Envelope Twitter Facebook Linkedin Instagram

Máster en Data Science y Big Data de IEBS

¿Te asesoramos?
Máster en Data Science y Big Data de IEBS

¿Estás preparado para liderar el futuro? El Máster en Data Science y Big Data te lleva directo a la cima.

INSTITUCIÓN: IEBS Business School
ÁREA: Ingeniería, Másters en Big Data, Másters en Data Science
TIPO DE CURSO: Másters Propios
METODOLOGÍA: Másters Online
INICIO: Abierto
HORAS LECTIVAS: 750
PRECIO OFICIAL: 6700
 

OBJETIVOS

 

Hoy en día, el gran reto de las empresas consiste en mejorar su capacidad de conocer y obtener los datos de sus clientes, saber interpretarlos y procesarlos automáticamente para la toma de decisiones y definitivamente ser una empresa Data Driven.Esta es la gran ventaja competitiva de las organizaciones del futuro, una verdadera ventaja analítica.En este Máster en Business Intelligence y Data Science aprenderás a de un modo práctico a utilizar todas las herramientas que el Big Data y el Business Intelligence nos proporcionan para tomar decisiones estratégicas, y ser capaz de utilizar algoritmos de IA, a través de Machine Learning para predecir comportamientos futuros de mercado. Durante esta convocatoria puedes acceder al plan de Becas Smart que cubre un 25% del importe de esta formación o bien consulta nuestra Política de Becas solicitando información.

A QUIÉN VA DIRIGIDO

 

Los profesionales en Data Science y Big Data son altamente demandados en sectores como tecnología (Google, Amazon), finanzas (BBVA, Santander), consultoría (Deloitte, PwC), telecomunicaciones (Telefónica, Vodafone) y salud (Roche, Pfizer). Estas empresas buscan expertos en análisis de datos, machine learning y Big Data para optimizar procesos y desarrollar productos innovadores. Este master es ideal para:Ingenieros, matemáticos, estadísticos e informáticos que quieran aplicar sus conocimientos a la ciencia de datos y Big Data.Analistas de datos que buscan mejorar sus habilidades en machine learning, deep learning y análisis predictivo.Consultores de TI y profesionales del software que deseen dominar las herramientas de análisis de datos y cloud computing.Gestores de proyectos y directivos interesados en la transformación digital y en el uso de datos para la toma de decisiones estratégicas.Profesionales de otros sectores que quieran redirigir su carrera hacia un campo con alta demanda en múltiples industrias.

TITULACIÓN

  Titulación Propia de IEBS Biztech School

TEMARIO

 

La estructura y materias del Máster en Data Science y Big Data está organizada de la siguiente manera:Módulo

- Introducción a los lenguajes de programaciónFundamentos de PythonPython avanzadoFundamentos de RMódulo

- Matemáticas y estadística en el tratamiento de datosMatemática analíticaEstadística descriptivaEstadística inferencialMódulo

- Sistemas y servicios de AlmacenamientoBases de Datos Relacionales.
Fundamentos de SQL y Queries.Bases de Datos NOSQLSistemas de almacenamiento en la nube pública.

Reporting ServicesMódulo

- Entornos DatawarehouseTipos y arquitectura de un Data Warehouse vs Data LakeFundamentos de Azure.

Azure DataFundamentos de AWSMódulo

- Entorno Distribuido para Big DataFundamentos y herramientas del ecosistema HadoopEl modelo MapReduce de procesamientoSistema de ficheros distribuidos HDFSMódulo

- Arquitecturas distribuidas Big DataArquitectura Batch y Streaming.
Arquitectura LambdaGestión de recursos: YARNHerramientas del ecosistema Hadoop: HiveMódulo

- Procesamiento de datos a gran escala: SparkConfiguración y MapReduce en SparkPySpark: Creación BD, SparkContext, Spark streamingPYSpark: Programando con RDDsMódulo

- Otras acciones de procesamiento de datosWeb ScrappingText mining: limpieza texto, TF-Idf, wordcloudVisualización de datosMódulo

- Fundamentos de IA y Machine LearningIntroducción a la IA y Machine LearningAlgoritmos de regresión.
Evaluación y métricasEcosistemas de Machine Learning en la nubeMódulo

- Aprendizaje supervisado IClasificación binaria, multiclase y métricas.
Curva ROCClasificación con Naive BayesClasificación con Support Vector Machine (SVM)Módulo

- Aprendezaje supervisado IIRegresión y clasificación con árboles de decisiónCombinación de clasificadores: Boostrapping, bagging y boostingRegresión y clasificación con random forestsMódulo

- Aprendizaje NO SupervisadoReducción de dimensionalidad en los datos: PCAAlgoritmos de agrupamiento: Kmedias y jerárquicoTécnicas de detección de anomalíasMódulo

- Redes neuronales y deep learningEntrenamiento: Gradient descent, SGD, BackpropagationFrameworks de Deep Learning: TensorFlowUnidad activación, met. inicialización, optimizadores, met. regularizaciónMódulo

- CNN, GAN y otras redes neuronalesCNN: Layers y arquitecturas (Alexnet, VGG...)CNN: Entrenamiento con Data augmention y transfer learningGAN, GNN y RNN: Redes Generativas Antagónicas , Graph Neural Networks y Recurrent Neural NetworksMódulo

- Sistemas de recomendaciónPersonalización guiada por IA y datos.
Filtrado colaborativoRecomendaciones basadas en contenido, contexto e híbridasAplicaciones, tendencias y retos de los sistemas de recomendaciónMódulo

- Procesamiento del Lenguaje NaturalModelos lógicos de PLNModelos Probabilísticos de PLNUso de la PLNProyecto de Fin de Máster El temario y las masterclass podrán sufrir modificaciones motivadas por la actualización y mejora de los mismos.

COMPETENCIAS

 

Serás un experto en el manejo de grandes volúmenes de datos, análisis avanzado y en la implementación de tecnologías clave como Machine Learning, Deep Learning, NLP (Procesamiento del Lenguaje Natural), y Big Data Analytics.

¿Hablamos?