 - Estadística para científicos de datos
- Lenguaje y tratamiento de datos.
- Análisis exploratorio de datos.
- robabilidad e inferencia estadística.
- Modelos lineales y aprendizaje estadístico.
- Regresión logística, modelos restringidos de Ridge y Lasso y gradiente.
MÓDULO 4 - Aprendizaje automático
- Herramientas para machine learning.
- Técnicas y aplicaciones del aprendizaje supervisado.
- Técnicas y aplicaciones del aprendizaje no supervisado.
- Modalidades y técnicas de deep learning.
- oluciones en la nube para machine learning.
MÓDULO 5 - Inteligencia artificial para la empresa
- Introducción a la inteligencia artificial.
- Técnicas y aplicaciones para la toma de decisiones.
- Aprendizaje por refuerzo y aplicaciones.
- Técnicas y aplicaciones del procesamiento del lenguaje natural (NLP).
- Sistemas de recomendación y aplicaciones.
MÓDULO 6 - Tecnologías y herramientas big data
- Hadoop y su ecosistema.
- Spark. Fundamentos y aplicaciones.
- Bases de datos NoSQL.
- Plataformas Cloud.
MÓDULO 7 - El trabajo del científico de datos: pasos y técnicas en el análisis. Storytelling
- Introducción: conceptos de data science.
- Pasos en el análisis de datos.
- Storytelling: poner en valor y transmitir los resultados del análisis.
MÓDULO 8 - El proceso de aprendizaje automático: qué es y qué no es. Dónde aplicar la inteligencia artificial
- Concepto de aprendizaje automático.
- Cómo conseguir que siga aprendiendo.
- Casos de uso típicos.
MÓDULO 9 - Nuevas tendencias: process mining, MLOps, cloud
- Process mining.
- Cloud.
- MLOps.
MÓDULO 10
- Trabajo de Fin de Master
- Titulación Universitaria (posibilita la obtención de Doble Titulación)
- Posibilidad de acceso con Experiencia profesional acreditada
¡Ayudanos y Reportalo!